GA4는 거짓말하지 않는다. 다만 AI 앞에선 눈이 멀 뿐이다

시나리오 하나. 어떤 유저가 ChatGPT에 “프로젝트 관리 도구 좀 비교해줘”라고 묻는다. 답변에는 브랜드 몇 개가 정리되어 나오고, 그중 하나가 내 브랜드다. 유저는 그걸 보고 마음이 기운다. 곧바로 구글에서 내 브랜드 이름을 검색하고, 상단 오가닉 결과를 클릭해 가입까지 한다.

GA4가 이 전환을 기록할 때, 누구에게 크레딧을 줄까? 오가닉 검색 클릭이다. 결정을 만든 건 ChatGPT인데, 그 AI 상호작용은 어떤 로그에도 남지 않았다. 유저는 AI 플랫폼 안에서 아무것도 클릭하지 않았기 때문이다.

Semrush의 Chris Hanna가 이 주제의 기사에서 정확히 짚은 지점이 있다. “Your analytics aren’t lying. They just can’t see the AI tools shaping the decision.” — 분석은 거짓말하지 않는다. 그냥 결정을 만드는 AI 도구를 볼 수 없을 뿐. 이 글에서는 그 “어트리뷰션 갭”이 왜 생겼고, 3계층 측정 프레임워크로 어떻게 닫는지, 그리고 실제 워크플로에 도입하는 90일 플랜까지 정리한다.

어트리뷰션 갭: 정의와 두 가지 출현 형태

어트리뷰션 갭은 고객의 결정에 실제로 영향을 준 것과, 분석 플랫폼이 기록할 수 있는 것 사이의 차이다. 이론이 아니라 지금 우리 분석 대시보드에서 매일 벌어지고 있는 일이다. 이 갭은 실무에서 두 가지 모습으로 나타난다.

  • 보이지 않는 영향(Invisible influence): 내 브랜드가 AI 답변에 노출된다. 유저는 그 답변을 읽고 의견을 형성하지만, 사이트로는 클릭이 전혀 없다. 결정을 형성했지만 아무 기록도 남기지 않는다.
  • 에이전틱 서치(Agentic search): AI 에이전트가 인간 대신 SaaS 구독을 사거나 장바구니에 제품을 담는다. 내 사이트에는 인간이 방문한 적조차 없다. 전환은 보이지만, 그 세션이 어디서 왔고 무엇이 영향을 줬는지 정보가 전혀 없다.

이 둘이 합쳐지면 하나의 성장하는 카테고리가 만들어진다. 바로 “다크 트래픽” — 진짜 출처를 알 수 없는 방문과 전환. 규모가 어느 정도냐면, ChannelEngine의 시장 조사에 따르면 마켓플레이스 소비자의 58%가 제품을 알아보기 위해 AI 도구를 쓴다. 이 소비자들과 관련된 거래가 어디에 귀속될지는 대체로 부정확하다.

어트리뷰션은 원래 어려웠다. 그런데 지금은 문제가 다르다

마케팅 어트리뷰션은 전통적으로 어려운 문제였다. 사람들은 큰 구매를 결정할 때 친구에게 묻고, 유튜브 리뷰를 보며, 레딧에서 솔직한 후기를 찾는다. 옥외광고나 팟캐스트 광고도 본다. 이 터치포인트들은 어느 것도 분석에 깔끔하게 잡히지 않는다. last-click 모델은 중간 단계들의 영향력을 통째로 무시했고, GA4 같은 플랫폼은 data-driven 모델로 그나마 보완해왔다.

그래서 새로워진 게 뭔가? AI 검색이 만드는 건 “불완전한 기록”이 아니라 “기록이 아예 없는 영향 카테고리”라는 점이다. 완벽한 어트리뷰션은 역사상 한 번도 없었다. 하지만 흠집 난 기록이라도 남던 시대와, 기록 자체가 성립하지 않는 시대는 근본적으로 다르다. AI가 결정을 만들었지만 사이트에 흔적 하나 남기지 않는 순간들 — 이건 기존 도구를 아무리 정교하게 돌려도 잡히지 않는다.

에이전틱 서치가 퍼널을 깨는 두 가지 방식

에이전틱 AI 검색은 어트리뷰션을 두 갈래로 깨뜨린다. 쿼리 팬아웃(Query fan-out)과 에이전틱 커머스(Agentic commerce)다.

쿼리 팬아웃은 AI 시스템이 하나의 유저 프롬프트를 여러 개의 관련 sub-query로 분할해, 여러 소스에서 정보를 모아 하나의 종합 답변을 만드는 과정이다. 한 프롬프트에 여러 페이지가 기여하고, 유저는 그중 하나만 방문하거나 아무것도 방문하지 않는다. 기여한 나머지 페이지들은 AI가 말하는 내용과, 결과적으로 유저의 생각에 모두 영향을 주지만, 트래픽도 세션도 어트리뷰션도 받지 못한다.

가령 ChatGPT가 내 브랜드 제품에 대한 질문을 받으면, 쿼리 팬아웃으로 내 사이트의 여러 페이지를 소스로 가져올 수 있다. 그런데 유저는 사이트를 직접 방문해 구매를 완료한다. 분석에는 “다이렉트 전환” 또는 기껏해야 “ChatGPT 리퍼럴” 하나. 어느 페이지가 그 행동에 영향을 줬는지는 전혀 보이지 않는다.

에이전틱 커머스는 더 극단적이다. AI 에이전트가 유저를 대신해 탐색하고, 비교하고, 어떤 경우엔 구매까지 완료한다. 브랜드는 사이트 방문조차 받지 못한다. ACP, MCP, A2A 같은 에이전틱 프로토콜이 무르익고 있고, 이들이 성숙해지면 에이전틱 커머스는 브랜드의 주요 매출원이 될 것이다. 그 시점에 어트리뷰션 갭은 문제가 아니라 존재 자체가 된다.

3계층 프레임워크: 갭을 닫는 측정 구조

에이전틱 어트리뷰션 갭은 단일 지표나 단일 도구로는 닫을 수 없다. 갭이 구매 퍼널의 여러 단계에 걸쳐 있기 때문에, 각 단계의 신호를 따로 추적해야 한다. 아래 프레임워크는 AI 영향의 가장 초기 단계(내 콘텐츠가 아예 발견 가능한가)부터 실제 비즈니스 성과(AI 가시성이 전환으로 이어지는가)까지 이동한다. 각 계층의 지표는 방향성 신호(directional)지 확정적이지 않으므로, 계층 간 움직임을 교차 확인하는 방식으로 읽어야 한다.

Tier 1 — 발견 가능한가 (Eligible to be found)

AI 답변에 등장하기 전에, AI 시스템이 내 콘텐츠를 찾을 수 있어야 한다. 확인할 것:

  • AI 크롤러 접근: GPTBot, ClaudeBot, PerplexityBot이 내 사이트를 접근하고 있는가
  • 구조화: 콘텐츠가 추출·인용될 수 있을 만큼 명확하게 구조화되어 있는가
  • 인덱싱: 핵심 페이지가 AI 도구가 의존하는 소스(구글, 빙)에 인덱싱되어 있는가

이 신호들은 어트리뷰션을 위한 “기본 조건”이다. 이게 없으면 뒤의 계층이 아무 의미가 없다.

Tier 2 — 실제로 등장하는가 (Actually appearing)

타겟 쿼리에서 내 브랜드가 얼마나, 어느 플랫폼에서, 경쟁사와 비교해 어떻게 등장하는가. 여기에 세 가지 지표가 있다.

AI 셰어 오브 보이스(Share of Voice): 타겟 쿼리에 대한 AI 답변 중 내 브랜드가 포함된 비율. 이게 오르면 브랜드가 업계 관련 AI 답변에 더 자주 등장한다는 뜻이다. 다이렉트 트래픽·전환과 함께 움직이는지 지켜봐라. 같이 움직이면 AI 가시성이 실제 실적에 영향을 준다는 합리적 증거가 된다.

멘션(Mention)과 시테이션(Citation)의 구분: 멘션은 AI 답변에 브랜드가 언급된 것, 시테이션은 특정 페이지로 연결되는 링크가 포함된 것이다. 모든 멘션에 시테이션이 있지는 않다. 그리고 시테이션만 추적하면, 링크 없이 브랜드를 추천·설명한 대부분의 멘션을 놓친다. 반대로 자주 인용되는 페이지는 갱신·확장하고, 고가치인데 인용되지 않는 페이지는 AI가 추출하기 쉽게 재구조화하라. 인용되는 “특정 페이지”를 아는 게 콘텐츠 결정의 재료가 된다.

브랜드 센티먼트: AI가 내 브랜드를 어떻게 서술하는가. “소규모 팀엔 좋지만 엔터프라이즈엔 부족하다” 같은 프레이밍은 유저가 사이트에 도달하기 전에 구매자를 돌려보낸다. SoV가 오르는데 전환이 안 오르면 센티먼트를 교차 분석하라. 이 기사가 든 예시가 강렬하다. 미스토박스(Mistobox)는 블루보틀보다 SoV가 높은데 센티먼트 점수는 훨씬 낮았다. “AI 리퍼럴이 늘었는데 전환이 안 늘어나는” 브랜드라면, 그 원인이 여기 있을 수 있다. 빈도 높은 중립적 멘션보다, 몇 개의 강한 긍정 멘션이 전환을 더 많이 만든다.

Tier 3 — 비즈니스 성과로 이어지는가 (Driving outcomes)

Tier 3는 AI 가시성을 비즈니스 목표와 연결한다. 여기 지표들은 엄밀한 어트리뷰션이라기보다 대리 신호(proxy)지만, 이 시점부터 실제로 갭이 닫히기 시작한다.

  • 브랜드 검색량: AI 답변에서 브랜드를 접한 유저가 시테이션을 클릭하지 않고 새 탭에서 브랜드명을 검색하는 경우가 많다. Google Search Console에서 브랜드 쿼리를 필터링해 추적하라. 구글은 2025년 11월에 “브랜드 쿼리(Branded queries)” 필터를 발표했고, 2026년 3월 11일 자격을 갖춘 모든 속성에 배포했다. AI 멘션이 늘 때 브랜드 검색도 함께 오르면, AI 가시성이 인지·관심을 만들고 있다는 방향성 신호다.
  • 다이렉트 트래픽 추세: 다이렉트에는 진짜 출처를 알 수 없는 방문이 포함된다. AI가 광범위하게 쓰이기 시작한 2023년 초 이전과 비교해보라. 유료·이메일 등 알려진 드라이버의 증가 없이 다이렉트가 자랐다면, AI 영향이 가장 유력한 설명이다. 정밀 측정은 아니지만 그림의 큰 조각은 맞춰준다.
  • GA4 AI 리퍼럴 트래픽: 현재 AI 트래픽에 대한 가장 직접적인 측정 수단. 리퍼럴 데이터를 넘기는 AI 플랫폼 방문을 잡아내라.
  • 자가 보고 어트리뷰션(Self-reported attribution): 유저에게 직접 묻는 것. “처음에 저희를 어떻게 알게 되셨나요?”라는 선택형 질문 하나를 리드 폼, 체크아웃, 구매 후 설문에 추가한다. 옵션에는 기존 채널과 함께 ChatGPT, Perplexity, Google AI를 넣는다. 응답률은 낮고 기억은 부정확하지만, 다른 모든 신호가 놓치는 AI 발견 채널을 포착하는 유일한 방법이다. 단, 구매 여정의 마찰을 만들지 마라. 체크아웃의 필수 질문은 전환을 깎을 수 있다.

GA4에서 AI 리퍼럴을 잡는 필터는 이렇게 만든다. “보고서 → 획득 → 트래픽 획득”에서 필터를 추가하고, 차원을 “세션 소스/매체”로, 매치 타입을 “정규식 일치”로 설정한 뒤 아래 값을 넣는다.

.*(chatgpt.com|chat.openai.com|openai.com|perplexity.ai|claude.ai|gemini.google.com|bard.google.com|copilot.microsoft.com|deepseek.com|mistral.ai|grok.com|x.ai|you.com|search.brave.com).*

이 필터는 리퍼럴 데이터를 넘기는 주요 AI 플랫폼을 잡아낸다. 단, ChatGPT Atlas처럼 리퍼럴을 가리고 다이렉트로 잡히는 플랫폼도 있어서, 이 필터가 전부가 아님을 기억해야 한다. 그래서 다이렉트 트래픽 추세가 대리 신호로 필요한 것이다.

90일 플랜: 갭을 닫는 실행 순서

프레임워크가 지표를 준다면, 플랜은 순서를 준다. 한 번에 다 하려 하지 말고 이렇게 밀어붙여라.

1-30일 — 베이스라인을 세운다: GA4에 AI 리퍼럴 regex 필터를 설치하고 다이렉트·AI 리퍼럴의 90일 베이스라인을 뽑는다. GSC에서 브랜드 검색 베이스라인을 뽑는다(자격이 되면 Branded queries 필터 사용). SoV·멘션·센티먼트 도구를 연결해 최소 2주간 데이터를 쌓는다. 폼 하나(마찰이 가장 낮은 구매 후 설문부터)에 “처음 어떻게 알게 됐나요?” 질문을 추가한다.

31-60일 — 패턴을 찾는다: 다이렉트와 AI 리퍼럴 트래픽을 랜딩페이지·기기·전환율로 세그먼트한다. 설명되지 않는 다이렉트 스파이크가 있는 페이지가 AI 영향의 일순위 후보다. “인용된 페이지(cited pages)”와 트래픽·전환 데이터를 교차한다. 인용되는 페이지가 다이렉트 성장까지 동반하면 패턴을 찾은 것이다. SoV와 센티먼트를 비교한다 — 높은 SoV에 낮은 센티먼트는, 낮은 SoV에 높은 센티먼트와 해결책이 다른 문제다.

61-90일 — 리포팅을 리프레이밍한다: 패턴 데이터는 결정을 바꿔야 의미가 있다. 오가닉 트래픽이 내리고 있는데 매출은 유지되고 있다고 하자. 오가닉만 보고하면 리더십에겐 “문제”로 보인다. 하지만 브랜드 검색 성장, 다이렉트 전환율 개선, AI SoV 상승을 함께 보고하면, AI 최적화가 일하고 있다는 그림이 나온다. 네 신호(오가닉, 브랜드 검색, 다이렉트 전환율, AI SoV)를 한 대시보드에 올리고 스토리를 명시하라. “뭐가 자라나고, 왜 자라나고, 오가닉만 봤다면 뭘 놓쳤을까.” 그게 분석에서가 아니라 조직 내부에서 어트리뷰션 갭을 닫는 방식이다.

플레이북을 쓰는 쪽이 되라

이 기사가 끝맺음으로 꽂는 문장이 있다. “다음 12개월 안에 AI 검색 어트리뷰션을 푸는 브랜드가, 나머지 업계가 복사할 플레이북을 쓴다.” 미루는 브랜드는 앞으로 2년간 리더십에게 “오가닉 숫자를 깎고 있는 블랙박스”를 설명하느라 보낼 것이다. 멀티터치 어트리뷰션의 초기도 그랬다. 불완전하고 진화 중이지만, 측정 습관을 일찍 만든 사람들이 예산이 따라왔을 때 조직의 투자 방향을 설계했다.

이번 주에 딱 세 가지만 시작하라. GA4에 AI 리퍼럴 regex 필터를 붙이고, GSC에서 브랜드 쿼리 필터를 켜고, 폼 하나에 “처음 어떻게 알게 됐나요?” 질문을 추가하는 것. 90일이면 내 분석이 AI 앞에서 눈을 뜬다. 그리고 그 눈으로 본 숫자는 — 지금까지 봐온 어떤 지표보다 먼저, AI가 만든 매출을 보여줄 것이다.

근거 출처

외부 정보(하베스터 수집) — 이 글의 핵심 개념과 사실은 Semrush 블로그의 Chris Hanna, “Attribution gap in agentic search: how to close it”(2026-05-05)을 바탕으로 했다. 어트리뷰션 갭 정의, invisible influence와 agentic search, 다크 트래픽, 쿼리 팬아웃, 에이전틱 커머스(ACP·MCP·A2A 프로토콜), 3계층 측정 프레임워크, GA4 AI 리퍼럴 regex 필터, Google Search Console 브랜디드 쿼리 필터 일정(2025-11 발표, 2026-03-11 배포), 90일 플랜은 모두 해당 기사에서 가져왔다. 기사가 인용한 ChannelEngine 마켓플레이스 쇼핑 행동 보고서의 “소비자 58% AI 상품 리서치” 통계, OpenAI 에이전틱 커머스 예시, Mistobox·블루보틀 센티먼트 사례 역시 같은 원천이다. 참고: ChannelEngine Marketplace Shopping Behavior 보고서, Google Search Console 공식 블로그(2025-11 브랜디드 쿼리 필터 발표).

상호작용(에이전트-드루 대화·작업) — 이 글의 분석적 구성과 “플레이북을 쓰는 쪽이 되라”는 판단의 강조는, AI 가시성·리퍼럴 추적을 운영 중인 이 블로그(humanerd.kr)의 콘텐츠 파이프라인에서 하베스터가 수집한 이 기사를 큐레이션하고 검토하는 과정에서 나온 것이다. 외부 통계나 도구 성능 주장은 상단의 외부 정보 출처에 근거한다.