AI는 우리를 어떤 회사로 이해하고 있나 — 표기 정합성
요약
AI 답변은 문서를 모으면서 ‘같은 대상에 대한 문서’를 묶습니다. 이때 기준이 되는 것이 상호·주소·전화번호·업종 같은 표기입니다. 표기가 페이지마다 다르면 한 회사가 여러 개로 흩어져 어느 쪽도 충분한 근거를 갖지 못합니다. 먼저 표기를 한 가지로 고정하고, Organization 구조화 데이터와 sameAs로 외부 프로필을 연결해 같은 대상임을 명시하는 것이 순서입니다.
AI는 문서를 ‘대상’으로 묶습니다
답변엔진은 문서를 모으면서 무엇에 대한 문서인지를 판단합니다. 이 판단이 흔들리면 우리 페이지들이 한 회사의 근거로 합쳐지지 않고 흩어집니다. 흩어진 상태에서는 어느 한 쪽도 답변에 쓰일 만큼의 근거를 갖지 못합니다.
기준이 되는 것은 대단한 신호가 아니라 표기입니다.
| 항목 | 흔한 흩어짐 |
|---|---|
| 상호 | ‘주식회사 OO’ / ‘OO’ / 영문 표기가 페이지마다 다름 |
| 주소 | 도로명·지번·건물명 유무가 제각각 |
| 전화 | 대표번호와 담당자 번호가 같은 자리에 섞임 |
| 업종 | 소개 문구마다 다른 말로 설명 |
| 대표자·설립연도 | 페이지에 따라 값이 다름 |
먼저 표기를 고정합니다
- 정식 표기 한 가지와 약칭 한 가지만 씁니다. 그 외 변형은 쓰지 않습니다
- 주소는 한 형식으로 고정합니다. 푸터·문의·구조화 데이터가 글자 단위로 같아야 합니다
- 숫자는 한 곳에서 관리합니다. 같은 값이 페이지마다 다른 것이 가장 나쁜 상태입니다
그다음에 기계가 읽을 수 있게 표시합니다
표기를 고정한 뒤에는 구조화 데이터로 관계를 밝힙니다. Organization 구조화 데이터에 name·alternateName·address·telephone을 적고, 우리가 운영하는 외부 프로필을 sameAs로 연결합니다. sameAs는 “이 주소들은 같은 대상”이라고 말하는 자리입니다.
⚠️ 여기서 지켜야 할 규칙이 하나 있습니다. 화면에 없는 사실을 스키마에만 넣지 않습니다. 스키마는 화면의 사실을 다시 표시하는 문법이지 별도의 주장 창구가 아닙니다.
우리 사이트의 현재 상태
솔직하게 적습니다. 나비랑은 상호·주소·업종 표기를 한 곳(src/config/site.ts)에서 관리해 화면·푸터·구조화 데이터가 같은 값을 읽도록 해 두었습니다. 반면 sameAs는 아직 비어 있습니다. 공개 프로필을 정리하는 중이고, 채워지지 않은 항목을 채운 것처럼 쓰지 않으려 합니다.
이 상태가 말해 주는 것이 있습니다. 사이트 안의 정합성은 우리가 바로 만들 수 있지만, 사이트 밖에서 같은 대상으로 확인되는 일은 시간이 걸립니다. 밖에서 쌓이는 근거가 왜 필요한지는 사이트 밖 인용 출처에 정리했습니다.
확인 절차
- 회사 이름으로 AI에게 물어보고, 답에 나오는 주소·설립연도·업종·대표자를 공식 정보와 대조합니다
- 틀린 항목이 있으면 그 사실의 출처를 역추적합니다. 오래된 디렉터리나 옛 소개 글이 원인인 경우가 많습니다
- 정정 경로는 AI가 틀린 정보를 말할 때에 정리해 두었습니다
우리 표기가 어디서 갈라져 있는지는 무료 AEO 진단에서 페이지 단위로 찾아 드립니다.
자주 묻는 질문
Q 상호를 두 가지로 쓰면 정말 문제가 되나요?
A ‘주식회사 OO’와 ‘OO’처럼 형태가 다른 표기는 사람에게는 같지만 기계에는 두 문자열입니다. 한 사이트 안에서 섞여 있으면 어느 쪽이 정식인지 판단할 근거가 약해집니다. 두 표기를 모두 쓰더라도 구조화 데이터에서 name과 alternateName으로 관계를 밝혀 두면 흩어짐을 줄일 수 있습니다.
Q sameAs에는 무엇을 넣나요?
A 우리가 운영하는 외부 프로필의 주소입니다. 회사 소개가 있는 공식 계정, 등록 정보 페이지, 프로필 페이지처럼 ‘같은 대상’임이 확인되는 곳을 넣습니다. 임의의 링크를 모아 넣는 자리가 아니며, 우리가 관리하지 않는 페이지를 넣으면 오히려 판단을 흐립니다.
Q 우리 표기가 잘 묶였는지 어떻게 확인하나요?
A AI에게 회사 이름으로 물어보고, 답에 나오는 사실이 우리 공식 정보와 일치하는지 항목별로 대조합니다. 주소·설립연도·업종·대표자처럼 확인 가능한 항목이 기준입니다. 틀린 항목이 있으면 그 사실이 어느 출처에서 왔는지 역추적해 그 출처부터 바로잡습니다.
함께 읽으면 좋은 글
- 같은 질문을 다시 물으면 답이 달라집니다 — 측정은 어떻게 설계하나 같은 질문에 AI가 매번 다르게 답하는 이유를 단계별로 나누고, 한 번의 관측을 근거로 쓰면 왜 틀리는지, 질문 세트 고정·반복 관측·엔진 분리·조건 기록이라는 측정 설계의 최소 조건 네 가지를 정리했습니다.
- 언제 다시 써야 하나요 — 갱신일이 하는 일과 하지 않는 일 날짜만 바꾸는 갱신은 얻는 것이 없고 위험합니다. 구조화 데이터의 dateModified가 무엇을 의미하는지, 무엇이 실질적 변경인지, 달력이 아니라 어떤 신호를 보고 다시 쓸 시점을 잡는지 정리했습니다.
- 이미지 속 글자·자바스크립트 — AI가 읽지 못하는 것 핵심 정보가 이미지 안에 있거나 자바스크립트로만 그려지면 답변엔진이 근거로 쓰지 못합니다. 담긴 자리별로 무엇이 읽히고 무엇이 빠지는지, 구조화 데이터가 표시를 보장하지 않는 이유와 점검 순서를 정리했습니다.
