콘텐츠를 Google AI Overviews의 인용 출처로 노출하려면 FAQPage나 HowTo 스키마를 무작정 추가하는 것보다 먼저 콘텐츠 구조를 다듬어야 합니다. Google은 구조화 데이터 자체가 AI Overviews의 직접적인 순위 신호는 아니라고 여러 차례 밝혔습니다. 구조화 데이터의 실제 역할은 페이지 정보를 기계가 정리하고 추출해 답변에 활용할 수 있는 최소 단위로 나누는 것입니다. 즉, 스키마는 순위를 올리는 마법의 장치가 아니라 콘텐츠를 AI 엔진이 인용하기 좋은 형태로 작성하도록 만드는 틀입니다.
AI Overviews에서 구조화 데이터가 실제로 하는 일
AI Overviews의 기본 원리는 추천 스니펫과 패시지 추출의 논리를 잇습니다. 엔진은 검색어를 해석하고 색인에서 가장 직접적인 답변을 고른 뒤, 이를 출처 링크와 함께 다시 구성합니다. 선택되려면 해당 문단이 무엇에 관한 내용인지, 어떤 질문에 답하는지, 절차의 첫 단계가 무엇인지 명확해야 합니다. 구조화 데이터는 엔진이 이해할 수 있도록 정보의 경계와 의미를 표시해 오해의 여지를 줄입니다. 문단이 독립적으로 완결되고 의미가 명확할수록 원문 그대로 인용될 가능성이 커집니다.
여기서 많은 사람이 과거의 검색 노출 방식을 그대로 적용합니다. Google은 2023년 FAQ와 HowTo의 리치 결과 노출을 대폭 축소했습니다. FAQ 리치 결과는 일부 정부 및 의료 사이트로 제한됐고, HowTo의 시각적 단계 표시도 사라졌습니다. 따라서 검색결과에 펼침 메뉴를 띄우려는 목적으로 FAQPage를 마크업하는 것은 더 이상 의미가 없습니다. 다만 AI Overviews를 비롯한 여러 AI 엔진은 여전히 원본 HTML과 태그를 읽습니다. 스키마는 콘텐츠 구조를 해석하는 안내판으로 남아 있습니다. 핵심은 콘텐츠 자체의 구조이며, 스키마는 그 구조를 기계가 읽을 수 있는 명시적인 언어로 표현합니다.
FAQPage: 질문과 답변을 재사용 가능한 최소 단위로 작성하기
AI 엔진이 가장 활용하기 쉬운 단위는 ‘하나의 질문과 그 자체로 완결된 답변’입니다. FAQPage의 가치는 해당 영역에 마크업을 붙이는 데 있지 않습니다. 콘텐츠를 이런 형태로 나누도록 만든다는 점에 있습니다. 각 문답은 다른 맥락 없이도 단독으로 이해되고 재사용될 수 있어야 합니다. 여러 내용을 길게 이어 붙인 문단이라면 스키마를 아무리 추가해도 해결되지 않습니다.
- ‘가시성 연간 평가’처럼 모호하게 쓰지 말고 ‘GEO 감사에는 얼마나 걸리나요?’처럼 실제 검색 의도가 드러나는 질문을 작성합니다.
- 답변은 40~80단어로 작성하고, 첫 문장에서 결론을 제시한 뒤 조건이나 범위를 덧붙입니다.
- 한 답변에는 한 가지 질문만 다룹니다. 같은 문단에서 세 가지를 한꺼번에 설명하면 엔진이 어느 문장을 추출해야 할지 판단하기 어렵습니다.
- ‘약 한 달’보다 구체적인 숫자, 단위, 고유 명칭이 포함된 문장이 인용되기 쉽습니다.
- 한 페이지에서 같은 질문을 반복하지 않습니다. 중복 콘텐츠는 각 문답의 명확성을 떨어뜨립니다.
HowTo: AI가 재구성할 수 있도록 절차를 순서대로 나누기
사용자가 ‘어떻게 해야 하나요?’라고 물으면 AI는 대개 번호가 매겨진 절차로 답합니다. HowTo 스키마는 검색결과에서 노출이 축소됐지만, 순서가 있는 단계와 각 단계의 행동, 필요한 도구 및 재료라는 데이터 형태를 정의합니다. 이는 엔진이 답변을 재구성할 때 사용하는 뼈대가 됩니다. 가이드 콘텐츠를 HowTo 구조에 맞춰 작성하는 것은 엔진이 활용할 답변을 미리 정돈해 두는 것과 같습니다.
- 먼저 전체 절차가 무엇인지, 몇 단계로 구성되는지, 시작 전에 필요한 조건은 무엇인지 요약합니다.
- 각 단계에는 하나의 명확한 행동만 담고 ‘설정합니다’, ‘인증합니다’, ‘제출합니다’처럼 동사로 시작합니다. 한 문장에 두세 가지 행동을 묶지 않습니다.
- 앞 단계의 결과가 다음 단계의 입력이 되도록 순서를 유지합니다. 단계를 건너뛰거나 서로 순환하게 만들지 않습니다.
- 도구, 권한, 예상 소요 시간은 별도 항목으로 표시하고 `tool`, `supply`, `totalTime` 속성에 대응시킵니다.
- AI가 한두 단계만 골라 답변할 수도 있으므로 각 단계는 단독으로 읽어도 이해되는 문장으로 작성합니다.
엔티티: AI에 누구이며 무엇을 말하는지 알리기
앞의 두 스키마가 ‘콘텐츠를 어떤 형태로 추출할 것인가’를 다룬다면, 엔티티 마크업은 ‘이 콘텐츠가 누구와 무엇에 관한 것인가’를 설명합니다. AI 엔진은 답변을 생성할 때 어떤 조직, 제품, 인물을 말하는지 확인하고 신뢰할 수 있는 출처인지 판단합니다. 엔진이 자사 브랜드와 다른 엔티티를 구분하지 못하면, 콘텐츠가 더 뛰어나더라도 경쟁사의 정보를 인용하거나 자사 콘텐츠를 아예 제외할 수 있습니다.
구현의 핵심은 세 가지입니다. 첫째, `Organization` 또는 `Person` 스키마로 브랜드 엔티티를 만들고 `sameAs`에 Wikipedia, Wikipedia, LinkedIn, GitHub 등의 프로필을 연결해 엔진이 기존 지식과 브랜드를 연계하도록 합니다. 둘째, 문서 수준에서 `about`과 `mentions`를 사용해 글이 주로 다루는 엔티티와 부수적으로 언급하는 대상을 구분하고, 엔진이 주제를 판단하도록 돕습니다. 셋째, 사이트 전체에서 브랜드명, 주소, 로고, 창업자 정보를 일관되게 유지합니다. 정보가 서로 맞지 않으면 엔티티의 신뢰도가 낮아집니다.
AI에 인용되려면 먼저 AI가 해당 엔티티를 정확히 식별할 수 있어야 합니다. 콘텐츠 품질은 인용할 가치가 있는지를 결정하고, 엔티티의 명확성은 엔진이 그 출처를 신뢰할 수 있는지를 결정합니다.
페이지 적용 체크리스트
- 페이지의 목적을 정합니다. 어떤 질문, 지식, 절차를 다루는지 확인한 뒤 FAQPage와 HowTo 중 적합한 유형을 선택합니다.
- 사용자에게 보이는 콘텐츠부터 바로잡습니다. 독립적으로 이해되는 문답, 순서가 분명한 단계, 명확한 엔티티를 작성하고 스키마에는 이미 존재하는 내용만 표시합니다.
- JSON-LD로 페이지에 적용합니다. 한 페이지에서는 하나의 주요 유형을 중심으로 구성하고, 과도한 마크업으로 엔진의 해석을 방해하지 않습니다.
- 사이트 전반에 `Organization`과 `sameAs`를 추가합니다.
- Google 리치 결과 테스트와 Schema.org 검사 도구로 오류나 응답하지 않는 필드가 없는지 확인합니다.
- 게시 후에는 AI 가시성 모니터링 같은 추적 도구를 사용해 실제로 어떤 AI 엔진이 콘텐츠를 활용하고 어느 문장을 인용하는지 확인한 뒤 콘텐츠에 반영합니다.
구조화 데이터가 콘텐츠를 곧바로 AI 답변에 올려 주지는 않습니다. 다만 좋은 콘텐츠를 엔진이 이해할 수 있는 언어로 바꾸는 계층입니다. 답변과 단계, 사실을 먼저 명확하게 작성한 뒤 스키마로 고정하면 페이지는 ‘엔진이 의미를 추측해야 하는 상태’에서 ‘엔진이 바로 추출할 수 있는 상태’로 바뀝니다. AI 엔진의 관점에서 페이지에 무엇이 부족한지, 인용 기회를 누가 가져갔는지 알고 싶다면 30분 GEO 진단을 예약하세요. 실제 URL을 기준으로 함께 점검해 드립니다.
