#### CMO가 실제로 묻는 질문
AI 측정은 보통 탐지에서 시작합니다. 어떤 AI 플랫폼이 방문했는지, AI 요청이 얼마나 있는지, 어떤 답변에서 브랜드가 인용됐는지 확인합니다. 이것은 중요하지만 경영회의에서 요구하는 답은 한 단계 더 높습니다.
CMO와 CFO가 알고 싶은 것은 "AI가 존재하는가"가 아닙니다. "AI 투자가 성장을 만들었는가"입니다. GEO에 투자한 결과 AI 출처 가입, KYC, 입금, 주문, 구독이 늘었는가. 투자를 멈추면 얼마나 줄어드는가. 이 질문에는 단순 탐지가 아니라 증거 수준이 필요합니다.
#### 다섯 단계 인과 증거 사다리
C0는 관찰 상관입니다. AI 인용, AI 방문, AI 출처 가입이 존재한다는 것을 보여줍니다. 출발점이지만 아직 인과는 아닙니다. AI 사용자가 있다는 것과 GEO 투자가 그 사용자를 늘렸다는 것은 다른 주장입니다.
C1은 품질 비교입니다. AI 출처 사용자와 비AI 사용자의 행동을 비교합니다. KYC 완료율, 입금률, trial-to-paid, 평균 주문액, LTV가 다른지 봅니다. 여기서 AI 채널이 단순 트래픽이 아니라 높은 의도의 수요인지 알 수 있습니다.
C2는 시계열 변화입니다. GEO 콘텐츠 게시, 구조화 데이터 개선, AI 친화적 콘텐츠 정리 같은 개입 이후 AI 출처 지표가 어떻게 변했는지 봅니다. 시장 전체 성장과 자사 변화를 구분해야 하지만, 의사결정에는 유용한 단계입니다.
C3는 준실험입니다. 시장, 제품 라인, 콘텐츠 카테고리 등을 비교해 GEO를 강화한 그룹과 그렇지 않은 그룹의 차이를 봅니다. Difference-in-Differences 관점은 전체 트렌드와 자사 액션의 효과를 분리하는 데 도움을 줍니다.
C4는 통제 실험입니다. Geo Lift나 Holdout을 설계해 일부 시장이나 대상에서 투자를 일시 중단하거나 단계적으로 투입하고, AI 출처 성과의 차이를 검증합니다. 가장 설득력이 높고 CFO나 이사회에 제출하기 좋은 증거이지만, 데이터량과 조직적 합의가 필요합니다.
#### 왜 대부분 C0에서 멈추는가
첫째, 데이터 기반이 부족합니다. C2 이상의 분석에는 몇 개월의 히스토리가 필요합니다. 하지만 많은 브랜드는 AI 소스 탐지조차 최근 시작했습니다. 히스토리가 없으면 트렌드도 개입 효과도 분석할 수 없습니다. 빨리 탐지를 시작할수록 향후 인과 검증에 필요한 자산이 쌓입니다.
둘째, 방법론 장벽입니다. DiD, Geo Lift, Holdout, 시계열 분석은 일반적인 광고 운영만으로 해결되지 않습니다. 통계 지식, 실험 설계, 데이터 품질이 필요합니다.
셋째, 조직의 의지입니다. Holdout은 일부 투자를 의도적으로 멈추는 것을 의미합니다. 단기 지표가 떨어질 수 있다는 위험을 받아들여야 합니다. 그래서 인과 검증은 단순 분석이 아니라 경영 의사결정 프로세스입니다.
#### CitationGraph의 단계적 경로
CitationGraph는 첫날부터 C4를 요구하지 않습니다. 먼저 C0에서 AI 출처를 탐지하고 채널 존재를 보여줍니다. 다음으로 C1에서 Custom Outcome을 연결해 AI 사용자 품질을 비교합니다. 충분한 히스토리가 쌓이면 C2에서 개입 전후를 보고, 여러 시장이나 제품 라인이 있으면 C3로 갑니다. 마지막으로 경영 합의가 있을 때 C4 Geo Lift나 Holdout을 설계합니다.
각 단계는 독립적인 가치를 가집니다. C0는 "AI 접점이 있는가"에 답합니다. C1은 "AI 사용자의 품질은 어떤가"에 답합니다. C2는 "액션 이후 변화가 있었는가"를 봅니다. C3는 "다른 요인과 분리해도 효과가 있는가"를 봅니다. C4는 "투자를 멈추면 실제로 줄어드는가"를 답합니다.
모든 결정에 C4가 필요한 것은 아닙니다. 하지만 큰 예산, 이사회 승인, 장기 투자를 정당화하려면 C4에 가까운 증거가 강력합니다.
#### 왜 CitationGraph가 인과 검증에 적합한가
인과 검증에는 한 회사 데이터만으로 어려운 문제가 있습니다. 시장 전체에서 AI 검색이 성장하고 있을 때, 자사 성장이 실행 때문인지 업계 전체 흐름인지 구분해야 합니다. CitationGraph는 여러 산업의 기준선을 바탕으로 이런 비교 설계를 쉽게 만듭니다.
또한 AI 답변에서의 인용률은 광고비와 다른 독립적 증거가 될 수 있습니다. 브랜드가 AI 답변에 얼마나 자주 인용되는지는 GEO와 콘텐츠 구조의 영향을 받지만 일반 광고 클릭과는 다른 신호입니다. 이 신호를 결과 데이터와 결합하면 인과에 가까운 분석이 가능해집니다.
마지막으로 데이터 완전성입니다. 인과 분석은 데이터 누락에 민감합니다. GA4만, MMP만, survey만으로는 AI 영향의 큰 부분이 빠집니다. 다층 AI 가시성이 있어야 신뢰할 수 있는 검증에 가까워집니다.
#### 최종 질문에 대한 답
이 시리즈의 출발점은 "AI 투자의 산출을 어떻게 계산할지 모르겠다"였습니다. Causal Evidence Ladder를 쓰면 답은 단계적으로 바뀝니다.
C0에서는 AI 인용, AI 방문, AI 출처 가입이 얼마나 있는지 보여줍니다. C1에서는 AI 출처 사용자의 KYC 완료율이나 입금률이 다른 채널보다 높은지 보여줍니다. C2에서는 GEO 실행 후 AI 출처 성과가 시장 트렌드 이상으로 성장했는지 봅니다. C3에서는 실행한 시장이나 제품 라인이 대조군보다 더 성장했는지 봅니다. C4에서는 GEO 투자를 멈춘 지역에서 성과가 하락하고 재개 후 회복되는지 검증합니다.
이 사다리를 올라갈수록 논의는 "AI가 온다"에서 "AI에 투자해야 한다"로 바뀝니다.
#### 언제 C4를 목표로 해야 하는가
모든 기업이 즉시 C4를 목표로 할 필요는 없습니다. 새로운 시장에 진입하기 전, 연간 예산을 크게 늘리기 전, GEO를 전사 전략으로 만들기 전, 또는 투자자와 이사회에 AI 성장 전략을 설명하기 전에 C4에 가까운 증거가 강하게 작동합니다.
반대로 초기 단계에서는 C0와 C1만으로도 충분한 가치가 있습니다. AI 접점이 존재한다는 것, AI 출처 사용자의 품질이 일반 유입과 다르다는 것을 보여주면 다음 3개월의 실험 예산은 설명할 수 있습니다. 인과 사다리는 완벽한 증명을 기다리기 위한 것이 아닙니다. 현재 증거 수준을 정직하게 보여주고 다음에 올라가야 할 한 단계를 명확히 하기 위한 것입니다.
이 투명성이 AI 시대 측정의 신뢰를 만듭니다. 모든 숫자를 성과라고 포장하는 대신, 지금은 관찰인지, 품질 비교인지, 준실험인지, 통제 실험인지 구분해야 합니다. 그래야 마케팅팀은 과장 없이 예산을 요청하고, CFO는 어느 수준의 불확실성을 감수하는지 알고 결정을 내릴 수 있습니다.
결국 좋은 AI 측정은 더 큰 숫자를 만드는 일이 아니라, 더 믿을 수 있는 의사결정 단계를 만드는 일입니다.
그 단계가 쌓이면 AI/GEO는 실험적 지출이 아니라 검증 가능한 성장 투자로 바뀝니다.
#### 핵심 논점
AI 트래픽 탐지는 출발점일 뿐입니다. 퍼포먼스팀에 필요한 것은 더 많은 데이터가 아니라 더 높은 수준의 증거입니다. C0부터 C4까지의 인과 증거 사다리가 AI/GEO 투자를 CFO가 승인할 수 있는 숫자로 바꿉니다.
A: 탐지하려는 효과 크기에 따라 다릅니다. 이벤트가 적으면 먼저 C0-C2에서 히스토리를 쌓고, 충분한 검정력이 나오는 시점에 실험을 설계해야 합니다.
A: 가능합니다. 제품 라인, 콘텐츠 카테고리, 시계열 개입 등을 활용해 C2나 C3에 가까운 검증부터 시작할 수 있습니다.
A: 통계 방법 이름이 아니라 의사결정 가능한 숫자로 설명합니다. "투자 중단 시 AI 출처 가입이 몇 % 줄어들 것으로 보이는가"와 "GEO 1달러가 얼마의 증분 매출을 만드는가"가 핵심입니다.