AI 검색에서 우리 브랜드가 얼마나 자주 언급되고, 경쟁사에 비해 어떤 평가를 받는지 확인하려면 먼저 '어떤 질문'을 모니터링할지 결정해야 합니다.

그런데 막상 AI 모니터링을 시작하려고 하면 여러 고민이 생깁니다. 어떤 질문을 확인해야 할까요? 몇 개의 질문을 측정해야 충분할까요? 고객의 구체적인 상황이나 경쟁사 비교 질문은 어떻게 설정하고 반영해야 할까요?

기존 검색 광고나 SEO에서는 월간 검색량을 바탕으로 관리할 키워드를 선정할 수 있었습니다. 반면 AI 검색에서는 고객이 어떤 표현과 조건으로 질문하는지 100% 정확히 알기 어렵습니다. 같은 질문에도 매번 다른 답변이 나올 수 있고, 비슷한 질문을 지나치게 많이 포함하면 특정 주제의 결과가 전체 지표에 과도하게 반영될 수도 있죠. 따라서 AI 모니터링에서는 어떤 질문을 얼마나 균형 있게 구성하고, 그 결과를 어떻게 반복 측정할지가 중요합니다.

이번 글에서는 버블쉐어 VIVI의 국내 프로젝트 데이터를 통해 실제 기업들이 운영하는 프롬프트 수와 구성을 살펴봅니다. 이어서 고객의 구매 단계와 선택 기준을 반영한 프롬프트 설계 방법부터 경쟁사 설정, 중복 점검, 지속적인 운영 방법까지 정리했습니다.

핵심 요약

• 실제 운영 규모: 버블쉐어 VIVI의 국내 프로젝트 69개에서 측정 중인 질문 수는 중앙값 100개였으며, 전체 질문 중 브랜드명이 포함된 비율은 4.4%였습니다.
• 프롬프트 설계: 구매 단계, 카테고리·속성, 브랜드 포함 여부, 경쟁사 비교, 고객 맥락의 5가지 기준으로 구성할 수 있습니다.
• 콘텐츠 전략: 질문의 의도에 따라 AI가 인용하는 콘텐츠 유형과 구조가 다를 수 있으므로, 질문 유형별 인용 현황을 구분해 살펴봐야 합니다.
• 반복 측정: AI 답변은 매번 달라질 수 있어 한 번의 결과나 순위보다 일정 기간의 브랜드 언급 빈도와 변화 추이를 함께 확인해야 합니다.
• 지속적인 관리: 프롬프트를 추가하거나 수정하면 측정 기준이 달라지므로, 변경 이력을 기록하고 기존 질문의 추이를 별도로 관리하는 것이 좋습니다.

1. 실제 기업들은 AI 모니터링 질문을 몇 개나 운영할까요?

프롬프트를 설계할 때 가장 먼저 고민되는 것은 질문의 개수입니다. 고객의 다양한 구매 상황을 반영하려면 질문이 많아야 할 것 같지만, 어디까지 늘려야 하는지 기준을 정하기는 어렵습니다. 그렇다면 실제 국내 기업들은 몇 개의 질문을 모니터링하고 있을까요?

버블쉐어 VIVI의 국내 프로젝트 데이터

버블쉐어는 2026년 11월 8일 기준, 현재 측정 중인 질문이 있는 국내 VIVI 프로젝트 69개(고객사 41곳)를 분석했습니다. 전체 측정 질문은 14,212개이며, 고객사나 개별 질문을 식별할 수 없는 집계 데이터만 사용했습니다.

프로젝트별 질문 수의 중앙값은 100개였고, 상위 25%에 해당하는 프로젝트에서는 250개 이상의 질문을 운영하고 있었습니다. 프로젝트에 따라 적게는 수십 개부터 많게는 800개 이상까지 질문 수에 큰 차이가 있었습니다.

이는 모든 브랜드에 적합한 프롬프트 개수가 정해져 있지는 않다는 점을 보여줍니다. 측정할 제품군이 얼마나 다양한지, 고객의 어떤 구매 상황까지 살펴볼지에 따라 필요한 질문 수도 달라질 수 있습니다.

브랜드명이 없는 질문이 95% 이상이었습니다

질문의 개수만큼 눈여겨볼 부분은 어떤 질문을 측정하고 있는지입니다. 분석 대상 전체 질문 중 브랜드명이 포함된 비율은 4.4%에 불과했습니다. 나머지 95% 이상은 브랜드명을 직접 언급하지 않고, 카테고리나 제품 속성, 비교 조건, 구매 상황 등을 묻는 질문이었습니다.

예를 들어 화장품 브랜드라면 다음 두 질문을 비교해볼 수 있습니다.

• 브랜드 포함: "A 브랜드 수분크림은 민감성 피부에 적합할까?"
• 브랜드 미포함: "민감성 피부가 아침에 바르기 좋은 가벼운 수분크림 추천해줘."

첫 번째 질문은 이미 브랜드를 알고 있는 고객이 제품을 탐색하는 상황에 가깝습니다. 반면 두 번째 질문에서는 아직 우리 브랜드를 모르는 고객에게도 제품이 추천되는지 확인할 수 있습니다.

실제 프로젝트에서 브랜드명이 없는 질문이 대부분을 차지한 것도 이러한 탐색 상황을 폭넓게 측정하고 있기 때문으로 볼 수 있습니다. 따라서 프롬프트를 설계할 때는 우리 브랜드를 알고 있는 고객뿐 아니라, 아직 브랜드를 모르는 고객이 어떤 조건으로 제품을 찾는지도 함께 고려해야 합니다.

여기서부터는 공개 연구와 해외 사례를 함께 봅니다

버블쉐어 VIVI 데이터와 비슷한 결과가 나타나는지 비교해 보겠습니다. 다만 해외 연구는 대부분 미국 시장을 대상으로 하며, AI 가시성 분석 도구를 제공하는 기업의 자료도 많다는 점을 고려해야 합니다.

2. 프롬프트 설계가 AI 모니터링 성과에 중요한 이유

앞서 살펴본 것처럼 기업마다 운영하는 질문 수와 구성은 다릅니다. 그런데 어떤 질문을 측정하느냐가 왜 중요할까요? 바로 질문의 구성에 따라 AI 검색에서 우리 브랜드가 얼마나 잘 보이는지 판단하는 결과도 달라지기 때문입니다.

예를 들어 브랜드명이 포함된 질문에만 집중한다면, 이미 우리 브랜드를 알고 있는 고객에게 어떻게 소개되는지는 확인할 수 있습니다. 하지만 고객이 브랜드명을 모른 채 제품을 추천받는 상황에서 경쟁사보다 얼마나 자주 등장하는지는 파악하기 어렵습니다. 마찬가지로 구매 직전 질문만 측정하면, 고객이 제품을 처음 탐색하거나 여러 브랜드를 비교하는 단계에서 우리 브랜드가 어떻게 소개되는지는 놓칠 수 있습니다.

이처럼 프롬프트 세트는 단순히 질문을 모아둔 목록이 아니라, 어떤 고객의 질문을 기준으로 브랜드 성과를 측정할지 결정하는 기준이 됩니다. 실제 고객의 탐색 상황과 동떨어진 질문으로 측정한다면 언급률이 높게 나타나더라도 이를 마케팅 성과로 해석하기 어려울 수 있습니다.

여기에 AI 답변의 변동성도 고려해야 합니다. 2026년 1월 SparkToro와 Gumshoe의 실험에서는 같은 질문을 반복했을 때 동일한 브랜드 추천 목록이 그대로 나타나는 경우가 100번 중 1번 미만이었습니다. 연구진은 한 번의 답변에서 나타난 브랜드 순위보다 여러 응답에서 브랜드가 얼마나 자주 등장하는지 살펴보는 것이 더 타당하다고 설명했습니다.

즉, 한 번의 답변에 우리 브랜드가 등장하지 않았다고 해서 AI가 해당 브랜드를 전혀 추천하지 않는다고 판단할 수는 없습니다. 반대로 한 번 추천됐다는 이유만으로 AI 검색에서 높은 가시성을 확보했다고 보기도 어렵죠. 따라서 프롬프트는 고객이 실제로 물어볼 만한 다양한 질문으로 구성하고, 동일한 질문을 반복 측정해 브랜드의 언급 빈도와 변화 추이를 확인하는 것이 좋습니다.

이 과정을 직접 운영하고 싶다면, VIVI Insight에서 브랜드 언급과 인용 현황을 어떻게 모니터링할 수 있는지 확인해보세요.

3. 고객의 질문 의도에 따라 AI가 인용하는 콘텐츠도 달라집니다

프롬프트를 구성할 때는 질문의 개수와 함께 고객이 무엇을 알고 싶어 하는지도 고려해야 합니다. 제품을 구매하기 전 고객은 기본 정보를 찾아보거나, 여러 브랜드를 비교하고, 자신의 조건에 맞는 상품을 추천받습니다. 이처럼 질문의 목적이 다르면 AI가 답변에 인용하는 콘텐츠의 특징도 달라질 수 있습니다.

Previsible이 5,000개 프롬프트를 네 가지 질문 유형으로 구분해 분석한 결과를 살펴보겠습니다.

출처: Previsible, 「We Analyzed 5,000 AI Responses: See What Pages LLMs Actually Cite」. 분석 대상에서 관찰된 콘텐츠 구조이며, 특정 형식이 AI 인용을 보장한다는 의미는 아닙니다.

분석 결과, 브랜드 비교 질문에서는 비교표와 평가 기준별 소제목이 포함된 콘텐츠가 자주 인용됐습니다. 제품 추천 질문에서는 순위형 목록과 제품별 요약이, 카테고리 자체를 설명하는 질문에서는 개념을 정의하고 예시를 제공하는 콘텐츠가 두드러졌습니다.

한편 국내 VIVI 프로젝트에서는 AI 엔진별로도 인용 콘텐츠 유형에 차이가 나타났습니다. 2026년 10월 11일부터 11월 7일까지 국내 고객사 14곳에서 수집한 인용 436,304건을 분석한 결과입니다.

출처: 버블쉐어 VIVI 자체 데이터. 분석 대상 질문과 고객사, 엔진에 따른 관측 결과이며 전체 AI 검색의 인용 비중을 의미하지는 않습니다.

두 분석은 서로 다른 기준으로 인용 콘텐츠를 살펴본 결과이지만, AI가 어떤 질문에 답하는지, 어떤 엔진을 사용하는지에 따라 인용되는 콘텐츠의 유형이 달라질 수 있다는 공통점을 보여줍니다. 다만 특정 엔진에서 어떤 유형의 콘텐츠가 많이 인용됐다고 해서, 그 엔진이 해당 형식을 더 선호한다고 단정할 수는 없습니다. 실제로 어떤 질문을 측정했는지, 어떤 산업의 콘텐츠를 분석했는지도 함께 살펴봐야 합니다.

그렇다면 마케터는 이 데이터를 어떻게 활용할 수 있을까요? 예를 들어 제품 비교 질문에서 우리 브랜드가 거의 언급되지 않는다면, 경쟁 제품과 비교할 수 있는 기능이나 사양 정보가 충분한지 점검해볼 수 있습니다. 구매 추천 질문에서 경쟁사만 등장한다면, 고객의 예산이나 사용 조건에 맞는 제품 정보를 제공하고 있는지 살펴볼 수 있겠죠. 반대로 정보 탐색 질문에서는 브랜드가 직접 언급되지 않더라도 AI가 어떤 출처를 활용하는지 확인할 수 있습니다.

결국 프롬프트 세트에는 브랜드 사실 확인, 비교, 구매 추천, 정보 탐색처럼 서로 다른 목적의 질문을 골고루 포함하는 것이 좋습니다. 그래야 어떤 질문에서 우리 브랜드가 충분히 노출되지 않는지 파악하고, 어떤 콘텐츠를 보완해야 할지도 구체적으로 판단할 수 있습니다.

4. 프롬프트를 설계할 때 확인해야 할 5가지 기준

그렇다면 실제로 프롬프트 세트를 구성할 때는 무엇부터 정해야 할까요? 질문을 무작정 늘리기보다는 고객이 제품을 탐색하는 과정과 구매할 때 중요하게 생각하는 조건을 기준으로 나눠보는 것이 좋습니다.

다음 5가지 기준을 활용하면 어떤 질문을 포함해야 할지 체계적으로 정리할 수 있습니다.

예를 들어 화장품 브랜드가 수분크림 관련 프롬프트를 설계한다고 가정해보겠습니다. 가장 기본적인 질문은 "수분크림 추천해줘"일 수 있습니다. 여기에 고객의 구매 단계나 선택 조건을 반영하면 다음과 같이 구체화할 수 있습니다.

• 정보 탐색: "수분크림과 보습크림의 차이는 뭐야?"
• 속성 중심: "끈적임이 적은 수분크림 추천해줘."
• 브랜드 비교: "A 브랜드와 B 브랜드 수분크림 중 민감성 피부에 더 적합한 건 뭐야?"
• 구매 조건: "3만 원 이하로 살 수 있는 저자극 수분크림 추천해줘."
• 사용 맥락: "아침 메이크업 전에 바르기 좋은 가벼운 수분크림은 뭐야?"

이처럼 질문을 나누면 단순히 '수분크림'이라는 카테고리에서 우리 브랜드가 언급되는지뿐 아니라, 어떤 구매 조건과 사용 상황에서 추천되는지도 살펴볼 수 있습니다. 특히 브랜드 인지도를 높이는 것이 목표라면 브랜드명이 없는 카테고리·속성 질문을 충분히 포함하는 것이 좋습니다. 이미 우리 브랜드를 알고 있는 고객의 질문에 답하는 것과 새로운 고객의 추천 후보에 등장하는 것은 서로 다른 측정 목표이기 때문입니다.

5. 프롬프트는 몇 개부터 시작해야 할까요?

앞서 살펴본 국내 프로젝트 데이터에서는 질문 수의 중앙값이 100개였고, 상위 25% 구간에서는 250개 이상의 질문을 운영하고 있었습니다.

그렇다면 우리 브랜드도 처음부터 100개 이상의 질문을 준비해야 할까요? 반드시 그렇지는 않습니다. 필요한 프롬프트 수는 제품군이 얼마나 다양한지, 고객이 어떤 조건으로 제품을 선택하는지, 어떤 AI 엔진에서 무엇을 측정하려는지에 따라 달라집니다.

앞서 소개한 5가지 기준을 조합하다 보면 질문 수도 자연스럽게 늘어나는데요. 이때 전체 질문 수만큼 고려해야 할 것이 실제로 수집되는 응답 수입니다. 예를 들어 50개 질문을 3개 AI 엔진에서 각각 한 번씩 측정하면 총 150개의 응답이 수집됩니다.

하지만 특정 구매 조건에 해당하는 질문이 2개뿐이라면, 전체 응답이 많더라도 해당 조건에서 우리 브랜드가 얼마나 자주 등장하는지 안정적으로 해석하기는 어렵습니다. 따라서 단순히 질문 수를 늘리기보다는 중요한 제품군과 구매 단계별로 충분한 질문을 확보했는지 확인하는 것이 좋습니다.

처음부터 모든 제품군을 다루기 어렵다면 매출 기여도가 높거나 마케팅 우선순위가 높은 제품부터 시작해보세요. 이후 실제 AI 답변을 살펴보면서 충분히 측정하지 못한 질문 유형이나 구매 조건을 추가하는 방식으로 확장할 수 있습니다.

6. 고객이 실제로 사용할 만한 질문은 어떻게 찾을까요?

프롬프트의 구성 기준과 개수를 정했다면, 이제 고객이 AI에 실제로 어떤 질문을 할지 구체화할 차례입니다. 물론 고객이 AI에 입력하는 질문을 모두 확인할 수는 없습니다. 하지만 이미 확보한 고객 데이터에서 자주 등장하는 표현과 구매 조건을 참고하면 실제 질문에 가까운 프롬프트를 구성할 수 있습니다.

우선 다음 자료를 살펴보세요.

• 고객센터 문의와 리뷰: 고객이 자주 묻는 기능, 사용 조건, 불편 사항
• 사이트 검색어와 검색 광고 쿼리: 제품을 찾을 때 사용하는 단어와 관심사
• 커뮤니티와 블로그: 고객이 제품을 비교하거나 추천받을 때 사용하는 표현
• 영업·마케팅팀에 들어오는 질문: 구매를 결정하기 전 반복적으로 확인하는 조건

예를 들어 고객센터에 "지성 피부에도 번들거리지 않나요?"라는 문의가 자주 들어온다면, 이를 "지성 피부가 사용하기 좋은 번들거림 적은 수분크림 추천해줘"와 같은 프롬프트로 확장할 수 있습니다.

검색 광고에서 자주 등장하는 키워드도 좋은 출발점이 됩니다. 다만 키워드를 그대로 질문으로 옮기기보다는 고객의 사용 목적이나 구매 조건을 추가해 자연스러운 문장으로 바꾸는 것이 좋습니다.

국가별로 AI 검색을 모니터링하는 경우에도 비슷한 방법을 적용할 수 있습니다. 현지 검색량과 연관 키워드를 참고해 주요 관심사를 파악한 뒤, 해당 국가의 소비자가 사용할 만한 자연어 질문으로 확장하는 방식입니다.

이렇게 구성한 프롬프트가 실제 고객의 AI 질문과 완전히 일치하는 것은 아닙니다. 하지만 고객이 이미 보여준 관심사와 구매 조건을 근거로 측정할 질문을 선정한다는 점에서 의미가 있습니다. 이 과정이 막막하다면 VIVI Insight에서 브랜드와 시장 정보를 바탕으로 측정할 질문을 구성하고, AI 검색 모니터링을 시작해볼 수 있습니다.

7. 경쟁사 설정부터 중복 점검까지, 프롬프트 세트 운영 방법

측정할 질문을 구성했다면, 이제 경쟁사와 중복 질문을 점검할 차례입니다. 어떤 브랜드를 경쟁사로 설정하는지, 비슷한 질문이 얼마나 포함돼 있는지에 따라 AI 모니터링 결과의 해석이 달라질 수 있기 때문입니다.

1) 실제 구매 과정에서 경쟁하는 브랜드를 선정하세요

AI 검색에서 경쟁사 대비 점유율을 측정하려면 먼저 어떤 브랜드와 비교할지 정해야 합니다. 이때 단순히 인지도가 높은 브랜드를 나열하기보다는, 고객이 같은 구매 상황에서 실제로 비교할 만한 브랜드를 선정하는 것이 좋습니다.

예를 들어 프리미엄 스킨케어 브랜드라면 비슷한 가격대와 기능을 제공하는 브랜드가 주요 비교 대상이 될 수 있습니다. 반면 가격이나 타깃 고객이 크게 다른 브랜드까지 모두 포함하면 점유율을 해석하기 어려워집니다. 처음에는 직접 경쟁하는 브랜드 3~5곳을 중심으로 설정하고, 실제 AI 답변에서 함께 등장하는 브랜드를 확인하며 비교 범위를 넓혀갈 수 있습니다.

이때 경쟁사로 등록하지 않은 브랜드가 AI 답변에 등장하더라도, 해당 브랜드가 설정한 경쟁사 지표에 자동으로 반영되는 것은 아닐 수 있습니다. 따라서 등록한 경쟁사 목록과 실제 답변에 등장하는 경쟁 브랜드를 구분해 살펴보는 것이 좋습니다.

2) 표현만 다른 중복 질문을 점검하세요

프롬프트가 많다고 해서 반드시 더 다양한 고객의 상황을 측정하는 것은 아닙니다.

예를 들어 다음 두 질문을 보겠습니다.

• "민감성 피부에 좋은 선크림 추천해줘."
• "민감한 피부가 쓰기 좋은 선크림 알려줘."

표현은 다르지만 고객이 원하는 정보는 거의 같습니다. 이러한 질문이 지나치게 많으면 특정 구매 조건이나 관심사가 전체 지표에 반복적으로 반영될 수 있습니다.

이를 방지하려면 먼저 질문의 목적과 구매 조건을 기준으로 비슷한 프롬프트를 묶어보세요. 같은 의도를 가진 질문이라도 중요한 조건이 다르거나 실제 AI 답변에 차이가 있다면 유지할 수 있습니다. 반면 답변과 인용 출처까지 거의 비슷하다면 일부 질문을 정리하는 것이 좋습니다.

중요한 것은 질문 수를 줄이는 것이 아니라, 서로 다른 고객의 탐색 상황을 균형 있게 측정하는 것입니다.

3) 프롬프트 변경 이력을 관리하세요

프롬프트 세트는 한 번 구성했다고 해서 계속 그대로 유지해야 하는 것은 아닙니다. 신제품이 출시되거나 고객의 관심사가 달라지면 새로운 질문을 추가해야 할 수 있습니다. 다만 프롬프트를 변경할 때는 한 가지 주의할 점이 있습니다. 질문 구성이 달라지면 이전과 동일한 기준으로 성과를 비교하기 어려워질 수 있다는 것입니다.

예를 들어 기존에는 브랜드명이 포함된 질문이 대부분이었는데, 어느 시점부터 브랜드명이 없는 추천 질문을 대거 추가했다고 가정해보겠습니다. 이후 전체 언급률이 하락하더라도 실제로 브랜드의 AI 검색 가시성이 낮아진 것인지, 측정하는 질문이 달라졌기 때문인지 구분하기 어렵습니다. 따라서 프롬프트를 수정할 때는 변경 시점과 내용을 기록하고, 기존부터 유지한 핵심 질문의 추이를 별도로 살펴보는 것이 좋습니다.

분기마다 질문 구성을 점검하되, 새로 추가한 질문과 기존에 측정하던 질문의 결과를 구분하면 성과 변화를 더 정확하게 해석할 수 있습니다.

8. 직접 ChatGPT에 물어본 결과와 모니터링 지표가 다르다면?

AI 모니터링을 시작한 뒤에는 이런 의문이 생길 수 있습니다. "제가 ChatGPT에 직접 물어보면 우리 브랜드가 나오는데, 왜 모니터링 지표에서는 언급률이 0%로 표시되나요?"

이러한 차이는 질문 문구나 측정 시점, 로그인 환경, 지역 등이 다르기 때문에 발생할 수 있습니다. 앞서 살펴봤듯 같은 질문에도 AI가 매번 동일한 답변을 제공하는 것은 아닙니다. 또한 직접 ChatGPT에 질문해 얻은 결과는 하나의 응답이지만, 모니터링 지표는 설정한 여러 질문과 반복 수집한 응답을 바탕으로 계산됩니다. 따라서 직접 확인한 결과와 모니터링 지표가 다르다고 해서 곧바로 측정 오류라고 판단할 필요는 없습니다. 먼저 어떤 질문과 조건에서 수집된 결과인지 확인해야 합니다.

그다음 동일한 질문을 일정 기간 반복 측정한 결과를 살펴보세요. 특정 날짜에 우리 브랜드가 몇 번째로 추천됐는지보다, 같은 측정 조건에서 브랜드가 등장하는 빈도가 어떻게 달라지는지 확인하는 것이 실제 성과 변화를 파악하는 데 도움이 됩니다.

9. 프롬프트 세팅 체크리스트

지금까지 살펴본 내용을 바탕으로, 측정을 시작하기 전 다음 항목을 점검해보세요.

• 인지, 탐색, 비교, 결정, 추천 요청 등 주요 구매 단계가 포함돼 있는가?
• 브랜드명이 없는 질문을 충분히 포함했는가?
• 브랜드 사실 확인, 비교, 구매 추천, 정보 탐색 등 다양한 질문 유형이 반영돼 있는가?
• 실제 구매 상황에서 경쟁하는 브랜드를 비교 대상으로 설정했는가?
• 표현만 다르고 의도가 같은 질문이 지나치게 많지는 않은가?
• 고객센터, 검색어, 커뮤니티 등에서 확인한 고객의 표현과 구매 조건을 반영했는가?
• 프롬프트를 추가하거나 변경한 시점을 기록하고 있는가?

처음부터 모든 질문 유형을 완벽하게 구성할 필요는 없습니다. 우선 우리 브랜드에서 중요하게 생각하는 고객의 구매 상황을 기준으로 질문을 선정하고, 측정 결과를 확인하면서 부족한 부분을 보완해보세요.

10. VIVI로 AI 모니터링 프롬프트 설계하고 관리하기

지금까지 프롬프트를 구성하는 기준부터 경쟁사 설정, 중복 점검, 반복 측정 방법까지 살펴봤습니다. 실제로 이 과정을 운영하려면 고객이 사용할 만한 질문을 발굴하고, 여러 AI 엔진의 답변을 반복적으로 수집하며, 질문을 수정할 때마다 변경 이력도 관리해야 합니다.

버블쉐어의 AI 가시성 솔루션 VIVI는 이러한 작업을 보다 효율적으로 진행할 수 있도록 프롬프트 발굴부터 측정, 변경 이력 관리까지 지원합니다.

브랜드와 시장 정보를 바탕으로 프롬프트 생성하기

VIVI 온보딩에서 브랜드와 시장, 측정할 AI 엔진을 입력하면 Topic 발굴과 Prompt 생성, 첫 수집까지 이어집니다. 생성된 질문은 각 단계에서 검토하고 수정할 수 있어, 처음부터 모든 프롬프트를 직접 작성할 필요가 없습니다.

검색 데이터를 참고해 측정 질문 확장하기

Topic Research에서는 검색량과 연관 키워드를 참고해 고객이 실제로 물어볼 만한 주제를 찾을 수 있습니다. 관심 있는 키워드를 바탕으로 질문을 확장하고, 필요한 경우 모니터링 대상에 추가할 수 있습니다.

프롬프트 수정과 성과 변화 함께 확인하기

측정 중인 질문은 운영 과정에서 추가하거나 삭제할 수 있습니다. 질문이 바뀌면 성과 지표를 해석하는 기준도 달라질 수 있기 때문에, 변경 시점과 이후 결과를 함께 보는 것이 중요합니다.

경쟁사와 질문별 결과 분석하기

VIVI에서는 경쟁사를 등록하고, 질문별 AI 답변과 브랜드 언급 현황을 함께 확인할 수 있습니다. 이를 통해 어떤 질문에서 브랜드가 등장하지 않는지, 경쟁사와 비교했을 때 어느 단계에서 차이가 나는지 파악할 수 있습니다. 이러한 결과를 바탕으로 측정 질문을 조정할지, 특정 구매 조건에 대응하는 콘텐츠를 보완할지 판단할 수 있습니다.

AI 검색 모니터링은 질문을 많이 수집하는 것보다, 우리 고객이 어떤 상황에서 무엇을 묻는지 정확하게 반영하는 데서 시작합니다.

먼저 핵심 제품군과 고객의 선택 기준을 중심으로 프롬프트를 구성해보세요. 이후 반복 측정 결과를 확인하면서 부족한 질문을 보완하면, 보다 일관된 기준으로 브랜드의 AI 검색 가시성을 관리할 수 있습니다.

우리 브랜드는 어떤 질문에서 얼마나 자주 추천되고 있을까요? VIVI Insight에서 브랜드에 맞는 프롬프트를 구성하고, AI 답변 속 언급과 인용 현황을 직접 확인해보세요.

VIVI Insight로 우리 브랜드의 AI 검색 가시성 확인하기 →

---

참고 자료

• Previsible, We Analyzed 5,000 AI Responses: See What Pages LLMs Actually Cite
• Search Engine Land, AI recommendation lists rarely repeat: SparkToro study
• VIVI 가이드: 측정 방식 · 측정 대상 관리 · Topic Research · Prompt Details