구조화 데이터를 넣으면 AI 답변에 더 인용되나요?

이 질문에 답한 연구

“구조화 데이터가 AI 인용에 효과가 있다”는 말은 흔하지만, 실제로 잰 연구는 많지 않습니다. 그중 하나가 UC 버클리와 Wrodium Research 소속 저자들이 낸 GEO-16 연구입니다.

저자들은 페이지의 측정 가능한 특징을 16개 항목(메타데이터·시맨틱 HTML·구조화 데이터·콘텐츠 품질·링크 등)으로 나눠 각각 03점을 매기고, 01 사이 종합점수로 환산했습니다. 그다음 영어 B2B SaaS 16개 분야를 겨냥한 질문 70개를 Brave · Google AI 개요 · Perplexity에 던져 인용 1,702건, 고유 URL 1,100개를 모아 점수와 인용의 관계를 봤습니다.

결과	값
종합점수가 높은 페이지가 인용될 오즈	4.2배 (95% 신뢰구간 3.1 ~ 5.7)
상관이 가장 강한 항목 1 — 메타데이터·최신성	r=0.68
상관이 가장 강한 항목 2 — 시맨틱 HTML	r=0.65
상관이 가장 강한 항목 3 — 구조화 데이터	r=0.63

상관을 인과로 옮기면 틀리는 이유

이 결과는 **“인용된 페이지가 구조화 데이터를 갖고 있는 경향이 있다”**는 뜻입니다. **“구조화 데이터를 넣으면 인용된다”**와는 다릅니다.

관리가 잘 되는 사이트는 대개 구조화 데이터도 넣고, 본문도 자주 고치고, 내부 링크도 정리합니다. 이런 사이트가 인용될 때 그 원인이 스키마인지 본문인지 이 설계로는 가를 수 없습니다. 저자들도 관측 설계라 보이지 않는 교란 요인이 있을 수 있다고 밝혔습니다.

조건도 좁습니다. 표본은 영어 B2B SaaS이고 한 시점에 수집했습니다. 저자들은 다른 언어나 업종에서는 결과가 다를 수 있다고 적었습니다. 저자 소속에 상업 조직이 있는데 이해상충 선언은 없다는 점도 논문 정리에 그대로 적어 두었습니다.

실험 쪽 근거는 무엇을 말하나

인과에 가까운 근거는 검색 파이프라인을 직접 구성해 실험한 SAGEO Arena(KDD 2026 게재 확정)에서 나옵니다. 연세대·건국대 연구진이 검색 → 재순위 → 생성 단계를 갖춘 환경에서 질의 2,700개로 시험했더니, 본문 문구만 고친 문서는 검색 단계에서 오히려 덜 걸렸고, 본문 대신 문서의 구조 정보를 손본 조건에서는 검색 단계 적중(Hit@20)이 22% 올랐습니다.

다만 이 논문이 말하는 “구조 정보”는 JSON-LD 한 가지로 좁혀지는 개념이 아니고, 검색 모델(BM25)과 재순위·생성 모델이 고정된 특정 구성에서 나온 결과입니다. 그래서 “스키마를 넣으면 22% 오른다”로 옮기지 않습니다. 이 결과에서 가져올 것은 문구보다 문서의 구조가 검색 단계 통과에 먼저 걸린다는 방향입니다. 세부는 SAGEO Arena 정리에 있습니다.

그래서 구조화 데이터를 어떻게 봐야 하나

• 인용의 스위치가 아니라 사실의 고정 장치입니다 — 상호·주소·서비스를 기계가 읽는 형태로 적어 두면 다른 회사와 섞이거나 틀리게 옮겨질 여지가 줄어듭니다. 이 관점은 표기 정합성에서 자세히 다뤘습니다
• 화면과 값이 같아야 합니다 — 화면에 없는 사실을 스키마에만 넣으면 신뢰를 잃습니다. 넣는 순서는 구조화 데이터, 어디부터 넣어야 하나요에 정리했습니다
• 표시를 보장하지 않습니다 — 구글도 구조화 데이터가 리치 결과 표시를 보장하지 않는다고 밝혀 왔습니다. 무엇이 읽히고 무엇이 빠지는지는 AI가 읽지 못하는 것에 있습니다

GEO-16에서 Perplexity가 인용한 페이지의 평균 점수는 0.300으로 다른 두 엔진(0.727 · 0.687)의 절반에도 못 미쳤습니다. 같은 스키마라도 엔진마다 무게가 다를 수 있다는 뜻이고, 이 차이는 엔진마다 인용 기준이 다른가에서 따로 다뤘습니다.

지금 사이트의 구조화 데이터가 화면과 맞는지, 무엇이 빠졌는지는 무료 AEO 진단에서 확인해 드립니다.