콘텐츠 품질이 비슷하다면 AI 엔진은 저자를 확인할 수 있고 그 신원을 기계가 검증할 수 있는 페이지를 우선합니다. 반면 회사 이름으로만 발행되어 바이라인도, 저자 정보도 없는 좋은 글은 생성형 답변에서 제외되기 쉽습니다. 그 결과 내용은 평범하더라도 저자가 명확하고 외부 검증 신호가 있는 글이 인용을 차지할 수 있습니다.
‘저자’는 왜 AI의 인용 선택에 영향을 줄까요?
AI가 답변을 생성할 때는 각각의 주장에 뒷받침할 만한 출처를 찾는 일이 중요합니다. 모델과 검색 계층은 인용할 문단을 선별하며 콘텐츠 자체의 명확성, 페이지의 구조화 데이터, 웹에서 확인할 수 있는 출처의 흔적 등 여러 신뢰 신호를 참고합니다. 저자 바이라인은 이 가운데 구조화 데이터와 외부 검증 신호를 모두 강화합니다. 실제로 존재하며 검증 가능한 인물이 글에 연결되어 있으면 콘텐츠 팜에서 만든 글이 아니라고 판단하기 쉽고, 인용에 따른 위험도 낮아집니다.
이는 Google이 E-E-A-T에서 거듭 강조해 온 방향과도 맞닿아 있습니다. 경험(Experience)과 전문성(Expertise)은 결국 사람을 통해 드러나야 합니다. 기존 SEO가 실제 독자에게 저자 페이지를 보여주는 데 초점을 맞췄다면, GEO에서는 기계가 그 정보를 수집하고 이해할 수 있어야 합니다. 즉 ‘누가 이 글을 썼고 어떤 사람인가’를 기계가 읽을 수 있는 형식으로 제공해야 하며, 그 역할을 하는 것이 구조화 데이터입니다.
Person Schema와 sameAs는 AI에 무엇을 알려줄까요?
아티클의 Article 구조화 데이터에는 author 속성이 있습니다. 이 값은 단순한 이름 문자열이 아니라 Person 객체여야 합니다. Person 객체에서 가장 중요한 두 속성은 name과 sameAs입니다. name에는 저자 이름을, sameAs에는 다른 플랫폼에 존재하는 동일 인물의 공식 프로필 URL을 배열로 넣습니다. 기계에 ‘이 사람은 Wang Xiaoming이며, LinkedIn과 X의 해당 인물, 회사 팀 페이지의 그 인물과 동일하다’고 알려주는 셈입니다.
sameAs의 역할은 여러 곳에 흩어진 신원을 하나의 엔터티로 묶는 것입니다. 이를 통해 ‘이름 하나’가 ‘경력과 업무 이력, 커뮤니티 활동 흔적을 갖춘 인물’로 구체화됩니다. 연결된 정보가 서로를 충분히 뒷받침할수록 저자 엔터티는 안정적으로 형성되고, 그 이름으로 발행된 콘텐츠의 신뢰도도 높아집니다.
sameAs에는 어떤 링크를 넣어야 할까요?
- 자사 사이트의 저자 페이지: /author/...처럼 독립된 URL을 사용하고 Person Schema도 포함합니다.
- LinkedIn 개인 프로필: B2B 환경에서 가장 중요하며 교차 검증하기도 쉽습니다.
- X(Twitter) 개인 계정
- 공신력 있는 전문 프로필: Crunchbase, GitHub, 학술 분야의 ORCID, 업계 미디어의 저자 페이지 등이 해당합니다.
- 저자가 Podcast, 공개 강연 프로필 또는 Wikipedia 문서를 보유하고 있다면 함께 추가합니다.
4단계로 구현하기: 기계가 읽을 수 있는 데이터로 작성합니다.
순서가 중요합니다. 먼저 서로 연결된 저자 엔터티를 구축한 다음 페이지에 바이라인을 표시해야 합니다. 순서를 뒤집어서는 안 됩니다.
- 주요 저자마다 독립된 저자 페이지를 만듭니다. 페이지에는 Person Schema(name, jobTitle, description, image, worksFor, sameAs)를 적용하고, 해당 저자가 실제로 작성한 글 목록도 제공합니다.
- 각 아티클의 Article/BlogPosting JSON-LD에서 author를 Person 객체로 설정합니다. url은 앞서 만든 저자 페이지를 가리키게 하고 동일한 sameAs URL 묶음을 사용합니다.
- 사용자에게 보이는 페이지에도 동일한 바이라인을 표시합니다. 글의 시작이나 끝에 이름, 직함, 짧은 소개, 저자 페이지 링크가 포함된 저자 카드를 배치합니다. 구조화 데이터는 화면에 보이는 콘텐츠와 일치해야 하며 소스 코드에만 숨겨 두어서는 안 됩니다.
- 바이라인, 저자 페이지, JSON-LD에 표시되는 이름을 동일하게 유지합니다. Wang Xiaoming을 어떤 곳에서는 Ming이나 영어 이름으로 표기하면 기계가 동일 인물을 서로 다른 두 엔터티로 분리할 수 있습니다.
가장 자주 발생하는 4가지 오류
- 사람이 아닌 회사명을 author에 입력합니다. 회사는 publisher에 지정할 수 있지만 author에는 Person을 사용해야 합니다.
- 콘텐츠가 거의 없거나 이름조차 일치하지 않는 소셜 계정을 sameAs에 연결합니다. 이런 링크는 오히려 부정적인 신호가 될 수 있습니다.
- 저자 페이지에 사진 한 장만 있고 작성한 글 목록이 없습니다. 이 상태로는 ‘실제로 글을 쓰는 사람’이라는 점을 입증하기 어렵습니다.
- JSON-LD에는 저자가 있지만 페이지에는 바이라인이 보이지 않습니다. 두 정보가 일치하지 않으면 SEO를 위해 데이터만 삽입한 것으로 판단되기 쉽습니다.
AI가 저자를 실제로 인식했는지 어떻게 확인할까요?
마크업을 적용했다고 작업이 끝나는 것은 아닙니다. ChatGPT, Perplexity 또는 Google AI 같은 생성형 엔진에 저자를 직접 질문해 보세요. 모델이 저자가 누구인지, 어디에서 일하는지, 무엇을 썼는지 정확히 설명하는지 확인합니다. 답변할 수 있다면 저자 엔터티 신호가 제대로 수집되고 해석됐다는 뜻입니다. 답변하지 못한다면 sameAs 연결이 약하거나 외부 플랫폼에서 수집할 만한 저자의 활동 흔적이 거의 없는 경우가 많습니다. 이는 Schema만의 문제가 아닙니다. LinkedIn과 같은 플랫폼에서 저자가 실제로 꾸준히 콘텐츠를 발행하고 활동해야 합니다.
아티클 한 편의 바이라인에서 사이트 전체의 저자 권위로
아티클 한 편에 sameAs를 적용하는 것은 시작일 뿐입니다. 실질적인 격차는 소수의 핵심 저자가 같은 주제로 꾸준히 콘텐츠를 발행하고, 인용되는 문단 뒤에 그들의 이름이 반복해서 등장할 때 생깁니다. 저자 신호를 일회성 마크업이 아니라 축적되는 자산으로 다뤄야 합니다. Tenten GEO의 콘텐츠 엔진은 고객사 콘텐츠를 기획할 때 먼저 어떤 저자가 이미 인지도를 갖췄는지, 누구에게 외부 활동 흔적이 부족한지 파악한 뒤 작성 방향을 결정합니다. 웹에 존재 흔적이 없는 저자는 데이터 태그만으로 살릴 수 없기 때문입니다. AI가 저자 신호를 충분히 강하게 인식하는지 확인하고 싶다면 30분 GEO 진단을 신청해 보세요. 실제 아티클을 생성형 엔진에 질의해 누구를 저자로 인식하는지 직접 확인합니다.
