AI 엔진이 질문에 답할 때 대조하는 것은 페이지에 들어 있는 키워드가 아닙니다. 내부적으로 파악한 ‘당신은 누구이며 무엇과 관련되어 있는가’를 바탕으로 답을 구성합니다. 이때 인식의 최소 단위를 엔티티라고 합니다. 브랜드가 명확한 엔티티로 정의되어 있지 않다면 콘텐츠를 아무리 많이 발행해도 Google의 AI Overviews, ChatGPT, Perplexity는 브랜드를 정체성 없는 문자열로만 취급합니다. 추천이 필요한 순간에도 이름을 언급하지 않습니다. 엔티티 SEO의 목적은 기계가 브랜드를 알아보고 기억하며, 어떤 맥락에서 언급해야 하는지 이해하게 만드는 데 있습니다.
엔티티란 무엇이며, 기계는 왜 키워드가 아닌 엔티티를 인식할까요?
엔티티는 독립된 정체성을 지녀 명확히 식별할 수 있는 대상입니다. 회사, 사람, 제품, 장소, 개념이 모두 엔티티가 될 수 있습니다. 키워드가 단순한 문자열이라면 엔티티에는 속성과 관계가 있습니다. ‘Apple’이라는 문자열만으로는 과일인지 iPhone을 만드는 회사인지 알 수 없습니다. 하지만 ‘쿠퍼티노에 본사가 있고, Tim Cook이 이끌며, iPhone을 제품으로 보유한다’는 속성 묶음과 연결하면 모호한 문자열은 특정 엔티티가 됩니다. 지난 십 년간 검색 엔진과 AI 엔진이 발전해 온 핵심도 문자열 대조에서 엔티티 이해로의 전환에 있습니다.
이 차이는 브랜드 노출에 곧바로 영향을 미칩니다. 사용자가 “타이베이에서 B2B SaaS를 다루는 GEO 에이전시는 어디인가?”라고 물으면 AI는 어떤 페이지가 해당 단어를 가장 많이 반복했는지 찾지 않습니다. 자신이 보유한 지식에서 ‘에이전시 × GEO × B2B × 타이베이’라는 속성의 교집합에 해당하는 엔티티를 찾아 목록으로 제시합니다. 목록에 포함되는지는 웹사이트의 단어 노출 횟수가 아니라, 기계가 브랜드를 그러한 엔티티로 구축했는지에 달려 있습니다. 번체 중국어 브랜드가 많은 콘텐츠를 보유하고도 AI 답변에서 전혀 언급되지 않는 근본적인 이유가 여기에 있습니다.
지식 그래프는 어떻게 작동할까요?
지식 그래프는 엔티티와 그 관계로 구성된 네트워크입니다. 각 노드는 하나의 엔티티이며, 노드를 잇는 선은 관계를 뜻합니다. 예를 들면 ‘Tenten GEO — 제공한다 — GEO 감사’, ‘Tenten GEO — 위치한다 — 타이베이’와 같습니다. 가장 잘 알려진 사례는 Google의 Knowledge Graph이지만, 대규모 언어 모델도 학습 과정에서 이와 유사한 관계망을 매개변수에 압축해 저장합니다. AI 답변에 브랜드가 명확히 인용되려면 이 네트워크에서 브랜드를 나타내는 노드가 충분히 선명하고 관계도 정확해야 합니다. 온전히 구축된 엔티티에는 일반적으로 다음 정보가 포함됩니다. 기계는 이를 바탕으로 브랜드가 누구이며 어떤 상황에서 언급해야 하는지 판단합니다.
- 공식 명칭과 별칭: 브랜드의 공식 명칭, 영문명, 통용 약칭, 이전 명칭을 제공해 서로 다른 표현이 같은 대상을 가리킨다는 사실을 기계가 이해하게 합니다.
- 유형: 회사인지, 소프트웨어인지, 인물인지 명시합니다.
- 속성: 소재지, 설립 시기, 서비스, 산업 분야 등의 정보입니다.
- 관계: 창업자와 모회사, 함께 자주 등장하는 제품이나 개념 등의 연결 정보입니다.
- 권위 출처: Wikipedia, LinkedIn, 업계 디렉터리 등 해당 사실을 확인해 주는 외부 웹사이트입니다.
번체 중국어 브랜드가 특히 불리한 이유
엔티티 지식의 기반이 되는 출처는 대부분 영어 자료에 집중되어 있습니다. Wikipedia, Wikidata, 각종 영문 업계 데이터베이스가 모델의 세계 인식에 영향을 줍니다. 그러나 이러한 출처에서 번체 중국어 브랜드가 다뤄지는 범위는 대체로 매우 제한적입니다. 같은 수준의 노력을 들여도 영어권 브랜드는 비교적 쉽게 명확한 엔티티로 구축되는 반면, 번체 중국어 브랜드는 ‘이름은 알지만 정확히 누구인지는 확신할 수 없는’ 미완성 상태에 머무르기 쉽습니다. 추천이 필요한 상황에서는 결국 후보에서 제외됩니다.
명칭의 모호성은 문제를 더 복잡하게 만듭니다. 중국어 브랜드명은 일반 단어나 다른 회사, 심지어 사람 이름과 겹치는 경우가 많습니다. 간체자와 번체자 표기를 어떻게 연결할지, ‘Co., Ltd.’를 붙일지, 영문명과 중문명을 같은 대상으로 묶을지도 기계가 자동으로 처리해 준다고 기대하기 어렵습니다. 고객사를 감사할 때 가장 자주 발견하는 첫 번째 문제는 콘텐츠 부족이 아닙니다. 같은 회사가 서로 연결되지 않은 두세 개의 모호한 엔티티로 분리되어 AI가 어느 쪽도 주목할 만한 대상으로 판단하지 못하고, 그 결과 브랜드 노출이 분산되는 것입니다.
브랜드를 실체가 분명한 엔티티로 만드는 다섯 가지 실행 과제
브랜드를 명확한 엔티티로 구축하는 일은 글 하나를 작성하는 것으로 끝나지 않습니다. 기계가 여러 출처를 대조해 ‘이 브랜드가 누구인지’를 확인할 수 있어야 합니다. 다음은 실제 고객 프로젝트에서 적용하는 순서입니다.
- 고유한 공식 명칭을 정합니다. 공식 웹사이트, 푸터, 구조화 데이터, 소셜 계정, 업계 디렉터리에서 ‘Teng Teng’과 ‘Tenten’을 혼용하지 말고 동일한 표기를 사용합니다. 명칭이 일관되지 않으면 기계는 흩어진 언급을 하나의 엔티티로 통합할 수 없습니다.
- Schema.org로 브랜드 정보를 명시합니다. 공식 웹사이트에 Organization 구조화 데이터를 적용하고 name, url, logo를 입력합니다. sameAs를 사용해 LinkedIn, Wiki 정보, 업계 디렉터리 등 외부 페이지도 연결합니다. 기계에 ‘이 페이지들이 모두 같은 브랜드를 가리킨다’고 직접 알려주는 작업입니다.
- 엔티티의 기준이 될 대표 페이지를 구축합니다. 정보 밀도가 높고 사실관계가 명확한 회사 소개 또는 브랜드 페이지에서 누구인지, 무엇을 하는지, 어디에 있는지, 누가 창업했는지를 분명하게 설명합니다. 이 페이지가 기계가 브랜드 속성을 수집하는 권위 출처가 되도록 설계합니다.
- 외부 권위 출처를 보강합니다. Wikidata, LinkedIn, 신뢰할 수 있는 업계 디렉터리에 일관된 정보를 남깁니다. 여러 독립 출처가 같은 사실을 가리킬수록 기계가 브랜드 정보를 신뢰할 가능성이 높아집니다.
- 엔티티 간 연관성을 구축합니다. 브랜드가 연결되기를 원하는 주제, 제품, 산업과 함께 콘텐츠에 자연스럽게 등장하도록 합니다. 그래야 기계가 브랜드 노드를 올바른 관계에 연결하고, 네트워크 밖에 고립된 상태로 두지 않습니다.
엔티티가 제대로 구축되었는지는 어떻게 알 수 있을까요?
전통적인 SEO가 순위를 본다면 엔티티 SEO는 기계가 브랜드를 어떻게 인식하는지 살펴봅니다. 실무적으로 확인할 신호는 여러 가지입니다. Google에서 브랜드명을 검색했을 때 지식 패널이 나타나는지, AI 엔진이 관련 질문에 답하면서 브랜드를 자발적으로 언급하고 인용하는지, 모델에 브랜드가 무엇인지 물었을 때 답변이 정확하고 포지셔닝과 일치하는지 확인해야 합니다. 이러한 신호는 일반적인 키워드 순위 보고서에 나타나지 않습니다. AI 엔진 내 브랜드 노출을 별도로 추적해야 하며, 이것이 바로 AI 가시성 모니터링에서 다루는 영역입니다.
순위는 기계가 브랜드를 상위에 배치할 의향이 있는지를 보여주고, 엔티티는 기계가 브랜드를 알아보는지를 보여줍니다. 전자는 후자의 결과이며, 순서를 거꾸로 적용할 수 없습니다.
엔티티 SEO는 새로 좇아야 할 또 하나의 기술 용어가 아닙니다. AI 엔진 시대에 브랜드가 노출되기 위한 기반 조건입니다. 먼저 기계가 알아볼 수 있는 명확한 엔티티로 브랜드를 구축한 뒤 콘텐츠와 순위 개선에 집중해야 합니다. AI가 현재 브랜드를 어떻게 인식하는지, 어디에 문제가 있는지 확신하기 어렵다면 30분 GEO 진단을 예약해 보세요. 부족한 부분을 짚어드립니다.
