본문 바로가기
← 목록으로

11만 8,000개 ChatGPT 프롬프트 분석으로 본 2026년 미국인의 AI 도구 사용 현황

sparktoro.com조회수 011시간 전

핵심

마지막 4년간 AI 가시성 최적화 분야는 AI 보조기에서의 대화 규모를 파악하지 못했다. 오픈인 익명 데이터 패널을 운영하는 Verso의 데이터 제공으로 이제 보다 명확한 답에 접근했다.

Google과 Bing 같은 검색 엔진은 광고 제품을 통해 특정 키워드 검색량을 공개하지만, ChatGPT, Claude, Perplexity, Copilot 같은 AI 보조기는 이런 정보를 공개하지 않는다. Google Trends 같은 무료 도구도 없다. 이로 인해 마케팅에 투자하는 마케터와 브랜드들은 AI 대화를 통한 제품·서비스 수요를 추측할 수 없었다.

데이터 개요

ChatGPT 사용 카테고리 분석

12개 상위 카테고리로 분류한 결과 (사용자 기준 비율):

기술 업계 종사자 그룹의 차이: 코딩/기술 질문이 훨씬 많고, 숙제/학교 주제, 이미지 생성, 관계/정서 문제 질문은 훨씬 적음(AI 기업이 데이터 비공개를 보장하지 않을 수 있다는 인식).

ChatGPT에서 나타나는 브랜드, 제품, 회사

사용자 프롬프트와 ChatGPT 응답에서 브랜드 출현 패턴을 세 가지로 분류:

응답에 브랜드 추천이 사용자 요청보다 약간 더 많이 포함됐지만, 수치는 작다. ChatGPT 응답의 12.1%가 하나 이상의 브랜드/제품/회사를 포함했다. OpenAI가 미국에서 하루 330만 개 프롬프트가 있다고 주장하므로 주목할 만하다(이 패널은 ChatGPT 사용량이 적지만, API 요청을 포함하지 않아 직접 비교는 어려움).

OpenAI 공개 연구와 비교

Verso 데이터(1월~10월, 인구조사 가중치 그룹)를 OpenAI의 9월 발표 데이터와 비교했을 때:

Verso 패널이 문제적으로 왜곡되지 않은 것 같다. 프롬프트를 AI 분류기와 수작업으로 분석해 확인했다. 주요 한 가지 주의점: 이 데이터는 소비자 중심이며 전문/API 중심보다 가능성이 낮다.

구매 의도가 있는 대화 비율

구매 또는 거래 의도가 있는 프롬프트 비율을 분석했다. 구매자 여정의 연구, 비교, 의사결정 단계에 있는 사람 비율을 파악하려는 것 — Google 검색의 큰 부분이 이것이고, 이것이 Google이 가장 부유한 테크 기업 중 하나가 된 이유다.

세 가지로 분류:

결과는 ChatGPT 광고 기회에 나쁜 소식: 오직 6.9%의 프롬프트만 구매 가능성이 있는 브랜드 연구를 보였다. 2년 전 Google 검색 332억 건 분석에서는 15% 이상이 이 정의에 부합했다. Google은 단순히 ChatGPT 대비 5.5배 큰 검색량뿐만 아니라, 구매 의도 비율로도 약 2.8배 크다(아마도 더 큼). 보수적으로, 사람들이 Google에 ChatGPT 대비 16배 이상 구매 여정 관련 쿼리를 한다고 추정. 이 시장점유율 숫자는 Google:Bing 비율과 비슷하다.

통계 세부

분석한 세 그룹:

131명의 이상치 제거, 사용자 단위 정규화, 인구통계 데이터 없는 사람 또는 인구조사 가중치와 맞지 않는 사람 제외 후에도 이 그룹들 간 사용량 차이는 미미했다.

핵심 결론

이 데이터가 완벽하진 않지만, 2023년 이후(여전히 클릭스트림으로 ChatGPT 대화를 볼 수 있던 시절) 본 것 중 훨씬 낫다. OpenAI가 이전에 발표한 데이터와 잘 맞아, 실제 대화를 보고 있고 사용량 평균을 대략 정확하게 계산할 수 있다고 믿는다.

방법론 세부사항

데이터셋은 채팅 기록 공유에 동의한 미국 ChatGPT 사용자의 옵트인 패널에서 나왔다. 2026년 1월 1일~10월 29일 12,321명의 41,961개 대화를 대상으로 한다. 분석 전에 월평균 33개 이상 프롬프트를 보낸 131명의 헤비 유저를 제거했다(패널의 1%이지만 전체 프롬프트의 21% 송신). 그 후 34개의 세밀한 의도 코드북을 작성해 12개의 더 넓은 카테고리로 묶었다. 각 대화는 주요 목표에 기반해 정확히 하나의 라벨을 받았다. 누군가 ChatGPT에 무언가를 생성하도록 요청했을 때(이미지, 이메일, 에세이), 출력 유형이 주제를 이겼다. 예: "PayPal에 환불 이메일 쓰기"는 쇼핑이 아닌 작문 & 커뮤니케이션으로 계산, "심장에 대한 이 퀴즈 질문에 답하기"는 건강이 아닌 학교 공부로 계산.

모든 대화를 AI 모델(Anthropic의 Claude)이 작성된 코드북에서 읽고 라벨을 붙였다. 라벨은 키워드 규칙으로 할당되지 않았다. 각 대화마다 라벨러는 자동 생성 제목, 사용자의 최대 6개 프롬프트, ChatGPT 첫 몇 응답의 오프닝, 응답 내 제품/장소 카드와 굵은 이름을 봤다. 이를 통해 ChatGPT가 2개 이상의 특정 브랜드를 추천했는지, 사용자가 특정 브랜드에 대해 그들을 그것 쪽으로 또는 그것으로부터 멀어지게 할 수 있는 방식으로 질문했는지도 기록했다. 라벨을 확인하려면 두 번째 독립적인 라벨러가 첫 라벨을 보지 않고 무작위 샘플을 다시 코드화했다. 둘은 카테고리 라벨에서 90% 동의(κ ≈ 0.88), 브랜드 태그에서 97~99% 동의했다. 대부분의 불일치는 일반 지식 대 학교 공부 같은 인접 카테고리 사이였다. 두 번째 평가자가 첫 번째보다 더 자주 브랜드 질문에 플래그를 붙였으므로, 우리의 브랜드 질문 수치는 아마도 보수적이다. Rand도 수작업으로 이 숫자를 확인했고 100점 중 98점 이상 정확도를 봤다(지금 그는 아마도 Claude보다 덜 정확함).

옵트인 패널처럼, 이것도 미국 인구와 완벽하게 일치하지 않는다. 더 젊고, 여성이고, 소득이 낮다. 그 왜곡이 발견을 바꿨는지 테스트하려면, 인구통계 기록이 있는 9,675명의 패널 사용자를 2024 미국 인구조사 목표로 가중화했다(나이, 성별, 지역, 교육, 가구 소득). 어떤 카테고리도 1.4 퍼센트포인트 이상 움직이지 않았다. 또한 "대화의 비율"(모든 채팅을 같게 계산)과 "사용자당"(각 사용자의 혼합을 취하고 사용자 전체에서 평균, 자주 채팅하는 사람이 지배하지 않음) 두 가지 방식으로 결과를 살펴봤다. 둘은 본질적으로 같은 이야기를 말한다. 대부분의 패널 사용자는 휴대전화에서 기록됐으므로, 데스크톱과 직장 계정 사용은 아마도 과소 표현됐다(추정을 사용해 이를 제어했음). 그리고 이 패널은 사람들이 ChatGPT에 얼마나 많이 사용하는지보다 무엇을 묻는지 훨씬 더 잘 말해준다(API 요청이 누락되고 데스크톱/노트북 사용이 과소 표현될 수 있기 때문).