자연 답변은 돈으로 살 수 없는 부분입니다
OpenAI는 2026년 2월 9일 ChatGPT에서 광고 테스트를 시작했고, 8월 11일 업데이트 무렵 시범 운영은 영국, 멕시코, 브라질, 일본, 한국에 이르렀습니다. 광고는 스폰서로 표시되고 자연 답변과 분리되어 있으며, OpenAI 자신의 말로는 사용자에게 주는 답에 영향을 주지 않습니다.
그러니 추천은 팔지 않습니다. 그러면 모든 도전자가 이미 묻는 질문이 남습니다. 모델이 경쟁사는 들어 봤고 회원님은 못 들어 봤다면, 들어갈 길이 있을까요?
사양이 동일할 때 인지도 있는 브랜드는 시행 670회 모두에서 선택되었습니다
Trine University의 Xi Chu와 Texas A&M의 YuPeng Hou는 2026년 6월 제출하고 8월 수정한 논문에서 이를 측정했습니다. 스킨케어 제품 10개 세트를 만들었습니다. 실제 브랜드 하나(CeraVe, Paula's Choice, EltaMD 중 하나)와, 모델이 들어 본 적 없음을 확인한 가상 이름 아홉 개입니다.
첫 조건에서는 모든 제품의 평점, 가격, 리뷰 수, 성분 설명이 같았습니다. 이름만 달랐으므로 공정한 모델이라면 각각을 약 10%씩 고릅니다. 유효한 시행 670회에서 실제 브랜드가 모델 세 개, 하위 카테고리 네 개 모두에서 한 번도 빠짐없이 이겼습니다. 가상 브랜드는 단 한 번도 선택되지 않았습니다.
도전자에게 가장 암울한 해석이며, 가장 쓸모없는 해석이기도 합니다. 그것이 묘사하는 조건을 회원님이 실수로 재현하고 있을 가능성이 크기 때문입니다.
별점 0.075의 우위가 판을 뒤집고, 그러면 브랜드는 순위의 1.2%만 설명합니다
무명 제품에 더 나은 사양을, 실제 브랜드에 더 나쁜 사양을 주자 시행 2,769회에서 모델이 충성을 유지한 것은 1.7%~4.6%였습니다. 우위를 줄여 보면 전환은 경사가 아니라 계단입니다. 사양이 동일할 때 무명 브랜드는 3.6%~6.0%를 이겼습니다. 시험한 가장 작은 우위에서 64%~80%를 이겼고, 더 얹어도 얻는 것은 적었습니다. 시행 9,220회에 걸쳐 반반이 되는 지점으로 보간하면, 임계값은 적어 둘 수 있을 만큼 작습니다.
- 별점 0.075의 평점 우위. 4.3과 4.4 사이의 차이보다 작습니다
- 1.6배 많은 리뷰 수
- 7.3% 낮은 가격
인지도는 회원님이 아무 말도 하지 않을 때 모델이 기대는 것입니다
시행 14,395회에 대한 분산 분해가 무엇이 순위를 움직였는지 정리합니다. 제품 매개변수가 82.4%, 목록 위치가 6.5%, 브랜드 정체성이 1.2%를 설명했습니다. 품질이 분명히 높거나 분명히 낮을 때 브랜드는 측정 가능한 효과가 없었습니다. 영향력은 정보가 모호한 중간에서 정점에 달했습니다. 이는 합계가 아니라 엔진별로 물어야 합니다. 가장 작은 평점 우위에서 Claude는 11% 뒤집혔고, GPT-4o-mini는 94%, Gemini는 88%였습니다.
그들이 찾은 가장 강한 지렛대는 존재하지 않는 임상 주장이었습니다
모든 사양을 동일하게 두고 문구만 바꾸자, 권위 표현은 기존 브랜드의 우위를 73.3%, 사회적 증거는 50.7% 깼습니다. 기준선은 약 4%였습니다. 앵커링, 희소성, 손실 회피는 거의 효과가 없어 9.6%~12.9%였습니다. 모델은 긴급성을 무시했고, 인용처럼 생긴 문장을 평점 약 0.17점, 또는 15.3% 할인에 해당하는 증거로 취급했습니다.
요약에서 빠질 부분은 이것입니다. 그 자극은 지어낸 임상 시험과 가짜 피부과 전문의 추천이었습니다. 저자들은 그것을 잠재적 허위 광고라 부르며, 자신들의 권고를 실제 인증과 발표된 시험으로 한정합니다. 측정된 지렛대는 조작이며, 이는 전술이 아니라 모델의 증거 확인에 대한 발견입니다.
모든 브랜드가 최적화하면 답은 기존 브랜드로 돌아갑니다
세 번째 실험은 예산 짜는 방식을 바꿔야 합니다. 권위 문구를 쓰는 도전자를 0곳에서 아홉 곳 전부로 늘리며 4,800회 호출했습니다. 아무도 최적화하지 않으면 기존 브랜드가 100% 살아남았고, 도전자 한 곳이면 19.8%, 아홉 곳 모두면 93.8%였습니다. 모두가 지니자 신호는 더 이상 신호가 아니었고, 모델은 아는 이름으로 돌아갔습니다.
브랜드당 보상은 첫 이동자의 0.802에서 전원 채택 시 0.007로 줄었고, 반감기는 경쟁사 약 1.4곳이었습니다. 시행 4,745회에서 최적화하지 않은 도전자는 추천을 하나도 받지 못했습니다. 저자들은 이를 죄수의 딜레마라 부르며, 맞는 말입니다. 경쟁사가 오후 한나절에 베낄 수 있는 전술의 보상은 반감기가 경쟁사 약 한 곳입니다. 증명할 수 있는 실제 차이는 그렇지 않습니다.
실제 환경에서는 모델이 먼저 그 사실을 찾아야 합니다
위의 모든 조건은 Prompt 안에 깔끔한 사양 표를 건넵니다. 실제 엔진은 그것을 직접 조립하며, 실무 작업이 있는 곳이 바로 그 간극입니다. 저희가 샘플링한 카테고리에서 최고 추천 질문에 ChatGPT가 인용한 것의 44%는 목록형 글, 24%는 리뷰 사이트, 18%는 공급사 페이지였습니다. 저희 표본에 한정된 저희 수치이며, 일반 법칙이 아닙니다.
요점은 모양입니다. 회원님 카테고리 질문에 답하는 모음 글이 회원님을 평점도, 리뷰 수도, 회원님이 이기는 사양 하나도 없이 나열한다면, 모델 입장에서 회원님은 사양 동일 조건에 있는 것입니다. 비교에서 지는 것이 아닙니다. 비교에 들어가 있지도 않습니다.
- 카테고리 선두를 실제로 이기는 차원 하나를 찾고, 그것이 회원님 사이트만이 아니라 엔진이 인용하는 제3자 페이지에 숫자로 나오는지 확인하십시오.
- 경쟁사가 추천받은 답변을 모아 모델이 차이를 무엇이라고 말했는지 읽으십시오.
저희가 하는 일
Proofsource 서비스는 엔진을 한 번이 아니라 반복해서 샘플링하고, 모든 가시성 수치를 Wilson 구간으로 채점하며, 그 구간으로 알림을 거르고, 회원님 옆에 어떤 페이지가 인용되는지 매핑하고, 크롤러가 회원님 페이지를 읽을 수 있는지 확인합니다.
경계를 분명히 말하면 이렇습니다. 저희는 엔진이 회원님을 언급하는지, 언급할 때 무엇을 인용하는지, AI 크롤러와 AI 유입 트래픽이 회원님 사이트에 도달하는지를 측정합니다. 판매가 이루어졌는지는 측정하지 않습니다.
이 분석이 틀릴 수 있는 부분
카테고리는 스킨케어 하나이며, 구매자가 구매 전에 품질을 판단할 수 없어서 골랐습니다. 탐색재 재현은 첫 실험만 다루며, 저자들은 표현이나 다중 브랜드 결과를 그 밖에서 시험하지 않았다고 말합니다. 폐쇄형 모델 세 개, 구매자 페르소나 하나, 온도 0.7이며, 주요 효과는 24개 블록에 대한 군집 부트스트랩을 견딥니다.
모든 세트의 제품 10개 중 9개는 가상이었습니다. 이는 브랜드 인지도를 깔끔하게 분리하지만, 실제 경쟁사가 가진 모든 것을 없앱니다. 실제 리뷰, 제3자 보도, 모델이 가져올 수 있는 페이지입니다. 100%는 실제 시장이 아닙니다.
이 연구 대부분은 모델이 가져오는 것이 아니라 아는 것을 시험하며, 구매자가 쓰는 엔진은 검색 시스템입니다. 논문 자체의 검색 실험은 임베딩 모델 하나에 재순위도 없는 최소한의 것이며, 저자들은 이를 일반화하지 않습니다. 그것은 반대 방향을 가리킵니다. 검색 계층은 실제 브랜드에 알려져 있다는 점수를 주지 않았고, 추천률은 0%로 떨어졌습니다.
저희의 44%는 저희 표본에 대한 단일 측정이며, 웹의 속성이 아니라 저희 것으로 공개합니다.
