Share of Model(SoM, 쉐어 오브 모델)은 챗GPT 같은 생성형 AI가 카테고리 질문에 답할 때 특정 브랜드를 경쟁사 대비 얼마나 자주, 얼마나 호의적으로 언급하는지 재는 지표다.
인시아드 경영대학원과 광고 그룹 젤리피시가 함께 쓴 글은 이 개념을 "브랜드가 AI 생성 답변에 얼마나 자주, 얼마나 두드러지게, 얼마나 호의적으로 등장하는지 측정하는 개념"으로 정의한다 (INSEAD Knowledge, Meet the Model).
이름은 젤리피시가 운영하는 동명의 분석 플랫폼 Share of Model™에서 나왔다 (Jellyfish, Share of Model). 상표가 붙은 제품명이자 업계가 공용으로 쓰기 시작한 지표 이름이다.
측정 대상이 사람이 아니라 모델이다. SOV는 사람이 보는 매체와 검색 결과에서 브랜드가 차지한 몫을 재고, Share of Model은 AI가 만든 답변 안에서 차지한 몫을 잰다.
| 항목 | SOV | Share of Model |
|---|---|---|
| 측정 장소 | 광고, 검색 결과, 소셜 | AI 답변 본문 |
| 세는 단위 | 노출, 언급, 순위 | 브랜드 언급률과 추천 맥락 |
| 결과의 성격 | 사람이 본 횟수 | 모델이 고른 횟수 |
| 조작 주체 | 매체 구매, 콘텐츠 순위 | 학습 데이터와 인용되는 문서 |
한 가지가 더 다르다. SOV는 돈을 더 쓰면 단기간에 올릴 수 있지만, Share of Model은 모델이 이미 학습했거나 지금 인용하는 문서에 좌우되므로 매체비로 즉시 밀어올리기 어렵다.
같은 브랜드라도 두 지표가 따로 논다. 광고를 많이 해서 SOV가 높은 브랜드가 AI 답변에서는 거의 언급되지 않는 경우가 흔하다.
추천을 구하는 자리가 옮겨가고 있어서다. 카프제미니가 12개국 소비자 1만 2천 명을 조사한 결과, 58%가 제품과 서비스 추천을 받을 때 기존 검색엔진을 생성형 AI 도구로 대체했다고 답했다 (Capgemini, What Matters to Today's Consumer 2025).
2023년의 25%에서 두 배 넘게 늘어난 수치다.
추천 경로가 바뀌면 측정 대상도 바뀐다. 소비자가 브랜드 이름을 알기도 전에 모델이 후보 목록을 좁혀버리기 때문이다.
여기서 노출과 방문은 다른 층위의 문제가 된다. Share of Model은 답변에 등장했는지를 재고, 그 답변에서 실제로 넘어온 사람은 AI 트래픽으로 따로 센다.
학습 데이터와 인용하는 출처가 모델마다 다르기 때문이다. 그래서 하나의 브랜드가 모델에 따라 전혀 다른 점유율을 갖는다.
인시아드와 젤리피시가 이탈리아 세제 시장 상위 브랜드를 6개 LLM에서 분석한 결과가 그 차이를 보여준다. 아리엘은 메타의 라마에서 언급의 24% 가까이를 차지했지만 구글 제미나이에서는 1% 미만이었다 (INSEAD Knowledge, Meet the Model).
반대 방향도 나온다. 같은 조사에서 샹트클레르는 퍼플렉시티에서 19%의 SOM을 얻었지만 라마에서는 완전히 사라졌다.
측정을 한 모델에서만 하면 안 되는 이유가 여기 있다. 한 모델의 숫자는 그 모델의 편향을 재는 것이지 시장을 재는 것이 아니다.
질문을 정하고, 여러 모델에 반복해서 묻고, 답변에 등장한 브랜드를 세는 방식이다. 순서는 넷이다.
인시아드 글은 이 방식을 언급률, 사람의 인지도와 AI 인지도의 격차 등 여러 갈래로 나눠 보는 분석으로 설명한다.
부정적 맥락의 언급을 점유율에 그대로 더하면 안 된다. 자주 불리는 것과 좋게 불리는 것은 다른 문제다.
모델이 인용하는 문서 쪽을 손대야 한다. 답변은 모델이 쓰지만 재료는 웹 문서와 학습 데이터에서 온다.
이 작업 전체가 GEO이고, Share of Model은 그 성과를 브랜드 관점에서 집계한 숫자다. 질문이 하위 질문으로 갈라지는 구조(쿼리 팬아웃)를 감안하면, 질문 세트를 넓게 잡을수록 측정과 개선이 함께 정확해진다.
서치폴라리스가 AI 검색 가시성을 진단하고 GEO 실행까지 대행합니다.