--- static_export_time: "2026-10-07T01:28:56+00:00" title: "AI 검색 엔진이 앱을 추천할 때 인용하는 출처" description: "AppTweak은 125,000건 이상의 ChatGPT 앱 추천을 분석했습니다. AI가 가장 많이 인용하는 출처를 확인하십시오: 앱 스토어 리스팅(47.5%), 오픈 웹 등." url: "/ko/aso-blog/which-sources-do-ai-search-engines-cite-when-recommending-mobile-apps" locale: "ko-KR" image: "https://www.apptweak.com/img/2026/09/1200x1200_social.png?auto=formatcompress" --- # AI 검색 엔진이 앱을 추천할 때 인용하는 출처 ![Pierre-Antoine Roy](/img/2026/04/squaredapptweakprofilepicture.png?auto=format%2Ccompress&w=200&h=200&fit=crop)에 의한  **Pierre-Antoine Roy** Content Specialist 2026년 9월 30일 — 2 분이면 완독 가능 AI로 요약 월간 뉴스레터 구독하기 월간 뉴스레터 구독하기 앱 스토어 리스팅은 AI 검색 엔진이 앱을 추천할 때 가장 많이 인용하는 출처이며, 오픈 웹보다 앞섭니다. **정확한 비율은 앱 카테고리에 따라 다르며** **모델이 변경됨에 따라 변동합니다**. AppTweak이 2026년 5월 미국 시장에서 125,000건 이상의 ChatGPT 추천 응답을 분석한 결과, **앱 스토어 리스팅** (App Store와 Google Play 합산)이 **인용 출처의 47.5%** 를 차지했으며, **오픈 웹** 은 **27%** 를 차지했습니다. 22.6%의 경우 ChatGPT는 출처를 인용하지 않고 모델 내부에 이미 존재하는 지식에서 추천했습니다. AppTweak AI Visibility는 현재 ChatGPT를 추적하므로, 이 글의 모든 수치는 ChatGPT를 대상으로 합니다. 앱 발견은 AI 어시스턴트로 이동하고 있으며, 이는 [AI 검색 및 앱 발견](/ko/aso-blog/ai-app-discovery-llm-search)으로의 광범위한 전환의 일부입니다. ChatGPT가 어떤 출처에서 정보를 가져오는지 아는 것은 귀하의 노력이 추천을 변화시킬 수 있는 지점을 보여줍니다. 이 글에서는 전체 출처 유형 분포, 순위 위치에 따른 인용 행동 변화, 카테고리 및 앱 대 게임 간 차이, 출처를 인용 가능하게 만드는 요소, 그리고 우선적으로 투자해야 할 곳을 분석합니다. ## 핵심 요약 - 2026년 5월 기준, 앱 스토어 리스팅은 ChatGPT가 앱을 추천할 때 가장 많이 인용하는 출처로 인용의 47.5%를 차지하며, 오픈 웹은 27%로 그 뒤를 따릅니다 - ChatGPT는 앱 추천의 22.6%에서 출처를 인용하지 않으며, 인용된 출처는 상위 위치에서 80~85%에서 8위까지 25% 미만으로 감소합니다 - 게임은 앱보다 스토어 리스팅과 커뮤니티 출처에 더 많이 의존하며, Reddit 및 Wikipedia 인용이 약 5배 더 많습니다 - 인용 출처는 카테고리별로 크게 다릅니다: 앱 스토어 리스팅은 날씨 앱 추천의 65.8%를 차지하지만 음식 & 음료는 29.3%에 불과하며, 교육은 출처 없음 비율이 29.1%로 가장 높습니다 - 가장 큰 두 가지 인용 표면인 앱 스토어 리스팅과 자체 웹은 마케터가 이미 제어하는 것이므로, 스토어 긴 설명이 가장 효과적인 첫 번째 조치입니다 ## ChatGPT는 앱에 대해 어떤 출처를 가장 많이 인용합니까? AppTweak의 2026년 5월 분석에 따르면, **ChatGPT는 앱을 추천할 때 다른 어떤 출처보다 앱 스토어 리스팅을 더 많이 인용합니다**. 스토어 리스팅은 AI 가시성을 위한 가장 효과적인 단일 표면입니다. 가장 많이 인용되는 출처이면서 동시에 귀하가 이미 제어하는 것이기 때문입니다. 오픈 웹은 두 번째로 큰 표면이며, 많은 팀에게 있어 자체 도메인의 페이지를 포함하므로 생각보다 직접적인 레버입니다. 다음은 ChatGPT가 앱 추천 전반에 걸쳐 인용하는 내용의 전체 분석입니다. AI 인용 행동은 변할 수 있으므로 이 수치를 방향성으로 취급하십시오. | **출처 유형** | **ChatGPT 인용 비율(앱)** | **설명** | | 앱 스토어 리스팅(전체) | 47.5% | App Store와 Google Play 리스팅 페이지 합산 | | App Store(Apple) | 37.6% | 가장 많이 인용되는 단일 출처 | | Google Play | 9.6% | Android 리스팅 페이지 | | 오픈 웹 | 27% | 브랜드 소유 지원 및 제품 페이지, 앱 애그리게이터 사이트 포함 | | 출처 인용 없음 | 22.6% | 실시간 검색이 아닌 모델의 학습 지식에서 도출 | **App Store만으로 인용의 37.6%** 를 차지하여, 큰 차이로 가장 많이 인용되는 개별 출처입니다. 그리고 **오픈 웹의 27%** 는 대부분 대응 가능합니다: 자체 도메인의 명확한 제품 페이지와 지원 콘텐츠가 해당 비율에 직접 기여합니다. 여기서 오픈 웹은 귀하의 사이트만이 아니라 앱 애그리게이터 및 리뷰 사이트도 포함하므로, 그 27% 중 일부는 귀하가 완전히 소유하기보다는 영향을 미치는 콘텐츠입니다. 스토어 리스팅과 자체 웹을 합치면 ChatGPT가 인용하는 것의 거의 4분의 3을 차지하며, 둘 다 마케터가 이미 관리하는 표면입니다. **ChatGPT가 출처를 인용하지 않는 22.6%** 는 무작위가 아닙니다: 이러한 추천은 오늘 검색된 단일 페이지가 아니라 시간 경과에 따른 포지셔닝의 일관성에 의해 상류에서 형성됩니다. 다음 섹션에서는 앱 순위가 낮아질수록 해당 비율이 증가하는 이유를 다룹니다. 분석 자체보다 이 수치 뒤의 논리를 원하신다면, [AI 검색 엔진이 어떤 앱을 추천할지 결정하는 방법](/ko/aso-blog/how-ai-engines-decide-which-app-to-recommend)에 대한 설명이 동일한 데이터셋에서 작성되었습니다. ## 출처 인용은 추천 위치에 따라 변합니까? 예. AppTweak의 연구에 따르면, ChatGPT 추천에서 앱의 순위가 높을수록 모델이 인용 출처로 뒷받침할 가능성이 높습니다. ChatGPT는 **1위에서 4위까지의 앱에 대해 80%~85%의 경우 출처를 인용** 하고, **5위에서는 약 68%** , **7위까지는 50% 미만** , **8위까지는 25% 미만** 입니다. 낮은 순위의 추천은 검색된 출처보다 모델의 학습 지식에 훨씬 더 많이 의존합니다. 이것이 ChatGPT가 때때로 아무것도 인용하지 않고 앱을 추천하는 이유입니다. “출처 인용 없음” 추천은 **학습 메모리 기반 추천** 입니다: 모델이 현재 검색한 페이지가 아니라 학습 중에 배운 것에서 앱을 표면화합니다. 이는 영향을 미치기가 더 느리지만, 해결책은 다른 모든 곳에서 도움이 되는 것과 동일합니다. 즉, 신뢰할 수 있는 표면 전반에 걸쳐 명확하고 일관된 포지셔닝을 유지하여 모델이 연관성을 학습하도록 하는 것입니다. 여기에 도전자 앱을 위한 기회가 있습니다. **7위에 있는 약한 출처의 앱은 3위에 있는 강한 출처의 앱보다 대체하기 쉽습니다**. 상위 순위 추천은 이를 강화하는 인용에 고정되어 있기 때문입니다. 경쟁 앱이 뒷받침하는 출처 없이 낮은 슬롯을 차지하고 있다면, 그 위치는 경쟁 가능합니다. ## 인용 출처는 앱과 게임 간에 어떻게 다릅니까? 게임은 앱보다 스토어 리스팅과 커뮤니티 및 에디토리얼 출처에 훨씬 더 많이 의존합니다. 스토어 비율이 증가하고 보조 출처의 혼합이 플레이어가 모이는 장소로 이동합니다. | **출처** | **앱** | **게임** | | App Store(Apple) | 37.6% | 42.6% | | Google Play | 9.6% | 16.0% | 패턴은 명확합니다: **두 스토어 모두 게임에 대해 더 많이 인용됩니다**. App Store는 앱의 37.6%에서 게임의 42.6%로 증가하고, Google Play는 앱의 9.6%에서 게임의 16.0%로 상승하여 앱 비율을 훨씬 초과합니다. 스토어를 넘어, 게임은 앱보다 **Reddit 인용이 약 5배, Wikipedia 인용이 약 5배 더 많습니다**. 이유는 구조적입니다. 게임은 앱보다 자체 웹 콘텐츠가 얇은 경향이 있으므로, ChatGPT가 출처를 찾을 때 스토어 리스팅, 게임 언론 및 팬 커뮤니티로 돌아갑니다. 게임의 경우, 이는 커뮤니티 및 에디토리얼 존재를 있으면 좋은 것이 아니라 실제 인용 레버로 만듭니다. 게임을 담당하신다면, [게임을 위한 AI 가시성](/ko/aso-blog/ai-visibility-for-games-is-your-mobile-game-recommended-in-chatgpt) 분석이 이에 대해 더 깊이 다룹니다. #### 앱을 위한 AI 가시성 플레이북 ASO, SEO/AEO, 커뮤니티의 세 가지 주요 영역에서 앱의 AI 가시성을 높이는 데 도움이 되는 전략적 프레임워크를 얻으십시오. [지금 다운로드](/en/aso-resources/guides/ai-visibility-playbook-apps-and-games) ## AI가 인용하는 출처는 앱 카테고리에 따라 변합니까? 예, 상당히 그렇습니다. 앱 스토어 리스팅에서 나오는 인용 비율은 카테고리 전반에 걸쳐 거의 절반으로 줄어들며, **날씨 앱의 65.8%에서 음식 & 음료 앱의 29.3%로 감소합니다**. AI 가시성에 가장 중요한 표면은 앱이 무엇을 하는지에 따라 달라지므로, 카테고리 전반에 걸쳐 적용되는 단일 플레이북은 대부분의 앱이 잘못된 것을 최적화하게 만듭니다. 다음은 ChatGPT의 인용 혼합이 앱 카테고리 전반에 걸쳐 어떻게 변화하는지입니다. | **앱 카테고리** | **앱 스토어 리스팅** | **기타 웹 출처** | **출처 인용 없음** | | 날씨 | 65.8% | 18.2% | 9.8% | | 커머스 & 쇼핑 | 50.5% | 28.6% | 17.5% | | 의료 | 45.5% | 30.4% | 18.6% | | 교육 | 43.2% | 22.6% | 29.1% | | 생산성 & 도구 | 39.7% | 23.7% | 24.7% | | 주택, 홈 & 부동산 | 34.9% | 31.3% | 25.5% | | 금융 | 31.9% | 44.3% | 18.4% | | 음식 & 음료 | 29.3% | 45.7% | 22.3% |   스토어 리스팅과 기타 웹 출처가 각 카테고리 인용의 대부분을 차지하며, 나머지는 더 작은 공식, 에디토리얼, 참조 및 커뮤니티 출처와 ChatGPT가 전혀 인용하지 않는 답변으로 나뉩니다. 수치는 ChatGPT 전용이며, AppTweak의 2026년 5월 미국 시장 분석에서 도출되었습니다. AI 인용 행동은 시간이 지남에 따라 변하므로, 이를 고정된 규칙이 아닌 스냅샷으로 취급하십시오. 세 가지 패턴은 조치를 취할 가치가 있습니다. **날씨 및 커머스 & 쇼핑 앱은 가장 스토어 중심적** 이며, 추천의 절반 이상이 스토어 리스팅을 인용하므로 해당 카테고리에서는 스토어 메타데이터가 최상위 레버입니다. **음식 & 음료 및 금융 앱은 반대 방향으로 기울어** , 인용의 거의 절반을 기타 웹 출처(45.7% 및 44.3%)에서 얻으므로, 자체 웹 콘텐츠와 제3자 페이지가 리스팅 단독보다 더 많은 작업을 수행합니다. 그리고 **인용 출처가 없는 추천의 비율은 크게 다릅니다**. 날씨의 경우 9.8%에 불과하지만 교육의 경우 29.1%로 모든 카테고리 중 가장 높습니다. 카테고리의 추천 중 많은 비율이 출처를 인용하지 않을 때, ChatGPT는 실시간 검색이 아닌 학습 지식에서 추천하므로, 우선순위는 실시간 검색을 통해서만 작동하는 페이지보다 모델의 학습 데이터 내에 있을 가능성이 높은 표면에서 일관된 존재를 구축하는 것으로 이동합니다. [AppTweak의 앱용 AI Visibility](/ko/ai-search-visibility-tool-for-mobile-apps)는 ChatGPT가 귀하의 카테고리에서 인텐트 수준에서 앱을 소싱하고 추천하는 방법을 보여주므로, 업계 평균에서 추측하는 대신 어떤 표면이 귀하의 인용을 유도하는지 확인할 수 있습니다. ## AI 검색 엔진이 출처를 인용 가능하게 만드는 것은 무엇입니까? 출처는 **구조화되고, 추출 가능하며, 신뢰도가 높은 표면 전반에 걸쳐 강화될 때** 인용 가능합니다. AI 검색 엔진은 깔끔하게 추출하고 쿼리와 일치시킬 수 있으며, 모델이 이미 신뢰하는 곳에 게시되고, 연관성이 유지될 만큼 충분히 일관되게 반복되는 콘텐츠를 선호합니다. 세 가지 속성이 대부분의 작업을 수행합니다: - **추출 가능한 구조.** AI 엔진은 전체 페이지가 아닌 섹션을 검색합니다: 명확한 제목, 구조화된 콘텐츠(글머리 기호, 번호 매기기 목록, 표), FAQ 스타일 섹션 및 원자적 단락을 사용하십시오. - **도메인 및 표면 권위.** 스토어 리스팅, 자체 도메인 또는 확립된 커뮤니티 등 신뢰도가 높은 표면의 주장은 신호가 낮은 곳의 동일한 주장보다 더 많은 인용 가중치를 갖습니다. - **출처 간 일관성.** 스토어 리스팅, 자체 웹, 리뷰 및 커뮤니티 언급 전반에 걸친 동일한 포지셔닝이 복합됩니다. 출처 유형 전반에 걸친 강화는 추천을 학습 메모리 추측에서 출처가 있고 방어 가능한 인용으로 이동시키는 것입니다. 일관성은 팀이 가장 자주 놓치는 속성입니다. 서로 다른 사람들이 소유하는 표면에 걸쳐 있기 때문입니다. 스토어 리스팅은 한 팀이 관리하고, 제품 페이지는 다른 팀이, 커뮤니티 언급은 특별히 아무도 관리하지 않습니다. 모델이 세 곳 모두에서 동일하고 명확한 포지셔닝을 볼 때 연관성이 강화됩니다. 세 곳이 일치하지 않으면 어떤 단일 출처도 자신 있게 인용할 만큼 권위가 없습니다. **표면 전반에 걸쳐 포지셔닝을 정렬하는 것이 인용 승리에서 최선의 기회입니다.** 모든 사람에게 모든 것이 되려고 하는 앱은 AI 엔진에 확고한 것을 제공하지 못하므로, 특별히 아무것도 추천하지 않습니다. ## 앱 마케터는 AI 가시성을 개선하기 위해 어디에 투자해야 합니까? 승리 전략은 단일 출처에 의존하기보다는 앱을 뒷받침하는 출처를 다양화하는 것입니다. 앱 스토어 리스팅은 ChatGPT가 앱을 추천할 때 사용하는 인용의 47.5%를 차지하고, 오픈 웹은 27%를 차지합니다. 이 혼합은 카테고리에 따라 다르며 시간이 지남에 따라 변할 수 있으므로, 오늘 귀하의 추천을 전달하는 출처가 내일은 덜 전달할 수 있습니다. 귀하의 앱, 경쟁 앱 및 카테고리의 출처 혼합을 살펴보면 먼저 조치를 취할 곳을 결정하는 데 도움이 됩니다. ### 앱 스토어 리스팅부터 시작하십시오 카테고리가 무엇이든, 스토어 리스팅이 첫 번째 조치입니다. 가장 큰 단일 인용 비율이고, 이미 제어하고 있으며, 오늘 변경할 수 있습니다. [AI 가독성을 위해 긴 설명을 최적화](/ko/aso-blog/app-store-description-best-practices)하여 모델이 앱이 무엇을 하는지, 누구를 위한 것인지, 왜 돋보이는지 추출할 수 있도록 하십시오. 더 나아가려면, [AI 검색을 위해 앱 스토어 리스팅 최적화](/ko/aso-blog/optimize-app-store-listing-for-ai-search)가 리스팅 작업을 자세히 다룹니다. 앱 스토어 최적화는 여전히 기초입니다. ### 세 가지 확인을 실행하여 격차를 찾으십시오 1. **귀하의 앱이 언급될 때 상위 출처를 확인하십시오.** 이것은 ChatGPT가 이미 귀하를 추천하기 위해 신뢰하는 페이지입니다. 정확하고 최신 상태로 유지하십시오. 잃을 수 있는 것이기 때문입니다. 2. **경쟁 앱이 언급되지만 귀하의 앱은 언급되지 않을 때 상위 출처를 확인하십시오.** 이것이 귀하의 격차이며, 일반적으로 찾을 수 있는 가장 유용한 목록입니다. 경쟁 앱의 추천을 계속 뒷받침하지만 귀하의 것은 절대 뒷받침하지 않는 출처가 먼저 조치를 취할 가장 명확한 장소입니다. 3. **귀하의 앱 카테고리의 출처 혼합을 확인하십시오.** 귀하의 앱 유형에 대해 정상이 무엇인지 보여주므로, 귀하 자신의 혼합이 이상치인지 아니면 ChatGPT가 귀하의 카테고리를 처리하는 방식을 반영하는지 알 수 있습니다. 세 가지 확인을 종합하면 무엇이 작동하고, 무엇이 누락되었으며, 카테고리에 무엇이 포함되는지 보여줍니다. ### 확인 결과에 따라 수행할 작업 - **스토어 리스팅이 귀하의 격차 또는 카테고리 혼합을 지배하는 경우,** 일회성 수정이 아닌 주요 레버로 취급하십시오. 리스팅 텍스트를 계속 개선하고 한 번에 하나의 요소를 변경하여 무엇이 인용을 이동시키는지 확인할 수 있도록 하십시오. - **브랜드 소유 페이지나 애그리게이터 페이지가 지배적이라면,** 자사 웹 콘텐츠를 구축하십시오. 명확한 “무엇(what)·누구(who)·왜(why)”를 담은 제품 페이지와 FAQ를 함께 준비하는 것이 좋습니다. 그러면 애그리게이터에 의존하지 않고 오픈 웹 점유율을 직접 확보할 수 있습니다. - **게임을 담당하고 있다면,** 리스팅 다음 투자 대상으로 커뮤니티와 에디토리얼 존재감을 설정하십시오. 게임은 앱보다 Reddit 및 Wikipedia 인용이 5배 더 많기 때문에, 해당 소스가 귀사의 갭에 노출될 가능성이 더 큽니다. - **Food & Drinks와 Finance처럼 카테고리가 오픈 웹에 의존하는 편이라면,** 리스팅과 함께 자사 콘텐츠와 서드파티 존재감을 병행해 강화하십시오. ### AI 가시성 베이스라인을 설정해 효과를 입증하십시오 다각화는 실제로 작동하고 있음을 보여줄 수 있을 때에만 의미가 있습니다. AppTweak의 AI Visibility에서는 프롬프트 수준 뷰를 통해 정확한 ChatGPT 또는 Gemini 답변, 함께 추천된 경쟁 앱, 그리고 인용된 소스를 확인할 수 있으며, 인텐트 필터로 소스 분해를 단일 유스 케이스로 좁힐 수 있습니다. 무엇이든 변경하기 전에 그곳에서 3가지 체크를 실행해 베이스라인을 설정한 뒤, 변경할 때마다 다시 실행하여 새로운 소스가 귀사의 앱을 인용하기 시작하는지 확인하십시오. [앱의 AI 가시성을 개선하기 위한 4가지 실험](/ko/aso-blog/4-experiments-to-improve-app-ai-visibility)은 이러한 변경을 구조적으로 테스트할 수 있는 방법을 제공합니다. 이 우선순위화의 전체 방법론은 [앱을 위한 GEO 프레임워크](/ko/aso-blog/geo-for-apps)를 참고하십시오. ## AppTweak은 AI가 어떤 소스를 인용하는지 어떻게 측정했습니까? 이 분해 결과를 신뢰하려면, 어떻게 측정했는지 아는 것이 도움이 될 수 있습니다. 이 글의 모든 수치는 **2026년 5월 미국 시장에서 9,489개의 앱 프롬프트와 9,000개 이상의 게임 프롬프트에 걸쳐 수집한 125,000건 이상의 ChatGPT 추천 응답에 대한 AppTweak의 분석** 을 기반으로 합니다. 소스 어트리뷰션, 감성, 포지션 데이터는 AppTweak의 AI Visibility for Apps 플랫폼에서 추출했습니다. 프롬프트는 브랜드명이 아닌 인텐트 수준으로, 브랜드명에서 출발한 것이 아니라 실제 사용자가 앱을 검색하고 발견하는 방식에 기반해 구성되었습니다. 인용은 apps.apple.com과 play.google.com에 공개적으로 인덱싱된 스토어 버전에서 집계했습니다. 데이터셋은 ChatGPT 전용이므로, 여기의 모든 수치는 해당 어시스턴트와 해당 기간에 한정된 ChatGPT의 행동을 구체적으로 설명합니다. 두 가지 유의사항이 수치를 정직하게 유지합니다. 이 수치는 **2026년 5월 스냅샷** 이며, AI의 리트리벌 행동은 시간에 따라 변하므로, 단일 퍼센티지보다 메커니즘을 더 지속적인 것으로 보아야 합니다. ## 결론 AI 추천은 두 가지에 기반합니다. 모델이 귀사의 앱과 연관 짓는 인텐트, 그리고 인용할 만큼 신뢰하는 소스입니다. ChatGPT가 앱을 추천할 때 가장 자주 참조하는 것은 앱 스토어 리스팅(47.5%)과 오픈 웹(27%)이며, 추천 하단보다 상단에서 더 확신 있게 인용하고, 게임과 카테고리 전반에 걸쳐 소스에 서로 다른 가중치를 부여합니다. 핵심 흐름은, 가장 많은 일을 하는 표면이 이미 귀사가 소유하고 있는 것들이라는 점입니다. 평균은 거기까지입니다. 귀사의 앱이 어떻게 인용되는지, 그리고 대신 경쟁 앱이 어디에서 추천되는지는 직접 측정할 수 있는 영역입니다. [앱과 게임을 위한 AppTweak의 AI Visibility](/ko/ai-search-visibility-tool-for-mobile-apps)는 ChatGPT 같은 AI 어시스턴트가 모바일 앱과 게임을 어떻게 발견하고 추천하는지 추적하도록 특별히 구축된 최초의 도구입니다. AppDNA로 구동되며, 200개 이상의 앱 하위 카테고리에 걸친 1,200개 이상의 사용자 인텐트를 매핑하고, 매주 10,000개 이상의 비브랜드 프롬프트를 실행해 인텐트 수준에서 귀사의 AI Visibility Score, 감성, 경쟁 포지셔닝을 측정합니다. 도메인에서 출발하는 웹 기반 AI 가시성 도구와 달리, AppTweak의 접근법은 실제 사용자가 모바일 앱을 검색하고 발견하는 방식에 기반해, 귀사가 이기고 있는 인텐트, 놓치고 있는 인텐트, 그리고 대신 경쟁 앱이 추천되는 지점을 드러냅니다. ASO Intelligence에 내장되어 이제 앱 마케터는 AppTweak의 ASO 및 AI 가시성 인사이트를 활용해 앱 스토어와 AI 검색에서 성과를 낼 수 있습니다. ## 자주 묻는 질문 # ChatGPT의 앱 인용 중 App Store에서 오는 비중은 얼마입니까? **ChatGPT가 앱을 추천할 때 인용하는 소스 중 App Store는 37.6%를 차지하며, 앱 스토어 리스팅 전체(App Store + Google Play)는 47.5%를 차지합니다.** Google Play는 이 합산 수치 중 나머지 9.6%를 구성하며, 오픈 웹은 27%로 뒤를 잇습니다. 이러한 비중은 2026년 5월 미국 시장에서 125,000건 이상의 ChatGPT 추천 응답에 대한 AppTweak의 분석에서 도출되었습니다. 앱 마케터에게 App Store 리스팅은 AI 가시성을 위해 최적화할 때 단일 표면으로서 가장 높은 레버리지를 제공하는데, 가장 많이 인용되는 소스이면서 동시에 귀사가 완전히 통제할 수 있는 영역이기 때문입니다. **AI 인용 행동은 지속적으로 변하므로, 이를 고정된 비중이 아니라 스냅샷으로 받아들이십시오.** # ChatGPT는 왜 어떤 앱을 소스 인용 없이 추천합니까? **ChatGPT는 앱 추천의 22.6%에서 소스를 인용하지 않는데, 이는 특정 페이지를 가리키기보다 학습 과정에서 이미 습득한 앱 정보만을 바탕으로 끌어오고 있음을 의미하는 것으로 파악됩니다.** 이는 더 약한 포지션입니다. 정보가 오래됐거나 빈약하며, 근거로 제시할 수 있는 무엇에도 뒷받침되지 않습니다. 따라서 AI 검색 엔진이 참고할 수 있는 신뢰할 만하고 최신의 소스(앱 스토어 리스팅, 자사 사이트, 신뢰도 높은 서드파티 보도)를 제공하도록 작업할 것을 권장합니다. 그러면 학습에서 형성된 정적인 인상에 의존하는 대신 실제로 인용할 재료가 생기며, ‘기억으로만’ 추천되는 것이 아니라 소스가 뒤따르는 추천을 받을 가능성이 높아집니다. # ChatGPT 추천에서 하위 랭크 앱을 밀어내는 것이 더 쉽습니까? **예. 하위 포지션에 있으면서 소스가 약한 앱은, 상단에 있으면서 소스가 강한 앱보다 밀어내기 쉽습니다**. 상위 랭크 추천은 보통 이를 강화하는 인용 소스에 의해 앵커링되기 때문입니다. ChatGPT는 1~4위 포지션의 앱에 대해 80%~85%에서 소스를 인용하지만, 7위에서는 50% 미만으로 떨어집니다. 소스가 없는 하위 슬롯의 앱은 다툴 수 있는 포지션을 점유하고 있습니다. 스토어 리스팅과 자사 웹 전반에서 일관되고 추출 가능한 콘텐츠를 구축하면, 이를 추월하는 데 필요한 인용을 쌓을 수 있습니다. 따라서 소스가 없는 하위 포지션은 도전자 앱이 현실적으로 가장 먼저 노려볼 만한 타깃입니다. # 내 앱에 대해 ChatGPT가 어떤 소스를 인용하는지 어떻게 확인할 수 있습니까? **AppTweak의 AI Visibility for Apps는 ChatGPT와 Gemini가 귀사의 앱을 어떤 소스에서 가져와 추천하는지 추적하므로, 업계 평균으로 추정하는 대신 어떤 표면이 인용을 견인하는지 확인할 수 있습니다.** 이는 AppDNA를 기반으로 하며, 200개 이상의 앱 하위 카테고리에 걸친 1,200개 이상의 사용자 인텐트를 매핑하고 매주 10,000개 이상의 비브랜드 프롬프트를 실행해 인텐트 수준에서 AI Visibility Score, 감성, 경쟁 포지셔닝을 측정합니다. 인용 행동은 카테고리와 앱/게임 간에 달라지므로, 어떤 소스를 우선순위로 둘지 알기 위한 유일한 방법은 귀사의 앱을 직접 측정하는 것입니다. # AppTweak AI Visibility는 앱과 게임 모두에 적합합니까? **예, 각각이 발견되는 방식에 맞춰 구축된 두 가지 제품을 통해 가능합니다:** [**AppTweak AI Visibility for Apps**](/ko/ai-search-visibility-tool-for-mobile-apps) **및** [**AppTweak AI Visibility for Games**](/ko/ai-search-visibility-tool-for-mobile-games) **.** 이 구분은 인용 믹스가 다르기 때문에 중요합니다. 앱은 AI 인용의 대부분을 스토어 리스팅과 자사 웹 콘텐츠에서 얻으므로, 앱 제품은 그 영역에 집중합니다. 반면 게임은 스토어와 함께 Reddit, Wikipedia, 게임 매체 등 커뮤니티 및 에디토리얼 소스에서 훨씬 더 많이 가져오므로, 게임 제품은 이러한 시그널에 가중치를 둡니다. 두 제품 모두 인텐트 수준에서 AI Visibility Score, 감성, 경쟁 포지셔닝을 측정하므로, 어디에서 추천되는지와 대신 경쟁 앱이 어디에 등장하는지 확인할 수 있습니다. * * * 에 의한 **Pierre-Antoine Roy** , Content Specialist Pierre-Antoine is the Content Specialist at AppTweak, responsible for SEO/AEO blog content, social media, videos, and broader marketing initiatives. When he's not writing about app growth or editing videos, you'll likely find him skateboarding through the streets of Brussels. [![](/img/2023/09/aso-book-2022-menu.jpg?auto=format,compress&fit=crop) 고급 앱 스토어 최적화 책 ASO를 처음 접하는 분도, 이 업계의 베테랑이신 분도 ASO 기본 지식과 최신 팁, 기술, 앱 성장을 위한 모범 사례를 확인하실 수 있습니다. 사본 받기 ](https://www.asoebook.com/?utm_source=apptweak&utm_medium=referral&utm_campaign=aso-book&utm_content=apptweak-blog) * * * 더 많은 글: 블로그 - [ 기능 업데이트 2026년 9월 24일 ASO API 엔드포인트: 필요한 앱 스토어 데이터를 반환하는 엔드포인트 AppTweak API 엔드포인트가 각 ASO 데이터 유형(키워드 볼륨, 순위, 리뷰, 다운로드, 인기 차트 및 MCP)을 반환하는 방식과 문서 링크를 확인해 … ![Antoine Bentin](/img/2023/03/antoine-bentin.jpeg?auto=format%2Ccompress&w=300&h=300&fit=crop)Antoine Bentin ](/ko/aso-blog/aso-api-endpoints) - [ AI 가시성 2026년 9월 21일 앱을 위한 GEO: AI 검색에서 모바일 앱 가시성을 높이는 프레임워크 모바일 앱을 위한 생성형 엔진 최적화(GEO)를 알아보십시오. 앱 스토어 리스팅, 자사 웹사이트, 외부 권위를 정렬해 AI 검색 엔진이 앱을 쉽게 … ![Pierre-Antoine Roy](/img/2026/04/squaredapptweakprofilepicture.png?auto=format%2Ccompress&w=600&h=600&fit=crop)Pierre-Antoine Roy ](/ko/aso-blog/geo-for-apps) - [ App Market Insights 2026년 9월 19일 2026년 ASO 뉴스 및 앱 스토어 업데이트 2026년 ASO 및 앱 스토어의 모든 최신 개발 사항에 대한 최신 정보를 확인하십시오. ![Pierre-Antoine Roy](/img/2026/04/squaredapptweakprofilepicture.png?auto=format%2Ccompress&w=600&h=600&fit=crop)Pierre-Antoine Roy ](/ko/aso-blog/app-store-optimization-news-app-store-updates) [모든 포스트 보기](/ko/aso-blog)