CASE STUDY — 나비랑
나비랑 — AI 답변 인용 개선 실험, 기준선을 재기 전에는 아무 숫자도 내지 않는다
한 문단 요약
나비랑은 AEO 서비스를 파는 회사인데 자기 사이트가 AI 답변에 잡히지 않았다. 고객 사례가 없어 자기 사이트를 실험 대상으로 삼았다. 질문 40개 × 답변엔진 7개 = 280셀을 기준선으로 먼저 재고, 사이트를 바꾼 뒤 같은 질문·같은 엔진·같은 세션 조건·같은 분모로 다시 재서 언급·인용·추천의 변화를 비교한다. 2026년 10월 현재 기준선 측정 결과는 공개 전이며, 그 전에는 어떤 개선 수치도 말하지 않는다.
기준선 측정 전 — 수치 없음
아직 없음
-
01프로젝트
나비랑 ↗ — AEO(답변엔진 최적화) 전문 사이트. 유환호의 역할: 기획 · 구축 · SEO · AEO·GEO · AI 답변 측정 설계.
-
02문제
AEO 회사가 AI 검색에 안 잡혔다. 무엇을 바꿔야 하는지, 바꾼 것이 효과가 있었는지를 말하려면 바꾸기 전 상태를 같은 조건으로 먼저 재 둬야 한다.
-
03기준선 (Baseline)
- 아직 공개하지 않았다. 280셀을 다 재기 전에는 0회차도 내지 않는다.
-
04측정 방법
- 질문 40개(개념 10 · 업체 탐색 10 · 브랜드 지정 8 · 지역 7 · 데이터 5) × 답변엔진 7개(ChatGPT · 구글 AI 개요 · Perplexity · Claude · 네이버 AI 검색 · Copilot · Gemini).
- 로그아웃 세션, 새 대화, 매주 같은 요일·시간대, 질문 문구 고정.
- 언급·인용·추천을 나눠 기록. 인용률 = 인용된 셀 ÷ 280 × 100.
-
05실행한 변경
- 기준선 측정 이후에 적용한 변경을 날짜와 함께 기록할 예정이다. 같은 기간에 한 사이트 개선 작업(제목 정체성 결속, 구어 검색어 연결, 미색인 페이지 수집 요청 등)은 각각 기록으로 남겼다.
-
06동일 조건 재측정
기준선과 같은 질문·같은 엔진·같은 세션 조건·같은 분모(280)로 매주 재측정한다.
-
07결과
- 아직 없음. 기준선이 공개되기 전에는 개선 수치를 말하지 않는다.
-
08한계
- 표본은 사이트 한 곳이고 통제된 실험이 아니다.
- 측정 대상이 AEO 서비스를 파는 회사의 사이트다(이해관계 고지).
- 같은 기간에 여러 변경이 겹치면 어느 변경의 효과인지 분리하기 어렵다.
-
09다음 실험
기준선 0회차 280셀을 완료해 공개하고, 이후 회차를 같은 조건으로 이어서 낸다.
-
10관련 원자료
