Schema는 왜 필요하지만, 충분하지는 않은가

2025년 11월 29일

좋은 포장은 좋은 내용물을 더 잘 전달한다. 하지만 내용물 자체를 대체할 수는 없다.

Schema를 먼저 하는 이유

기업 뉴스룸 리뉴얼 프로젝트가 시작되면, 개발팀이 가장 먼저 하는 일은 대부분 비슷하다. Schema Markup 구현, Open Graph 태그 정리, Structured Data 검증. 이런 기술적 최적화는 명확하고, 측정 가능하고, “완료” 상태를 확인할 수 있다.

그리고 이것은 분명히 필요한 일이다. Google Search Console에서 “문제 없음”으로 표시되고, Schema 검증 도구에서 모든 항목이 통과하면 팀은 만족스럽다. “이제 AI가 우리 콘텐츠를 제대로 읽을 수 있을 거야.”

하지만 몇 개월 뒤, Google 검색 순위는 조금 올랐을지 몰라도, ChatGPT에 회사 관련 질문을 해보면 여전히 인용되지 않는 경우가 많다. Perplexity에서도 마찬가지다. Schema는 완벽한데, AI는 여전히 우리를 참고하지 않는다.

반대 경우도 있다. Schema는 기본적인 수준인데, ChatGPT에는 반복적으로 인용되는 기업. 두 기업의 차이는 무엇일까?

왜?

1. Schema란 무엇인가

Schema Markup의 역할

Schema Markup은 AI가 콘텐츠 구조를 쉽게 파악하도록 HTML에 메타데이터를 추가하는 것이다.

예를 들어, 우리가 이렇게 HTML을 작성한다:

<h1>우리의 AI 전략</h1>
<p>작성자: 김철수</p>
<p>2024년 1월 6일</p>
<p>본문 내용...</p>

사람이 보면 “제목, 저자, 날짜, 본문”임을 알 수 있다. 하지만 컴퓨터(AI 포함)는 이것이 단순히 “h1 태그, p 태그의 나열”로만 보인다. 어느 것이 제목이고, 어느 것이 저자인지 추측해야 한다.

Schema를 추가하면:

<article itemscope itemtype="http://schema.org/Article">
  <h1 itemprop="headline">우리의 AI 전략</h1>
  <span itemprop="author">김철수</span>
  <time itemprop="datePublished">2024-01-06</time>
  <div itemprop="articleBody">본문 내용...</div>
</article>

이제 명확하다. “이것은 Article이고, headline은 ‘우리의 AI 전략’이며, author는 ‘김철수’, 발행일은 ‘2024-01-06’이다.”

Schema가 하는 일:

이것이 기사인지, 제품인지, 이벤트인지 구분
작성자, 날짜, 카테고리 등 메타정보 전달
콘텐츠 간 관계 정의 (예: 시리즈의 일부, 다른 글과 연결)

2. Schema의 필요성

Schema는 분명 필요하다

Schema가 없어도 AI가 콘텐츠를 읽을 수는 있다. 하지만 Schema가 있으면 훨씬 정확하고 빠르게 읽을 수 있다.

이유 1: 구조를 명확히 한다

Schema 없음:

제목처럼 보이는 큰 글씨
날짜처럼 보이는 숫자
본문처럼 보이는 긴 텍스트

AI: “추측: 이게 제목일 것 같고, 이게 날짜일 것 같고…”

Schema 있음:

<headline>제목</headline>
<datePublished>날짜</datePublished>
<articleBody>본문</articleBody>

AI: “명확: 이것이 제목, 이것이 날짜, 이것이 본문”

추측 없이 정확히 파악할 수 있다.

이유 2: 관계를 정의한다

Schema는 콘텐츠 간 관계도 명시할 수 있다.

이 글은 “스마트 팩토리 시리즈”의 3편
저자는 CTO
주제는 “AI 전략”
이전 글: [링크]
다음 글: [링크]

이런 정보가 있으면 AI는 단순히 개별 글을 읽는 게 아니라, 맥락 속에서 읽을 수 있다.

이유 3: 검색 엔진 신호

Google은 Schema를 긍정적으로 평가한다. Schema가 잘 구현된 페이지는:

Rich Snippet으로 표시될 가능성 ↑
검색 결과에서 더 많은 정보 노출
클릭률 향상

따라서 SEO 관점에서도 Schema는 분명히 유리하다.

3. Schema의 한계

그런데 왜 충분하지 않은가

Schema를 완벽히 구현했는데도 AI에게 인용받지 못하는 경우가 많다. 왜?

한계 1: 포장 vs 내용물

Schema는 포장이다. 콘텐츠 자체는 아니다.

책으로 비유하면:

Schema = 책 표지

제목, 저자, 카테고리 표시
“이게 무엇에 관한 책인지” 알려줌
목차 구조 보여줌

하지만:

책 내용이 부실하면?
목차는 있는데 설명이 없으면?
저자 주장이 일관성 없으면?

→ 표지는 완벽해도 추천 안 됨

실제 사례를 보자.

A사: Schema 완벽, 콘텐츠 얕음

<article itemscope itemtype="http://schema.org/Article">
  <h1 itemprop="headline">디지털 전환 추진</h1>
  <time itemprop="datePublished">2024-01-06</time>
  <div itemprop="articleBody">
    우리는 디지털 전환을 추진한다.
    새로운 시스템을 도입했다.
    효율이 향상될 것으로 기대된다.
    (총 450자)
  </div>
</article>

Schema는 완벽하다. AI는 이것이 Article이고, headline이 무엇이고, 언제 발행되었는지 정확히 안다.

하지만 내용을 보면:

“디지털 전환”이 무엇인지 정의 없음
왜 추진하는지 배경 없음
어떤 시스템인지 구체성 없음
무엇을 배웠는지 성찰 없음

B사: Schema 기본, 콘텐츠 깊음

<article>
  <h1>디지털 전환이란 무엇이며, 왜 필요한가</h1>
  <p>2024-01-06</p>
  <div>
    디지털 전환이란 우리에게 [명확한 정의]를 의미한다.
    
    이것이 필요한 이유는 [구체적 배경]이다.
    
    우리가 선택한 접근 방식은 [방법론]이며,
    [기존 방식]과 [이렇게] 다르다.
    
    실제 적용 과정에서 [사례]를 경험했고,
    여기서 [인사이트]를 얻었다.
    (총 2,500자)
  </div>
</article>

Schema는 기본 수준이다. 하지만 내용은:

명확한 정의
구체적 배경
실행 방법론
실제 경험
배운 점

ChatGPT에 “디지털 전환”을 물으면 B사가 인용된다. A사는 Schema가 완벽해도 인용되지 않는다.

Schema는 AI가 콘텐츠를 “읽기 쉽게” 만든다. 하지만 “읽을 가치”는 만들지 못한다.

한계 2: 기술이 해결 못 하는 것

Schema로 할 수 있는 것:

이것이 기사임을 명시
제목, 저자, 날짜 표시
카테고리, 태그 정의
다른 글과의 관계 명시

Schema로 할 수 없는 것:

설명 깊이 만들기
관점 일관성 유지
시간에 걸친 축적
정의 → 해설 → 확장 구조

이건 사람이 사고하며 써야 한다.

예를 들어:

<article itemscope itemtype="http://schema.org/Article">
  <meta itemprop="inLanguage" content="ko-KR" />
  <link itemprop="mainEntityOfPage" href="https://..." />
  <span itemprop="author">김철수</span>
  <span itemprop="publisher">우리회사</span>
  
  <!-- 여기까지 Schema는 완벽 -->
  
  <div itemprop="articleBody">
    <!-- 하지만 이 안의 "사고 구조"는 Schema가 못 만듦 -->
    ESG를 추진한다. (정의 없음)
    중요하다. (왜 중요한지 없음)
    앞으로도 계속하겠다. (어떻게 할 건지 없음)
  </div>
</article>

Schema는 “이것은 ESG에 관한 기사다”라고 말해줄 수 있다. 하지만 “ESG를 어떻게 정의하고, 왜 중요하며, 어떻게 실행하는지”의 사고 구조는 Schema가 만들어주지 않는다.

한계 3: 관찰되는 실제 사례

여러 기업 뉴스룸을 보면 패턴이 보인다.

패턴 A: Schema 완벽, 인용 없음

Schema Markup 100% 구현
Google 검증 도구 통과
콘텐츠: 보도자료 형식, 평균 400자
ChatGPT 인용: 없음

패턴 B: Schema 기본, 인용 많음

Schema는 기본적 수준
일부 태그만 구현
콘텐츠: 심층 설명, 평균 2,500자, 시리즈 구조
ChatGPT 인용: 반복적으로 나타남

Schema는 “읽기 쉽게” 만든다. 하지만 “읽을 만한 내용”이 없으면 인용되지 않는다.

4. Schema + 사고 구조

이상적 조합

Schema와 콘텐츠는 대립 관계가 아니다. 함께 작동해야 한다.

레이어 1: 사고 구조 (필수 기반)

먼저 콘텐츠 자체가 갖춰야 할 것:

명확한 정의
일관된 주제
시간에 걸친 축적
정의 → 해설 → 확장 흐름

이것이 “읽을 만한 내용”을 만든다.

레이어 2: Schema (최적화 도구)

그 위에 Schema로:

구조를 명시
관계를 정의
메타정보 전달

이것이 “읽기 쉽게” 만든다.

순서가 중요하다

잘못된 순서:
1. Schema 먼저 완벽히 구현
2. 콘텐츠는 기존처럼 보도자료 형식
→ 결과: 잘 포장된 빈 상자

올바른 순서:
1. 콘텐츠 먼저 사고 구조 갖춤
2. 그 위에 Schema로 최적화
→ 결과: 좋은 내용 + 명확한 전달

실제 사례:

단계 1: 콘텐츠 구조 만들기

"AI 전략이란 무엇인가" (정의, 2,800자)
  ↓
"왜 지금 AI 전략인가" (배경, 2,400자)
  ↓
"우리의 AI 전략 실행" (적용, 3,200자)
  ↓
"AI 전략 6개월 성찰" (성찰, 2,600자)

이 4개 글이 시간에 걸쳐 쌓이고, 서로 연결되고, 일관된 정의를 유지한다.

단계 2: Schema로 구조 명시

<!-- 각 글에 -->
<article itemscope itemtype="http://schema.org/Article">
  <meta itemprop="isPartOf" content="AI 전략 시리즈" />
  <link itemprop="relatedLink" href="이전글URL" />
  <!-- ... -->
</article>

이제 AI는:

좋은 콘텐츠를 발견하고 (레이어 1)
구조를 명확히 이해하며 (레이어 2)
시리즈 전체를 맥락으로 파악한다

5. AEO의 본질로 돌아가기

AEO란 기술이 아니라 사고 방식

지금까지 AEO 섹션에서 다뤘던 것들을 다시 떠올려보자.

1. AI는 맥락을 읽는다

단어가 아니라 단어 간 관계
문장 간, 글 간, 주제 간 연결
Schema는 이 관계를 “표시”할 수 있지만, “만들” 수는 없다

2. SEO 이후의 최적화

SEO: 키워드 최적화
AEO: 설명 최적화
Schema는 SEO 도구이지, AEO의 본질은 아니다

3. AI가 이해하기 쉬운 뉴스룸

주제 명확성
이해의 흐름
누적 구조
Schema는 이것들을 더 잘 전달하지만, 대체하지 못한다

4. 왜 어떤 기업만 반복 인용되나

주제 일관성
시간 축적
설명 깊이
Schema 완벽한 기업도 이것들 없으면 인용 안 됨

AEO의 본질: AI가 이해하고 신뢰할 만한 사고를 남기는 것 Schema의 역할: 그 사고를 더 명확히 전달하는 것

6. 실무 우선순위

무엇을 먼저 해야 하나

많은 기업이 Schema부터 시작한다. 기술팀에 요청하기 쉽고, 측정 가능하고, “완료” 상태를 명확히 할 수 있기 때문이다.

하지만 효과적인 순서는 다르다.

1단계: 콘텐츠 사고 구조 (1차 필수)

시작 전 체크:

□ 우리가 반복해서 말할 주제 3개 이하 정함
□ 각 주제를 어떻게 정의할지 명확히 함
□ 정의 → 해설 → 사례 흐름 계획

실행:

각 주제당 최소 10개 글 목표
각 글 2,000자 이상
이전 글 참조 구조
시간에 걸쳐 축적

이것이 “읽을 만한 내용”을 만든다.

2단계: Schema 최적화 (2차 강화)

1단계가 어느 정도 갖춰진 후:

기본 Schema:

Article Schema
날짜/저자 정보
카테고리/태그

고급 Schema (선택):

시리즈 연결
관련 글 링크
상세 메타데이터

이것이 “읽기 쉽게” 만든다.

3단계: 지속적 개선

콘텐츠 계속 축적
Schema 정기 점검
ChatGPT에서 인용 여부 확인
필요시 구조 조정

체크리스트: 우리는 어디에 있나

이 글을 읽고 나서 우리 상황을 점검해보자.

상황 1: Schema만 했고, 콘텐츠 구조는 부족

Schema Markup 구현됨
메타 태그 완벽
평균 글자 수 500자 미만
정의 없음
글 간 연결 없음

진단: 잘 포장된 빈 상자 해야 할 것: 1단계(콘텐츠 구조)로 돌아가기

상황 2: 콘텐츠는 좋은데 Schema 부족

심층 콘텐츠 2,000자 이상
명확한 정의
시리즈 구조
Schema 없음
메타 정보 부족

진단: 좋은 내용, 전달 개선 가능 해야 할 것: 2단계(Schema 추가)로 효과 극대화

상황 3: 둘 다 부족

짧은 보도자료 위주
Schema 없음

진단: 출발점 해야 할 것: 1단계부터 차근차근

상황 4: 둘 다 갖춤

심층 콘텐츠 + 시리즈
Schema 구현
ChatGPT 인용됨

진단: 잘하고 있음 해야 할 것: 지속 + 확장

Schema는 도구다, 목적이 아니다

이 글의 핵심을 한 문장으로 정리하면:

“Schema는 AI가 좋은 콘텐츠를 더 잘 이해하도록 돕는다. 하지만 좋은 콘텐츠 자체를 만들어주지는 않는다.”

Schema를 구현하는 건 어렵지 않다. 개발자에게 요청하면 며칠이면 된다. 하지만 “AI가 참고할 만한 사고 구조”를 만드는 건 시간이 걸린다. 6개월, 1년, 2년에 걸쳐 일관된 주제를 지속적으로 설명해야 한다.

많은 기업이 Schema를 먼저 하는 이유는 그것이 더 쉽고, 빠르고, 명확하기 때문이다. 하지만 효과의 순서는 반대다.

80%의 효과: 콘텐츠 사고 구조 20%의 효과: Schema 최적화

1차 없이 2차만 하면 “잘 포장된 빈 상자”가 된다. 1차를 잘하고 2차를 더하면 “좋은 내용 + 명확한 전달”이 된다.

AI 시대의 최적화는 기술 설정이 아니다. 사고를 어떻게 구조화하고, 시간에 걸쳐 어떻게 축적하며, 그것을 어떻게 명확히 전달할 것인가의 문제다.

Schema는 그 과정의 마지막 단계, 즉 “명확한 전달”을 돕는 도구다. 필요하지만, 그것만으로는 충분하지 않다.