스키마 마크업(구조화 데이터)은 JSON-LD 형식으로 HTML에 추가하는 태그 어휘로, 검색 엔진과 AI 모델이 콘텐츠를 더 깊이 이해하게 해요. 단순히 텍스트를 읽는 것을 넘어 특정 엔티티를 파악할 수 있어요: 이것이 제품 리뷰인지, 레시피인지, FAQ인지, 용어 정의인지.
| 차원 | SEO 효과 | GEO 효과 |
|---|---|---|
| 발견 가능성 | 리치 결과(별점, FAQ 아코디언, 방법 카드) | AI 검색 시스템이 구조화 데이터 파싱 |
| CTR / 인용 | 리치 결과가 CTR 20~30% 증가 | 구조화 Q&A 형식이 AI 인용 패턴과 일치 |
| 권위 신호 | dateModified, author → 최신성 신호 | E-E-A-T 신호가 AI 신뢰 점수 개선 |
| 엔티티 인식 | 지식 패널 자격 | AI가 브랜드를 인용 가능 엔티티로 인식 |
스키마 마크업이 있는 페이지는 Google에서 리치 결과를 얻을 확률이 2~4배 높아요. GEO에서는 AI 모델과 RAG 검색 시스템이 구조화 데이터를 활용해 콘텐츠의 의미를 파악하고, AI 인용 소스로 선택될 가능성을 높여줘요.
| 스키마 타입 | SEO 효과 | GEO 효과 | 우선순위 |
|---|---|---|---|
| FAQPage | SERP FAQ 아코디언 | AI가 Q&A 쌍 추출해 인용 | 🔴 필수 |
| Article | 날짜·저자 리치 결과 | AI가 권위 + 최신성 파악 | 🔴 필수 |
| Organization | 지식 패널 | AI가 브랜드 엔티티 파악 | 🔴 필수 |
| HowTo | 단계별 리치 결과 | AI가 절차 추출 | 🟠 높음 |
| DefinedTerm | 용어 리치 결과 | AI가 정의 파악 | 🟠 높음 |
| Product | SERP 가격·평점 | AI가 제품 사양 추출 | 🟡 보통 |
| BreadcrumbList | SERP 네비게이션 | AI가 사이트 계층 이해 | 🟡 보통 |
FAQPage는 AI 모델이 자연스럽게 사용하는 Q&A 형식과 일치해요. Article의 `author`와 `dateModified`는 E-E-A-T 권위를 신호해요: Google과 AI 모델 모두에서 가장 강한 신뢰 신호예요.
| 실수 | 영향 | 해결 |
|---|---|---|
| 보이는 콘텐츠와 불일치하는 스키마 | Google이 무시 또는 페널티 | 스키마가 실제 페이지 콘텐츠를 반영하도록 |
| 오래된 `dateModified` | AI 모델이 "구식" 소스로 건너뜀 | 콘텐츠 변경 시 자동 업데이트 |
| Article에 `author` 누락 | 약한 E-E-A-T 신호 | 저자명, URL, 자격증 추가 |
| FAQPage에 너무 많은 항목 | Google이 전부 무시할 수 있음 | 가장 관련 있는 5~10개로 제한 |
| 홈페이지에 Organization 스키마 없음 | 지식 패널 자격 없음 | logo, sameAs, contactPoint와 함께 추가 |