1편. AI가 내 콘텐츠를 '오해 없이' 읽게 만드는 법 - Schema(구조화 데이터) 적용법

시리즈 4: 기술 SEO + 데이터 구조 | 1편

AI는 사람처럼 글을 읽지 않는다. 텍스트를 파싱 해서 의미를 추론한다. 이 과정에서 오해가 생긴다. '사과'라는 단어가 과일인지 애플 사인지, '변호사'가 직업인지 브랜드명인지 AI가 판단해야 한다. 이 추론 과정에서 실수가 생기면 내 콘텐츠는 엉뚱한 답변에 쓰이거나 아예 무시된다.

 

구조화 데이터(Schema Markup)는 AI에게 '이 페이지는 이런 내용이다'라고 명확하게 알려주는 언어다. 추론이 아닌 확인이 가능해진다.

Schema(구조화 데이터) 역할과 적용법

---

기술 SEO + 데이터 구조

 

#1. schema의 역할과 적용법 ← 현재글

#2. 페이지 속도, 모바일 UX와 AI 검색 (예정)

#3. 내부 링크 구조 최적화 (예정)

#4. 크롤링과 인덱싱 최적화 (예정)

#5. 멀티랭귀지(hreflang)와 글로벌 노출(예정)

---

구조화 데이터가 AI 검색에서 하는 역할

구조화 데이터는 직접 랭킹 요소가 아니다. 구글도 공식적으로 그렇게 밝혔다. 그러나 결과는 다르다.

2025년 9월 Search Engine Land가 진행한 실험이 있다. 동일한 내용의 페이지 세 개를 비교했다. 차이는 스키마 구현 여부뿐이었다. 결과는 스키마가 잘 적용된 페이지만 구글 AI 오버뷰에 등장했다. 스키마가 없는 페이지는 인덱싱조차 되지 않았다.

 

또 다른 데이터도 있다. OtterlyAI가 2026년 4월 BrightonSEO에서 발표한 결과다. 2,000개 이상의 URL에 사이트 전체 스키마를 적용했다. 구글 AI 오버뷰 인용이 1,500% 증가했고, AI 모드 인용은 377% 늘었다.

 

단, 효과는 플랫폼마다 달랐다. ChatGPT와 Perplexity에서는 영향이 제한적이거나 없는 경우도 있었다. 구글 생태계에서 특히 강력하게 작동했다.

 

 

구조화 데이터가 작동하는 원리

AI는 콘텐츠를 처리할 때 두 가지를 활용한다. 자연어 텍스트와 구조화 데이터다.

자연어 텍스트는 AI가 추론해야 한다. 구조화 데이터는 명시적으로 알려준다. 2024년 arXiv에 게재된 연구에 따르면 구조화 엔티티 신호는 텍스트만 있는 페이지 대비 사실 오류를 34% 줄였다. AI가 잘못 추론할 확률이 낮아진다는 의미다.

 

2025년 3월 구글과 마이크로소프트는 구조화 데이터를 생성형 AI 기능에 활용한다고 발표했다. ChatGPT도 같은 시기 제품 검색에서 구조화 데이터를 참고한다고 밝혔다.

 

 

AI 오버뷰 인용에 영향력 있는 스키마 유형 4가지

모든 스키마가 같은 효과를 내지 않는다. 2026년 기준 구글 AI 오버뷰 인용에 가장 명확한 영향을 주는 네 가지가 있다.

① Article (또는 BlogPosting)
블로그 글과 기사에 적용한다. 제목, 저자, 발행일, 수정일, 이미지를 포함한다. 저자 엔티티와 연결하면 E-E-A-T 신호가 강해진다.

 

② FAQPage
FAQ 섹션이 있는 모든 페이지에 적용한다. 각 질문과 답변을 구조화 데이터로 명시한다. AI가 질문-답변 쌍을 직접 추출하기 가장 쉬운 형식이다.

 

③ HowTo
단계별 가이드 콘텐츠에 적용한다. 각 단계를 명시적으로 정의한다. '어떻게 하나요?'라는 질문에 AI가 답변을 생성할 때 가장 먼저 참고하는 스키마다.

 

④ Organization / Person
사이트 운영 주체를 명확히 한다. 회사라면 Organization, 개인 브랜드라면 Person 스키마를 사용한다. sameAs 속성으로 Wikipedia, LinkedIn, 소셜 계정을 연결하면 엔티티 인식이 강해진다.

 

 

JSON-LD로 구현하는 방법

스키마 구현 방식은 세 가지다. JSON-LD, Microdata, RDFa. 구글은 JSON-LD를 권장한다. 페이지 HTML과 분리되어 관리가 쉽고 오류 위험이 낮다.

Article 스키마 기본 예

jons
{
"@context": "https://schema.org",
"@type": "BlogPosting",
"headline": "구글 AI 오버뷰에 인용되는 콘텐츠 작성법",
"author": {
"@type": "Person",
"name": "홍길동",
"url": "https://example.com/author/hong"
},
"datePublished": "2026-05-01",
"dateModified": "2026-06-10",
"image": "https://example.com/images/article.jpg"
}

 

 

FAQPage 스키마 기본 예시

 

json
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "구조화 데이터가 AI 오버뷰에 영향을 주나요?",
"acceptedAnswer": {
"@type": "Answer",
"text": "직접 랭킹 요소는 아니지만 AI 오버뷰 인용 가능성에 유의미한 영향을 준다."
}
}]
}

 

 

스키마 구현 시 반드시 지켜야 할 규칙

규칙 1: 콘텐츠 패리티 원칙

스키마에 담긴 정보는 페이지에서 사람도 볼 수 있어야 한다. 스키마에만 있고 페이지 본문에 없으면 구글이 스팸성 구조화 데이터로 분류한다. 스키마는 숨기거나 조작하는 도구가 아니다.

 

규칙 2: 약한 콘텐츠에 스키마를 추가해도 효과가 없다

Ahrefs가 2026년 5월 발표한 연구가 있다. 1,885개 페이지의 JSON-LD 추가 전후를 분석했다. 결론: 스키마 단독으로는 AI 인용에 의미 있는 변화가 없었다. 스키마는 좋은 콘텐츠와 엔티티 전략 위에서 작동한다.

 

규칙 3: @graph로 엔티티를 연결한다

여러 스키마 타입을 별도 <script> 태그로 분산하기보다 @graph 배열로 하나의 JSON-LD 블록 안에 연결한다. 내부 지식 그래프를 구축하는 방식이다.

 

 

스키마 검증과 모니터링 방법

스키마를 적용했다면 오류를 확인해야 한다.

① 구글 리치 결과 테스트 (Rich Results Test)

구글이 제공하는 무료 도구다. URL 또는 코드를 입력하면 스키마 오류와 경고를 알려준다.

 

② 구글 서치 콘솔 → 검색 개선 → 리치 결과

사이트 전체에서 스키마가 어떻게 인식되는지 확인할 수 있다. 오류 페이지 수와 유효 페이지 수를 보여준다.

 

③ Schema.org Validator

공식 스키마 표준에 맞게 구현됐는지 검증한다.

 

 

스키마는 AI에게 보내는 명확한 신호다

스키마 하나로 AI 인용이 극적으로 늘지는 않는다. 하지만 좋은 콘텐츠와 E-E-A-T가 갖춰진 상태에서 스키마까지 적용하면 AI가 내 콘텐츠를 정확하게 이해하고 인용할 확률이 높아진다. 오늘 내 블로그의 가장 중요한 글에 Article 스키마 하나부터 적용해 보자.

다음 글: 4-2편 - 페이지 속도, 모바일 UX가 AI 검색에 미치는 영향