한국어 ChatGPT에 "주목할 한국 디자이너 브랜드를 추천해줘"라고 물으면 답에 르쥬(LEJE)·준태킴(Juntae Kim)·혜인서(HYEIN SEO) 같은 이름들이 줄줄이 나온다. 출처에는 The Korea Daily, Esquire Korea, Design, Keyzard 같은 한국 매체가 직접 인용된다. 한국어 질의에 한국 매체가 인용되지 않는다는 통념은 K-패션·K-뷰티·K-팝 인접 카테고리에는 더 이상 맞지 않는다. 그런데 같은 K-범주 안에서도 잘 호명되는 브랜드와 거의 호명되지 않는 브랜드가 있다. 격차는 다른 곳에 있다.
1. 통념의 검증 - 한국어 질의에 한국 매체는 충분히 인용된다
2025~2026년 ChatGPT·Perplexity·Claude의 한국어 답변을 실측하면, K-패션·K-뷰티·K-팝 인접 카테고리에서 한국 1차 매체의 인용은 충분히 활발하다. The Korea Daily·Esquire Korea·Design·Keyzard 같은 한국어 매체가 답변 출처(citations)로 직접 노출된다. 르쥬·준태킴·혜인서 같은 브랜드는 영문 위키피디아·Reddit의 누적 자산이 적어도 한국어 질의에서 자연스럽게 호명된다. 'AI가 한국어 자료를 안 본다'는 일반화는 K-카테고리에 한해서는 더 이상 사실이 아니다.
2. 진짜 격차의 위치 - 언어와 카테고리의 두 축
격차는 두 축으로 정리된다. 첫 번째 축은 질의 언어다. 같은 한국 브랜드를 한국어로 물으면 한국 매체가 인용되지만, 영어로 'Korean designer brands'를 물으면 BoF·Bloomberg·NYT 같은 글로벌 영문 매체 위주로 답이 합성된다. 두 번째 축은 카테고리의 글로벌 화제성이다. K-팝·K-드라마 인접 카테고리(K-패션·K-뷰티)는 한국 매체와 영문 매체 양쪽에 깊이 다뤄져 어느 언어 질의에도 잡힌다. 반면 B2B SaaS, 산업 부품, 신생 D2C, 니치 카테고리의 한국 브랜드는 한국어 질의에서도 깊이 있게 호명되지 않는다.
3. 학습 데이터의 실측 비대칭
다만 한국어 콘텐츠가 글로벌 LLM 학습 데이터에서 차지하는 비중은 객관적으로 작다. 2026년 6월 기준 Wikipedia 영문판은 약 720만 글, 한국어판은 약 75만 글로 약 1/10 규모다. Llama 2의 사전학습 데이터에서 한국어는 약 0.06% 수준이고, Common Crawl에서 한국어는 MRL(Medium-Resource Language, 0.01~1% 비중) 구간으로 분류된다. 한국어 자료가 '없다'가 아니라 영문 대비 '깊이가 얕다'. 깊이가 얕은 카테고리에서 격차가 드러난다.
4. K-패션이 잘 호명되는 메커니즘
르쥬·준태킴·혜인서가 ChatGPT 답변에 자주 호명되는 이유는 세 가지가 동시에 작동한 결과다. 첫째, 한국 매체가 적극적으로 다뤘다(The Korea Daily, Esquire Korea, Design). 둘째, 글로벌 셀럽(제니, 제이홉, 트와이스 등) 착장 사건이 K-팝 글로벌 미디어 사이클에 올라타면서 영문 매체로 확산됐다. 셋째, 글로벌 편집숍 입점·나이키 협업·파리 패션위크 노출 같은 글로벌 운영 자산이 누적됐다. 한 카테고리가 글로벌 화제성을 갖는 순간 한국 매체와 영문 매체가 동시에 정보를 만들고, AI는 그 양쪽을 모두 학습한다.
5. B2B·신생·니치 브랜드의 격차
같은 한국 디자이너 패션 카테고리 안에서도 글로벌 화제성이 약한 신생 브랜드, 또는 처음부터 B2B·산업·니치 영역에서 활동하는 한국 브랜드는 다른 풍경을 본다. 한국어 질의에도 답에서 자주 누락되고, 영어 질의에는 거의 등장하지 않는다. 원인은 단순하다. 한국 매체의 단편적 보도만 있고, 글로벌 매체 노출이 없으며, 영문 위키피디아·Reddit·전문 영문 매체에 누적 자산이 없다. AI 입장에서 합성할 정보의 입력 자체가 부족하다.
6. 카테고리별 영문 콘텐츠 운영 현황
K-카테고리별 영문 콘텐츠 운영 수준은 명확히 갈린다. K-beauty가 가장 앞서 있다. 글로벌 진출 역사가 길어 영문 콘텐츠·매체 노출·Reddit·Substack 커뮤니티 활동이 모두 활발하다. K-패션 톱 디자이너 브랜드는 K-팝 사이클의 수혜로 양쪽 매체에 잘 노출된다. 우영미·Juun.J·Hyein Seo 같은 브랜드는 글로벌 편집숍 입점과 영문 매체 노출이 양쪽 데이터를 만든다. K-미슐랭·K-fine dining은 영문 매체 인터뷰는 있지만 자사 1차 영문 콘텐츠가 약해 글로벌 영어 질의에서 깊이가 부족하다. 한국 B2B·SaaS·산업 카테고리는 가장 뒤처져 있다. 한국 시장 내수에 집중하면서 영문 자료 누적이 거의 없다.
7. 분기별 GEO 측정 KPI 다섯 가지
격차를 운영적으로 해소하려면 정량 측정이 시작점이다. 분기마다 추적할 다섯 가지 KPI는 다음과 같다. 첫째, ChatGPT·Perplexity·Claude의 한국어·영어 질의 답변에서 자사 인용 빈도와 출처 분포. 둘째, 답변 citations에 자사 도메인이 등장하는 비율. 셋째, 영문 Wikipedia·Reddit·Substack에서 자사 언급 빈도. 넷째, BoF·Bloomberg 같은 영문 매체 노출의 분기별 횟수. 다섯째, 영문 자사 콘텐츠 페이지 수와 분기별 신규 발행 수. 이 다섯 가지를 정량 추적하기 시작한 한국 브랜드는 아직 손에 꼽는다.
한국 브랜드의 GEO 격차는 단순히 한국어 자료의 부재가 아니다. 한국 브랜드의 GEO 격차는 카테고리의 글로벌 화제성과 영문 콘텐츠 누적의 비대칭이다.
댓글 남기기