Community연구 & 데이터 분석github.com

AI 검색 (Marqentic/ai-search)

사용자가 ChatGPT, Claude, Gemini, Perplexity, Copilot, Google AI Overviews 또는 AI Mode에서 브랜드가 언급되거나 인용되기를 원하거나, AI 검색에서 실제로 작동하는 것이 무엇인지 궁금해할 때 사용합니다. 각 엔진이 소스를 선택하는 방식, 중요한 크롤러, GPT-5.6 이후의 변화, 순위가 AI Overview 인용을 더 이상 예측하지 못하는 이유 등 모델이 학습 데이터에서 알 수 없는 날짜가 포함된 출처 기반 연구 결과를 제공하며, 실제 라이브 답변을 통해 이를 측정하는 방법을 안내합니다. 또한 GEO, AEO, LLM SEO, AI SEO, AI 가시성, AI 내 발언 점유율, llms.txt, AI용 스키마, GPTBot 차단, ChatGPT 추천 획득, AI 답변 내 잘못된 사실, Reddit 또는 리스티클 AI 인용, AI 검색 전략 등에 대해 문의할 때도 사용합니다. 기존 Google 순위는 seo 스킬로, 기술적 크롤링은 technical-seo 스킬로 안내합니다.

ai-search)란 무엇인가요?

이 스킬은 AI 기반 검색 엔진(ChatGPT, Claude, Gemini, Perplexity, Google AI Overviews, AI Mode)에서 브랜드가 어떻게 이름이 언급되고 인용되는지, 그리고 실제 증거(2026년 10월 기준)를 바탕으로 이를 착시 없이 측정하는 방법을 제공합니다. 대부분의 모델이 알고 있는 AI 검색 관련 지식은 2024년~2025년 초에 작성된 것으로, 현재는 일부 틀린 부분이 있습니다. 예를 들어, Google의 AI Overviews는 더 이상 순위를 밀접하게 따르지 않으며, ChatGPT는 2026년 8월부터 Reddit을 표시하지 않고 리스티클 인용을 절반으로 줄였습니다. 또한, 스키마나 llms.txt는 인용에 아무런 효과가 없는 것으로 테스트되었습니다. 따라서 이 스킬의 정보를 모델이 기억하는 정보보다 우선시하고, 클라이언트에게 인용하기 전에 6개월 이상 된 수치는 다시 확인해야 합니다. 이 스킬은 Manifold의 자체 2026년 측정 데이터(도구를 사용하여 수집)에 기반하며, 각 엔진이 서로 다른 인덱스와 크롤러를 사용한다는 점, 언급과 인용이 다른 결과라는 점, Google 순위가 AI Overview 인용을 예측하지 못한다는 점, GPT-5.6 이후 ChatGPT의 변화, 셀프 랭킹 리스티클이 Google에서 역효과를 낸다는 점, 답변의 불확실성, 사이트 접근성, 콘텐츠 신선도, 유료 배치의 존재 등 9가지 핵심 연구 결과를 제시합니다. 또한, 측정 도구(aeo_run_ai_answers 등) 사용법과 각 결과 해석 방법을 상세히 안내합니다.

지원 대상✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Marqentic/marketing-skills/tree/HEAD/skills/ai-search

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

원본 보기→모든 스킬 둘러보기

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

문서

AI 검색

AI 답변에서 브랜드가 이름이 언급되고 인용되는 방식(2026년 10월 기준 증거 기준)과 스스로를 속이지 않고 이를 측정하는 방법. 모델이 AI 검색에 대해 알고 있는 대부분의 정보는 2024년과 2025년 초에 작성된 것으로, 현재는 일부 틀린 부분이 있습니다. Google의 AI Overviews는 더 이상 순위를 밀접하게 따르지 않고, ChatGPT는 2026년 8월부터 Reddit을 표시하지 않고 리스티클 인용을 절반으로 줄였으며, 스키마와 llms.txt는 인용에 아무런 효과가 없는 것으로 테스트되었습니다. 모델이 기억하는 정보보다 여기에 쓰인 내용을 우선시하고, 클라이언트에게 인용하기 전에 6개월 이상 된 수치는 다시 확인하세요.

시작하기 전에

  • 제품 맥락. .agents/product-marketing.md (이전 설정에서는 .claude/product-marketing.md 또는 product-marketing-context.md)를 읽고 브랜드, 도메인, 카테고리, ICP, 경쟁사 및 구매자 질문을 추출하세요. 해당 파일에 없는 내용은 질문하여 확인하세요. 파일이 존재하지 않고 업무에 비즈니스에 대한 두 가지 이상의 답변이 필요한 경우, 먼저 manifold-get-started를 제안하세요.
  • 커넥터. 이 스킬의 지식은 도구가 필요하지 않습니다. 라이브 답변, 프롬프트 및 사이트 준비 상태 측정에는 MARqentic 서버가 필요합니다. aeo_run_ai_answers, aeo_search_prompts 및 aeo_get_site_readiness를 찾으세요(호스트는 종종 mcp__marqentic__과 같은 접두사를 추가합니다). 이러한 도구가 없어도 이 스킬의 지식을 바탕으로 답변하고 측정에 있는 수동 방법을 사용하며, 사용자에게 MARqentic 서버 연결 방법을 한 번 알려주세요(연결). 측정값을 절대 임의로 생성하지 마세요.
  • 측정 출처. "저희", "저희 실행", "저희 샘플" 및 현장 노트는 이 스킬이 적용되기 전에 Manifold가 자체 도구로 2026년에 수행한 측정값입니다(출처 표시). 이를 Manifold의 것으로 인용하고, 이 서버나 사용자 팀이 측정한 것처럼 제시하지 마세요.

증거가 말하는 것

의사 결정을 바꾸는 연구 결과. 출처와 자세한 내용은 참조 자료에 있습니다.

  1. 각 엔진은 별도의 채널입니다. ChatGPT, Claude, Gemini, Perplexity, AI Overviews 및 AI Mode는 서로 다른 크롤러를 통해 서로 다른 인덱스에서 정보를 검색합니다. AI Mode와 AI Overviews는 동일한 질의에 대해 인용된 URL의 약 14%만 공유합니다. 전체 합계를 내기 전에 엔진별로 계획, 측정 및 보고하세요 (엔진).
  2. 언급과 인용은 다른 결과입니다. 가장 많이 언급된 브랜드 중 절반 미만이 어떤 엔진에서든 가장 많이 인용된 도메인에 속합니다(Semrush, 2026). 언급은 브랜드가 다른 곳에서 얼마나 회자되는지에 따라 결정됩니다(브랜드 웹 언급은 도메인 평점보다 AI 가시성과 약 2배 강한 상관관계를 보입니다). 타사 소스가 일반적으로 가장 큰 레버리지입니다 (인용).
  3. Google 순위는 더 이상 AI Overview 인용을 예측하지 않습니다. 인용된 URL 중 약 38%만이 해당 질의에 대해 상위 10위 안에 랭크되며(Gemini 3 이전 76%에서 감소, Ahrefs, 2026년 1월), 31%는 100위 밖에 있습니다. 인용을 직접 측정하세요 (Google의 AI 답변).
  4. ChatGPT는 GPT-5.6(2026년 8월)과 함께 형태가 바뀌었습니다. 검색 시 이미 인지하고 있는 브랜드의 이름을 지정하고, 리스티클 인용 빈도는 약 절반으로 줄었으며, Reddit 스레드 표시를 중단했습니다(73%~95% 감소, ChatGPT만 해당). 카테고리와 이미 연관된 브랜드가 "최고의 X" 순위보다 더 중요해졌습니다. 이는 ChatGPT에만 해당됩니다. 저희 자체 실행에서 Claude와 Google의 인용은 여전히 대부분 리스트 페이지였으며, YouTube와 Reddit은 Google의 AI 답변에서만 나타났습니다.
  5. 셀프 랭킹 리스티클은 Google에서 역효과를 냅니다. AI Overviews가 공급업체 자체의 "최고의 X" 페이지를 인용할 때, 해당 페이지에서 1위로 랭크된 브랜드가 답변에서 제외되는 경우가 83%입니다(Lily Ray, 2026년 9월).
  6. 답변은 안정적인 핵심 주변의 복권과 같습니다. 동일한 프롬프트가 100번 중 1번 미만으로 동일한 브랜드 목록을 반환하지만, 핵심 세트는 대부분의 실행에서 나타납니다. 브랜드가 나타나는 빈도를 오차 범위와 함께 보고하고, 순위를 사실로 절대 제시하지 마세요 (측정).
  7. 접근성이 모든 것을 좌우하지만, 차단하는 것은 소수에 불과합니다. OAI-SearchBot을 차단하면 ChatGPT 검색에서 사이트가 제거됩니다. CDN 기본 설정으로 인해 답변 크롤러가 조용히 차단될 수 있습니다. JavaScript 전용 콘텐츠는 보이지 않습니다. 훈련 크롤러(GPTBot, ClaudeBot, Google-Extended)를 차단해도 인용에는 영향을 미치지 않습니다 (사이트 접근).
  8. 신선도는 게시가 아닌 업데이트로 얻습니다. 인용된 페이지의 약 3/4은 지난 1년 동안 업데이트되었지만, 절반 미만이 해당 기간 내에 게시되었습니다(Seer, 2026). 날짜만 변경하는 새로고침은 Google에서 위험합니다.
  9. 유료 배치가 이제 존재합니다. 광고는 ChatGPT(Free 및 Go 티어, 미국 2026년 2월 이후, 더 많은 시장 8월 이후) 및 Google의 AI Overviews와 AI Mode에서 게재됩니다. 두 회사 모두 광고가 답변에서 브랜드 이름을 변경한다고 말하지 않습니다. ChatGPT의 제품 선택은 주로 판매자 피드에서 비롯됩니다.

실제로는 유효하지 않음: "상위 10위 안에 들면 AI Overview에 포함된다", "ChatGPT는 그냥 Bing이다", "AI 순위를 추적한다", "인용을 위해 스키마나 FAQ 스키마를 추가한다" (통제된 테스트에서 상승 효과 없음), "llms.txt를 게시한다" (봇이 거의 요청하지 않음), "LLM을 위해 콘텐츠를 청크한다" (Google은 하지 말라고 함), "Reddit이 ChatGPT에 진입하는 방법이다" (2025년에는 사실, 2026년 8월 이후로는 아님), "30일 미만의 콘텐츠가 3.2배 더 많은 인용을 받는다" (1차 데이터 없음).

알 수 없음: 변경 사항이 답변에 나타나는 데 걸리는 시간; 통제된 연구가 없음. Claude와 Copilot은 가장 연구가 덜 된 엔진입니다.

참조 자료

질문에 필요한 것을 열어보세요.

사용자가 묻는 것읽을 내용
ChatGPT, Claude, Gemini 또는 Perplexity가 특정 사이트를 인용하는 이유는 무엇인가요? 어떤 크롤러가 어떤 엔진에 중요한가요?엔진
우리의 현재 상태는 어떤가요? 어떻게 추적하나요? 이 변화는 실제인가요, 아니면 노이즈인가요? 비용은 얼마인가요?측정
어떻게 이름이 언급될 수 있나요? 어떤 소스가 중요한가요? 리스트, Reddit, YouTube, 리뷰, Wikipedia?인용
AI 크롤러를 차단하고 있나요? llms.txt나 스키마가 도움이 되나요? 사이트를 읽을 수 있나요?사이트 접근
AI Overviews 또는 AI Mode에 표시되나요? 클릭 비용은 얼마인가요?Google의 AI 답변
엔진이 우리에 대해 잘못된 정보를 표시합니다.잘못된 답변
90일 AI 검색 계획을 원합니다.전략
Manifold가 자체 실행에서 무엇을 보았나요?현장 노트

도구 사용하기

아래 크레딧은 게시된 요금표를 따릅니다. dry_run: true는 실제 견적을 반환하며, 이 값이 차이가 있을 때 우선합니다. 연결에 구축되었다고 나열된 패밀리만이 이 서버에 존재합니다. 여기에 이름이 지정된 다른 도구에 대해서는 아직 구축되지 않았다고 말하고 수동 방법을 사용하세요.

  • 브랜드 현황: aeo_run_ai_answers - 최대 10개의 prompts, 사용자와 최대 9개 경쟁사를 brands에, 구매자가 사용하는 engines를 지정합니다. task_id를 반환하며, poll_after_s 이후 get_task로 읽습니다. 기본 5개 엔진 기준 프롬프트당 27크레딧, ai_mode 포함 시 29크레딧입니다. 답변은 캐시되지 않으며 30일 동안 보관됩니다. task_id를 재사용하세요. 각 행은 mentions[] (언급, 위치, 인용), citations[], search_queries[] (엔진의 확장 검색어, ChatGPT 및 Claude만 해당)를 제공합니다. named_brands[]는 ChatGPT가 태그한 브랜드 목록(ChatGPT만 해당)이며 일부를 놓칠 수 있습니다. 다른 엔진에서 사용자가 나열하지 않은 경쟁사를 찾으려면 답변 텍스트를 읽으세요.
  • 질문할 프롬프트: aeo_search_prompts - 사용자 도메인 또는 카테고리 키워드 기준(50행에 47크레딧), ChatGPT 및 AI Overviews만 포함하는 인덱스에서 가져옵니다. ai_search_volume은 People Also Ask 프록시이며, 실제 쿼리 로그가 아닙니다.
  • 엔진이 사이트를 읽을 수 있는지 여부: aeo_get_site_readiness, 무료입니다. 각 검사 항목의 tier는 사이트 접근의 증거를 인코딩합니다.
  • 키워드별 Google AI Overview: seo_get_serp - ai_overview: true 옵션 사용, 전체 답변 실행보다 저렴하며 유기적 결과도 함께 제공됩니다.
  • 데이터 올바르게 읽기: chatgpt와 gemini는 해당 소비자 앱이 사용자에게 보여주는 내용입니다. claude와 perplexity는 웹 검색이 활성화된 API이며, 앱과 다를 수 있습니다. Google 엔진에서 answer가 null이면 AI 답변이 표시되지 않았다는 의미이며, 손실을 의미하지 않습니다. null은 점유율 계산에서 제외하세요. 브랜드 프롬프트와 카테고리 프롬프트는 분리하여 보고하세요. 격차가 2개 이상의 셀에서 나타날 때만 조치를 취하세요.
  • 타사 페이지를 절대 게시, 전송 또는 편집하지 마세요. 사용자가 조치를 취할 수 있는 표를 제공하세요.

관련 스킬

  • 기존 Google 순위, 콘텐츠 및 Search Console: seo. 크롤링 오류, 색인 생성 및 마이그레이션: technical-seo.
  • 인용된 페이지 연락처 및 Google용 링크: link-building. 엔진이 인용하는 게시자에서의 획득 보도: digital-pr.
  • 참여할 Reddit 스레드: reddit. 비디오 측면: youtube 및 인용된 비디오 제작자: creators.
  • 경쟁사 및 그들의 포지셔닝: competitor-intel. ChatGPT 및 Google AI 답변 내 광고: paid-ads. 인지도 측정으로서의 AI 가시성: brand-monitoring.
  • AI 답변 내 지역 선택: local-seo. ChatGPT 및 Google 쇼핑 답변 내 제품 및 그 뒤의 피드: google-shopping. AI 답변 내 앱: app-store.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Marqentic/agency

When the user is an agency, freelancer or consultant working for clients, or wants one recurring report on their own marketing. Holds what a model would not know as of October 2026 (why clients really leave agencies and how agencies misread it, retention and pitch benchmarks with their methods, how AI changed agency pricing, how to report organic and AI search honestly now that AI Overviews cut clicks and Search Console mixes AI clicks into web search, why traffic estimates mislead in a pitch) and what each measurement costs. Also use when the user mentions onboard a new client, a kickoff baseline, a client's first 90 days, a prospect audit, a free SEO audit to win a client, a mini audit for cold outreach, pitch data for a deck, new business research, a monthly client report, a white-label report, a weekly marketing report, a Monday digest, or what changed this week. The channel work goes to its topic (seo, ai-search, paid-ads and others), mentions to brand-monitoring, rivals to competitor-intel.

Marqentic/amazon

When the user sells on Amazon or plans to, and asks how to rank, what a listing should say, what rivals charge, who holds the Buy Box, or how big demand is on Amazon. Holds dated, sourced findings a model lacks (the 75-character title cap and Item Highlights from July 2026, Rufus renamed Alexa for Shopping and picking products that do not rank, the Buy Box eligibility gate removed, reviews split across variations, 2026 fees, Amazon blocking ChatGPT) and how to read Amazon search volume and results data without overclaiming. Also use when the user mentions Amazon SEO, A9 or A10, Amazon keyword research, backend search terms, a listing audit, product titles, bullets or main image rules, an ASIN teardown, rival listings, resellers undercutting us, Vine, getting reviews, Sponsored Products, ACoS, Brand Analytics, an Amazon launch, or a 30-60-90 day Amazon plan. Google Shopping and feeds go to google-shopping, other ad platforms to paid-ads, review mining to voice-of-customer, market sizing to market-research.

Marqentic/app-store

When the user wants more installs from Apple's App Store or Google Play search, or research on apps in a category. Holds dated, sourced findings a model lacks (what each store indexes, App Store tags, custom product pages in search, AI review summaries, more Apple Ads slots since March 2026, conversion benchmarks, rating prompt rules, why store volumes are models) and how to read the store data. Also use when the user mentions ASO, app store optimization, App Store keywords, the keyword field, app title or subtitle, Play Store description, app screenshots or icon tests, product page optimization, store listing experiments, competitor apps, app reviews, replying to reviews, raising an app rating, top charts, Apple Search Ads and organic, apps in ChatGPT, finding app developers to contact, or an ASO plan. Web search goes to seo, AI answers in general to ai-search, rivals beyond the store to competitor-intel, review themes to voice-of-customer, ad budgets to paid-ads.

Marqentic/brand-monitoring

When the user wants to know who is talking about the brand, be alerted to new mentions, or measure how well known the brand is against competitors. Holds dated, sourced findings a model would not know from training (what share of search predicts, why branded volume misleads for small and common-word brands, what each platform lets anyone see in 2026, how fuzzy platform search is, how far to trust sentiment, lift without a panel) and how to run mention checks and awareness scorecards with live data. Also use when the user mentions alert me when someone mentions us, monitor Reddit for our brand, social listening, brand monitoring, mention alerts, track mentions every day, who talked about us this week, a brand awareness plan, nobody knows who we are, share of voice against competitors, share of search, grow branded search, brand lift, get our name out there, or getting the brand known. AI answers alone go to ai-search, rivals' moves to competitor-intel, client reporting to agency.

관련 스킬

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More 연구 & 데이터 분석 skills