‘구조화된 데이터(Structured Data)’에 대해 알고 계시나요? 구조화된 데이터는 검색엔진이 콘텐츠를 잘 이해하여 검색엔진결과페이지에 더 효과적으로 노출시키도록 도와주는 웹표준 형식인데요. 이제 웹페이지에 구조화된 데이터를 잘 적용하는 것은 검색엔진최적화(SEO)에서 선택을 넘어 필수가 되고 있습니다. 오늘은 구조화된 데이터가 어떤 기능을 하고 왜 중요한지, 나아가 어떻게 적용할 수 있을지 알아보겠습니다.
💡 아래에서 관심 있는 주제를 클릭하여 해당 본문으로 바로 이동해보세요.
구조화된 데이터란?
일반적으로 검색엔진결과에 한 페이지가 노출되는 경우, 그 콘텐츠의 타이틀 태그와 간단한 콘텐츠 설명, 도메인 주소 등이 작은 영역에 들어가게 됩니다. 구글에서는 그 중에서도 타이틀 태그가 가장 크게 파란색으로 노출되어서, 이를 놓고 ‘Blue Link(파란색 링크)’라고 부르기도 합니다.
그런데 구글 검색 결과 중 일반적인 블루 링크 형태가 아닌 결과도 있습니다. 위의 경우처럼, 타이틀 뿐 아니라 이미지, 별점, 리뷰 수, 물건의 가격, 심지어는 구매 가능 여부까지 다양한 정보가 SERP에서 노출되고 있죠. 이것을 리치 검색 결과라고 합니다. 어떻게 가능할까요? 바로 구조화된 데이터 마크업을 통해 해당 페이지가 특정한 성격의 콘텐츠임을 검색엔진에게 알려주었기 때문입니다.
위 예시 이미지를 볼까요? 실제로 레시피 형식의 구조화된 데이터가 적용된 페이지의 소스 코드입니다. 살펴 보면 “@type: Recipe”로 콘텐츠 형식이 정의되어 있고 “ratingValue”, “reviewCount”, “totalTime”, “recipeYield” 등 다양한 속성이 지정되어 있습니다. 이렇게 속성별 지정된 값을 통해 검색엔진이 콘텐츠를 잘 이해하고, 결과 페이지에 적절한 정보들을 노출할 수 있게 됩니다.
구조화된 데이터 용어와 형식
대부분의 검색엔진에서 구조화된 데이터로는 schema.org 용어를 사용합니다. 그래서 구조화된 데이터 마크업을 통상 ‘스키마 마크업’이라고도 표현하는데요. 대표적으로 Product, Review, FAQ, HowTo, BreadcrumbList, Organization 등의 스키마 타입을 많이 사용합니다.
구조화된 데이터를 작성하는 형식은 다양하지만, 구글에서 권장하고 대중적으로 사용하는 것은 JSON-LD 형식입니다. 이렇게 작성된 마크업 언어는 HTML 내부의 <script> 요소에 삽입하면 됩니다.
구조화된 데이터가 중요해지는 이유
그렇다면 구조화된 데이터는 왜 중요할까요? 앞서 말씀드린 것처럼, 구조화된 데이터 마크업은 기존의 SEO 전략을 강화할 뿐 아니라 앞으로 더 발전하게 될 AI 검색에서도 콘텐츠 경쟁력을 갖추는 데에 핵심적인 역할을 수행할 것입니다. 아래에서 더 상세하게 이야기해 보겠습니다.
1. 검색 노출 기회 확대
스키마 마크업은 콘텐츠 유형과 그에 맞는 속성을 명확하게 정의해 검색엔진에 전달합니다. 따라서 검색 유형이 마크업된 콘텐츠에 상응할 경우, 그렇지 않은 콘텐츠에 비해 노출될 가능성이 월등히 높아집니다.
2. 검색 결과 경험 강화 및 클릭률 상승
구조화된 데이터 마크업을 통해 노출된 콘텐츠는 일반 블루 링크에 비해 시각적으로 훨씬 더 강화된 경험을 줍니다. 가령 ‘hair iron’이라는 제품에 대해 제품명만 나열된 검색결과보다, 이미지와 가격, 리뷰 수와 별점 등이 함께 제공된 검색결과가 사용자에게 더 매력적이겠죠. 그리고 기본적인 정보를 인지하고 클릭한 고객인 만큼 전환가능성 또한 더 높을 것입니다. 실제로 구글 검색센터에서 밝힌 자료에 의하면, 리치 결과로 표시되는 페이지의 클릭률이 일반 검색결과로 표시되는 페이지보다 82% 더 높았다고 합니다.
3. AI 신뢰도 및 이해도 향상
구글의 AI 오버뷰, OpenAI의 GPT 서치, 마이크로소프트의 Copilot 등, 검색엔진과 생성형 AI가 결합된 AI 검색 서비스가 확대되고 있습니다. 생성형 AI 검색은 단순히 키워드를 매칭해서 정보를 보여주는 기존 검색 방식과는 달리, 웹의 다양한 콘텐츠를 학습해서 새롭게 재구성된 답변을 제공합니다. 따라서 이 관점에서는 개별 콘텐츠에 어떤 키워드를 어떻게 많이 넣어서 검색 키워드 매칭 확률을 높일지보다, 어떻게 AI가 다른 콘텐츠보다 나의 콘텐츠를 더 많이 신뢰하고 학습할지를 고민해야 합니다.
이때, AI가 학습하는 콘텐츠에 구조화된 데이터 마크업이 제공되어 있다면 AI가 콘텐츠 내 정보의 연결성을 더 빠르고 정확하게 파악할 수 있고, 이후 재구성된 답변을 생성할 때 정보 요약 및 압축의 기준으로도 구조화된 데이터를 활용할 수 있습니다. 궁극적으로 AI가 상대적으로 더 신뢰할만한 정보원이 될 수 있는 것이죠.
구조화된 데이터 마크업 가이드
이제 구조화된 데이터 마크업을 어떻게 우리 페이지에 적용할 수 있을지 살펴보겠습니다.
1. 적용 가능한 스키마 마크업 종류 확인
모든 스키마 마크업 종류가 검색엔진에서 리치 결과를 지원하지는 않습니다. 검색엔진에 따라 지원하는 스키마 마크업 종류가 다르기 때문에 이를 사전에 확인하는 작업이 중요합니다. 현재 구글은 35가지, 네이버는 14가지의 스키마 마크업 종류를 지원하고 있습니다. 제품이나 서비스를 판매하는 브랜드라면 그 중 조직(Organization), 제품(Product), 탐색경로(BreadcrumbList), FAQ 등의 스키마 마크업 종류를 활용할 수 있습니다.
2. 속성 확인 및 작성
스키마 마크업 종류마다 필수 속성과 권장 속성이 있습니다. 필수 속성은 꼭 작성해야 하는 내용이며, 권장 속성은 필수는 아니지만 작성하면 리치 결과 노출에 도움을 줄 수 있는 내용입니다. 대표적으로 Organization 타입에 대해 활용할 수 있는 속성들을 알아볼까요?
| 속성 | 설명 | 구글 | 네이버 |
|---|---|---|---|
| name | 조직명 | 권장 | 필수 |
| url | 공식 웹사이트 주소 | 권장 | 필수 |
| sameAs | SNS등 공식 프로필 링크들 | 권장 | 필수 |
| address | 조직의 주소 | 권장 | 권장 |
| contactPoint | 사용자가 연락할 수 있는 방법 | 권장 | 권장 |
| telephone | 조직 전화번호 | 권장 | 권장 |
| 조직 이메일 | 권장 | 권장 | |
| FoundingDate | 설립날짜 | 권장 | 권장 |
| logo | 조직 로고 URL 혹은 ImageObject | 권장 | 권장 |
| numberOfEmployees | 직원 수 정보 | 권장 | 권장 |
이 밖에도 다양한 속성들이 있으니 각 검색엔진의 검색 가이드를 확인해 보시고 비즈니스 목표에 맞는 스키마 마크업 코드를 작성해 보세요. 아래는 예시 코드입니다.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "회사명",
"url": "회사 웹사이트 URL",
"logo": "로고 이미지 경로",
"sameAs": [
"회사 인스타그램 URL",
"회사 유튜브 채널 URL"
],
"contactPoint": {
"@type": "ContactPoint",
"telephone": "+82-2-1234-5678",
"contactType": "customer service",
"areaServed": "KR",
"availableLanguage": ["Korean", "English"]
},
"foundingDate": "2017-06-01",
"address": {
"@type": "PostalAddress",
"streetAddress": "139 Dosan-daero",
“addressRegion”: “Gangnam-gu”,
"addressLocality": "Seoul",
"postalCode": "06036",
"addressCountry": "KR"
}
}
</script>
3. 구조화된 데이터 사전 검증
마지막으로 작성한 코드가 실제로 문제 없이 검색엔진에게 이해될 수 있을지 검증해야 합니다. Schema.org에서 제공하는 Schema Markup Validator 사전 검증 툴을 이용할 수도 있고, 구글 서치콘솔에서 제공하는 리치 검색결과 테스트 툴을 이용할 수도 있습니다. 전자의 경우 구조상의 문제만 파악할 수 있어, 코드 내 오탈자나 잘못된 정보가 있는지는 별도로 확인 작업이 필요합니다.
지금까지 기존의 검색엔진 뿐 아니라 AI 검색에서도 전략적으로 콘텐츠를 노출시키기 위해 필요한 구조화된 데이터에 대해 알아보았습니다. 이렇게 마크업된 데이터는 검색엔진에게 더 이해하기 쉬운 정보를 제공함으로써 노출 가능성이 올라가지만, 모든 경우에 리치 검색결과로 이어진다고 보장할 수는 없습니다. 테크니컬 SEO를 통해 구축된 도메인의 신뢰도, 온페이지 SEO를 통한 클릭률 강화, 링크 빌딩 등 전반적인 차원에서 최적화 작업이 함께 이루어질 때 검색 경쟁에서 더욱 유리한 위치를 점할 수 있습니다.
TBWA DataLab은 구조화된 데이터 마크업은 물론, 웹사이트의 전체적인 최적화 상태를 점검하고 개선한 후 관리하는 모든 과정에서 전문적인 컨설팅 서비스를 제공합니다. SEO와 SEO 컨설팅에 대해 더 궁금하시다면, 아래 버튼을 통해 더 자세히 알아보세요!
📌 이런 주제의 글은 어떤가요? 😊
