LLM 추천에서 브랜드 점유율과 경쟁 구도를 측정하는 새로운 지표 제안

한줄 요약

LLM 추천이 브랜드 경쟁 구도에 미치는 영향을 정량적으로 분석하기 위한 새로운 지표와 실증 분석 프레임워크를 제안한다.

풀어야 하는 문제

대규모 언어 모델이 소비자 구매 여정의 핵심 매개체로 부상하면서, AI가 생성하는 추천의 경쟁 구조는 브랜드에게 전략적 관심사가 되었다. 그러나 특정 카테고리에서 모델이 어떤 브랜드를 추천하는지, 그리고 그 점유율이 얼마나 집중되어 있는지에 대한 대규모 실증적 답변이 부족했다.

접근 방법

GPT-5.2, Google Gemini 3 Flash, Perplexity sonar-pro 등 3개 모델을 대상으로, 5개 산업의 250개 브랜드 무관 카테고리 쿼리를 각각 5회 반복하여 총 3,750개 응답을 수집했다. 수집된 데이터를 분석하기 위해 브랜드의 카테고리 내 언급 점유율을 측정하는 '카테고리 점유 지수(COI)', 단일 리더가 없는 카테고리를 포착하는 '경쟁 진공 지수(CVI)', 브랜드 쌍 간의 비대칭적 대체 관계를 정량화하는 '대체 점수(DS)' 등 세 가지 탐색적 지표를 제안했다.

결과·기여

분석 결과, 추천 집중도는 완만한 수준이었으며(지니 계수 평균 0.28), 강한 승자독식 내러티브와 긴장 관계에 있는 것으로 나타났다. 또한, 모델 간 최상위 추천 브랜드 일치율은 41.6%에 불과해 하나의 모델에서의 상위 위치가 다른 모델에서도 신뢰할 수 없음을 보여주었다. 본 연구는 AI 추천의 경쟁 분석을 위한 재현 가능한 절차와 후속 연구가 검증할 수 있는 후보 지표를 제공한다는 점에서 기여한다.