구조화 데이터로 AI 인용이 늘까

AI가 인용하지 않는다는 이유만으로 구조화 데이터부터 추가할 필요는 없다. 먼저 해당 페이지가 어떤 검색 기능에 필요한 정보를 제공하려는지 정한다. 기사 제목·저자·수정일을 명확히 전달하려는 작업인지, 상품의 가격·재고·반품 정보를 검색에 제공하려는 작업인지에 따라 필요한 표시와 검수 자료가 달라진다. 인용을 늘린다는 약속과 페이지 정보를 정확히 설명하는 작업을 같은 결과로 받지 않는다.

구조화 데이터는 페이지가 다루는 대상과 속성을 정해진 형식으로 설명하는 표시다. JSON-LD는 이를 담는 형식이며, 스키마(schema)라는 말은 보통 Article·Product 같은 유형과 속성을 가리킨다. 설치 여부만 확인하기 쉬워 완료 항목으로 쓰이지만, 코드가 있다는 사실은 내용이 맞거나 실제 검색에 표시됐다는 뜻이 아니다.

“추가해도 안 늘었다”는 조사가 답하지 못한 질문

Ahrefs는 2026년 5월 JSON-LD를 추가한 1,885개 페이지를 비교 페이지와 대조한 조사를 발표했다. AI Mode·ChatGPT의 작은 차이는 통계적으로 유의하지 않았고, AI Overviews 인용은 비교 집단보다 소폭 감소했으나 그 원인도 확정하지 못했다. 단순한 추가 전후가 아니라 두 집단의 변화를 대조했다는 점을 함께 읽어야 한다.

그런데 표본은 이미 AI에서 인용되던 페이지였다. 유형을 합쳐 분석했고, 같은 시기의 다른 수정과 관측 기간도 한계로 남았다. 아직 인용되지 않는 페이지가 어떻게 발견되는지나 문단을 나누면 효과가 생기는지를 확인한 조사가 아니다.

이 결과로 “무인용의 원인은 문장 구조”라고 결론 내리면 조사에서 측정하지 않은 원인을 새로 붙이게 된다. 반대로 모든 구조화 데이터를 지워야 한다는 결론도 앞서간다. 글을 읽기 쉽게 고치는 일은 독자에게 필요할 수 있지만, 그 작업이 인용을 늘렸다는 근거는 별도로 확인해야 한다.

Google AI 검색의 요건과 표시의 목적을 나눈다

Google은 AI Overviews·AI Mode에 표시되기 위해 특수한 구조화 데이터를 추가할 필요가 없다고 안내한다. 지원 링크가 될 페이지는 색인돼 있고 스니펫 표시 자격을 갖춰야 한다. 이 요건을 충족해도 실제 수집·색인·노출은 보장되지 않는다. 특정 기능의 자격과 그 기능에서 선택되는 결과는 다르다.

예를 들어 사진 장비를 다루는 업체에 사용법 기사, 편집 리뷰, 직접 구매할 상품 페이지가 있다고 가정하자. 세 페이지 모두 장비 이름을 포함해도 독자가 하려는 일은 다르다. 사용법은 촬영 조건을 이해하는 자료이고, 리뷰는 선택을 비교하는 자료이며, 상품 페이지는 구매할 구성을 확인하는 곳이다. 모든 페이지에 같은 표시를 붙이는 제안보다 각 주소의 역할부터 적는 편이 검수하기 쉽다.

Google의 Article 안내는 기사 정보를 이해하고 제목·이미지·날짜 표시를 개선할 수 있는 역할을 설명한다. 저자는 개인 또는 조직으로 명시할 수 있다. 이 정보는 실제 작성 역할과 개정 이력에 맞춰 채운다. 저자 항목을 넣는 작업으로 하지 않은 제품 체험이나 전문가 검수가 생기지는 않는다.

상품은 직접 구매 가능한 페이지와 구매할 수 없는 제품 페이지의 요건을 구분한다. 검색에서 보이는 추가 정보도 기능별로 다르다. 여러 종류를 많이 넣을수록 AI가 선호한다는 식으로 의뢰하기보다, 실제 페이지 역할에 해당하는 문서를 정하고 필요한 속성을 확인한다. 비교표는 선택의 출발점이며 개별 유형의 전체 구현 요건을 대신하지 않는다.

본문은 새 조건인데, 구조 데이터는 옛 상품이면

같은 가정에서 렌즈 단품을 액세서리 포함 묶음으로 바꿨다고 하자. 본문에는 새 구성과 판매 조건을 고쳤지만 구조 데이터의 설명과 대표 이미지는 옛 단품으로 남을 수 있다. 판매 종료한 묶음의 재고를 그대로 두는 경우도 생각할 수 있다. 이때 필요한 일은 표시 개수를 늘리는 것이 아니라 어떤 상품의 현재 정보를 전달하는지 맞추는 작업이다.

Google의 일반 지침은 구조 데이터가 페이지 내용의 실제 표현이어야 하며, 읽는 사람에게 보이지 않는 내용이나 가짜 리뷰를 넣지 말라고 안내한다. 시간에 민감한 정보도 최신이어야 한다. AI 검색 안내 역시 가시 본문과 표시의 일치를 요구한다. 구문 오류가 없어도 내용이 어긋나면 검수할 문제가 남는다.

장비 묶음이라면 상품 식별과 구성, 현재 판매 조건, 본문과 이미지, 구조 데이터가 같은 대상을 가리키는지 대조한다. 가격이 정해지지 않은 상담 상품을 예시에 맞춰 임의 가격으로 채우거나, 리뷰가 없는데 별점을 만들어 넣지 않는다. 정보가 없으면 확보할 자료와 담당자를 정하고 실제로 적용되는 항목만 다룬다.

Merchant Center를 함께 쓰는 팀은 페이지와 피드도 같은 변경 대상에 넣는다. Google은 상품 자료를 구조 데이터나 피드 또는 두 경로로 제공할 수 있다고 설명한다. 병용이 정보의 이해·확인과 표시 자격에 도움이 된다는 안내가 있지만, 피드의 존재만으로 특정 검색 화면이나 AI 답변에 등장했다는 뜻은 아니다.

실무에서는 판매 담당자가 새 묶음의 조건을 확정하고, 콘텐츠 담당자가 본문·사진을 고친 뒤, 개발·상품 피드 담당자가 같은 대상의 표시와 자료를 갱신하는 순서를 정할 수 있다. 작업자가 다르더라도 어떤 주소·상품·개정부터 적용했는지가 이어져야 한다. 본문만 수정한 화면을 전체 완료로 인수하면 다른 전달 경로의 옛 정보가 남는지를 놓치기 쉽다.

검사 통과, 내용 일치, 실제 표시를 각각 받는다

Rich Results Test는 표시의 기술적 문제를 찾는 데 쓸 수 있다. 하지만 Google은 해당 검사에 맞게 표시해도 검색의 리치 결과를 보장하지 않으며, 자동 도구로 쉽게 검사되지 않는 품질 조건이 있다고 설명한다. 검사 결과 한 장으로 내용의 정확성·실제 노출·AI 인용까지 확인했다고 처리할 수 없다.

외주 작업의 범위가 표시 정비라면 “Article 적용” 대신 “해당 기사의 실제 저자·제목·날짜·이미지가 본문과 일치하고 공개 주소에서 전달됨”처럼 수락할 상태를 적는다. 상품 정비라면 실제 판매 대상과 조건의 일치 및 페이지·피드의 갱신 범위를 함께 적는다. 이런 기준은 설치 개수보다 빠진 정보와 남은 담당 업무를 구체적으로 드러낸다.

인용 개선까지 제안한다면 별도의 평가 범위를 요청한다. 어떤 질문과 AI 제품을 관측했는지, 주소를 직접 제공했는지 자연스럽게 발견됐는지, 무엇을 함께 바꿨는지와 실제 답변을 받는다. 이미 문장·가격·내부 링크·외부 홍보도 바뀌었다면 인용 변화 전체를 구조 데이터의 효과로 읽기 어렵다. 관측 원장과 변경 기록을 함께 확인하는 이유다.

지금 할 작업은 페이지가 필요한 기능에서 정한다

유효한 표시가 이미 있고 본문과 맞는 기사라면 낮은 인용만으로 전면 재설치할 이유를 먼저 확인한다. 독자 질문에 빠진 답이 있다면 원자료와 조건을 보강한다. 상품 조건이 바뀌었는데 표시·피드가 옛 상태라면 그 불일치를 고친다. 검색에서 새 정보를 받았는지 알 수 없다면 공개 완료와 수집 확인을 나눠 남긴다. 각 경우에 필요한 다음 작업이 다르다.

읽기 쉬운 제목·문단·표는 답을 이해하는 데 맞춰 편집한다. 문장을 짧게 쪼개기 위해 제품 대상이나 예외 조건을 잘라내면 오히려 독자는 적용 범위를 잃을 수 있다. 표시에 넣을 속성이 부족하다는 이유로 없는 리뷰·수치·체험을 채우지 않는 것과 같은 원칙이다. 설명을 더 정확하게 만드는 작업에서 시작하고, 검색 성과는 실제 기록으로 확인한다.

자료는 2026년 10월 13일 확인했다. Ahrefs의 조사 원시 자료를 재현하거나 실제 AI 답변·Search Console·Rich Results Test·상품 피드 계정을 실행하지 않았다. 장비 업체의 기사·리뷰·판매 묶음과 작업 인수는 적용 판단을 위한 가정이며, 대표 사진도 생성한 설명 이미지다.