요약 3줄
- 2026년 10월 29일 오전, GEO·AEO(AI 답변 최적화) 대행사 질문 3쌍을 지역명 없이/지역명을 붙여 AI 세 곳에 3번씩, 모두 54번 물었습니다.
- 지역명을 붙여도 OpenTime(오픈타임)이 답변에 나온 횟수는 27번 중 5번으로 같았지만, AI가 인용한 출처는 평균 약 4분의 1만 겹쳤습니다.
- 지역 질문에서 AI가 확인되지 않은 위치·가격 정보를 덧붙이는 경우가 있어, 답변의 사실관계는 출처를 열어 확인해야 합니다.
“GEO 대행사 추천해줘”와 “서울 GEO 대행사 추천해줘”는 AI에게 같은 질문일까요? 직접 재 보니 추천 목록에 들어가는 회사의 빈도는 거의 같았고, 근거로 쓰는 출처가 크게 바뀌었습니다. 2026년 10월 29일 09시 10분~09시 20분(한국 시간)에 ChatGPT·Perplexity·Gemini에 질문 6개를 3번씩 물은 결과, 지역명 없는 질문과 있는 질문에서 OpenTime(오픈타임)이 답변에 등장한 횟수는 각각 27번 중 5번이었고, 같은 질문 쌍에서 인용 출처가 평균 4분의 1 정도만 겹쳤습니다. 측정은 DataForSEO의 AI 답변 API로 했고 답변 원문 54개를 보관하고 있습니다.
어떻게 측정했을까?
질문 쌍 3개를 만들고, 한 쌍 안에서 지역명만 바꿨습니다. 여기서 AEO(AI 답변 최적화)는 AI가 질문에 답할 때 우리 콘텐츠를 근거로 쓰도록 만드는 작업을 말합니다.
| 쌍 | 지역명 없음 | 지역명 있음 |
|---|---|---|
| a | GEO 마케팅 대행사 추천해줘 | 서울 GEO 마케팅 대행사 추천해줘 |
| b | AI 검색 최적화 업체 어디가 좋아? | 부산 AI 검색 최적화 업체 어디가 좋아? |
| c | AEO(AI 답변 최적화) 대행사 알려줘 | 서울 AEO(AI 답변 최적화) 대행사 알려줘 |
AI는 ChatGPT(gpt-5.4-mini), Perplexity(sonar), Gemini(gemini-3.5-flash)이고 모두 웹 검색을 켠 상태입니다. 질문 6개 × AI 3곳 × 3회 = 답변 54개입니다. 네이버 AI 브리핑은 이번에 측정하지 않았습니다.
지역명을 붙이면 OpenTime(오픈타임)이 더 자주 나왔을까?
아니었습니다. 지역명이 없을 때도 있을 때도 27번 중 5번이었습니다. 다만 어느 질문에서 나왔는지는 달랐습니다.
| 쌍 | 지역명 없음 (AI별 3회 중) | 지역명 있음 (AI별 3회 중) |
|---|---|---|
| a | Gemini 1 | Gemini 1 |
| b | Perplexity 3 | Perplexity 3, ChatGPT 1 |
| c | Gemini 1 | 0 |
우리 사이트 lodac.kr이 출처로 인용된 건 54번 중 3번뿐이었고, 모두 “부산 AI 검색 최적화 업체” 질문의 Perplexity 답변이었습니다. 지역명 없는 27번에서는 한 번도 인용되지 않았습니다.
지역명을 붙이면 AI가 인용하는 출처는 얼마나 바뀌었을까?
꽤 많이 바뀌었습니다. 같은 쌍에서 지역명 없는 답변 3개와 있는 답변 3개가 인용한 도메인을 모아 겹친 비율을 계산했습니다(0이면 하나도 안 겹침, 1이면 완전히 같음, 쌍·AI별 각 1개 값이라 단일 측정).
| 쌍 | ChatGPT | Perplexity | Gemini |
|---|---|---|---|
| a (서울) | 0.39 | 0.25 | 0.38 |
| b (부산) | 0.07 | 0.12 | 0.21 |
| c (서울) | 0.13 | 0.31 | 0.52 |
표의 숫자는 0이면 하나도 안 겹치고 1이면 완전히 같다는 뜻입니다. 쉽게 말해 부산 질문의 ChatGPT(0.07)는 출처가 거의 전부 바뀌었고, 서울 AEO 질문의 Gemini(0.52)는 절반 정도가 같았습니다. 9개를 평균하면 출처가 4분의 1 정도만 겹친 셈입니다. 답변 1개가 인용한 도메인 수를 3회 평균(범위)으로 보면 다음과 같습니다.
| 쌍 | ChatGPT 없음 → 있음 | Perplexity 없음 → 있음 | Gemini 없음 → 있음 |
|---|---|---|---|
| a | 5.0 (0~8) → 5.7 (4~7) | 9.0 (9~9) → 5.0 (5~5) | 9.3 (7~12) → 9.3 (8~10) |
| b | 4.0 (2~6) → 2.3 (1~3) | 10.0 (10~10) → 8.0 (8~8) | 12.0 (9~15) → 10.0 (9~11) |
| c | 2.7 (0~6) → 3.0 (0~7) | 8.0 (8~8) → 9.0 (9~9) | 11.0 (7~13) → 10.7 (10~11) |
지역명을 넣은 질문 27번은 모두 답변에 지역명이 들어갔고, 지역명 없는 질문 27번 중에서는 2번만 지역명이 나왔습니다. 지역명이 답변의 틀과 출처 선택을 바꾼다는 뜻으로 읽힙니다.
이번 측정으로 알 수 없는 것은 무엇일까?
한계가 분명합니다. 질문 쌍은 3개뿐이고 지역명은 서울과 부산만 넣었습니다. 같은 날 오전 10분 동안의 결과라 다른 날에는 달라질 수 있습니다. ChatGPT는 54번 중 3번 출처를 하나도 달지 않아, 그 회차는 출처 비교에서 빈 값으로 들어갔습니다. 또 지역 질문 일부에서 AI가 우리가 공개하거나 확인한 적 없는 위치·가격 정보를 회사 설명에 덧붙였습니다. AI 답변 속 회사 정보는 출처를 직접 열어 확인해야 하는 이유입니다.
정리하면
지역명을 붙여도 OpenTime(오픈타임)이 추천 목록에 오르는 빈도는 같았지만(27번 중 5번씩), AI가 근거로 고르는 출처는 평균 약 4분의 1만 겹쳤습니다. AEO(AI 답변 최적화)를 점검할 때는 지역명 없는 질문 하나만 재지 말고, 고객이 실제로 쓰는 지역 질문을 같이 3회 이상 반복해 출처 변화를 보는 편이 정확합니다. 측정 방법과 이전 측정은 lodac.kr 블로그에 정리해 두었습니다.