JSON-LD 구조화 데이터, 어디까지 넣어야 하나 — 실제로 작동하는 범위

구조화 데이터를 넣으면 검색 순위가 올라간다는 말이 종종 돕니다. 정확히는 순위 요소가 아니라 이해를 돕는 장치입니다. 그래서 기대치를 맞추는 것이 먼저입니다.

구조화 데이터가 하는 일

• 기계가 읽을 수 있는 형태로 사실을 명시합니다 — 이 페이지가 무엇이고, 누가 썼고, 언제 발행됐는지.
• 검색 결과의 표시 형태에 영향을 줄 수 있습니다(리치 결과).
• 엔티티 인식을 돕습니다 — 브랜드·기관·인물을 하나의 대상으로 묶는 데 쓰입니다.

반대로 하지 않는 일도 분명합니다. 내용이 얇은 페이지를 좋게 만들지 않고, 순위를 직접 올리지 않으며, 본문에 없는 사실을 만들어 낼 수도 없습니다.

우선순위 — 무엇부터 넣나

• Organization / LocalBusiness — 조직의 정체성. 이름·주소·연락처·영업시간. 사이트 전역에서 일관되게.
• WebSite — 사이트 자체의 식별.
• Article / BlogPosting — 콘텐츠 페이지의 제목·발행일·수정일·작성자.
• BreadcrumbList — 사이트 구조를 알려 줍니다. 적용 비용 대비 효과가 안정적입니다.
• Person — 작성자·감수자를 명시할 때. 전문성 신호와 연결됩니다.

이 다섯 가지를 정확히 넣는 것이, 희귀한 타입을 여러 개 넣는 것보다 실효가 큽니다.

흔한 오류 다섯 가지

• 본문에 없는 내용을 마크업 — 화면에 보이지 않는 사실을 구조화 데이터에만 넣으면 안 됩니다.
• 날짜 불일치 — 화면의 발행일, 구조화 데이터의 datePublished, 사이트맵의 lastmod가 서로 다른 경우가 매우 흔합니다.
• 중복 선언 — 같은 타입을 여러 번 선언해 어느 것이 맞는지 알 수 없게 되는 경우.
• JSON 파싱 오류 — 따옴표·이스케이프 문제로 블록 전체가 무시됩니다. 배포 전 검사로 걸러야 합니다.
• 템플릿 기본값 방치 — 모든 페이지가 같은 제목·설명을 갖는 경우.

특히 두 번째와 네 번째는 자동화된 검사로 잡는 것이 확실합니다. 발행 파이프라인에 JSON 파싱 통과와 날짜 3곳 일치를 검사 단계로 넣어 두면 재발하지 않습니다.

생성형 AI 관점에서

구조화 데이터는 원래 검색엔진을 위한 장치였지만, 생성형 AI의 인용 맥락에서도 의미가 있습니다. 누가·언제·무엇을이 기계가 읽을 수 있는 형태로 명시되어 있으면 출처를 특정하기 쉬워집니다.

다만 여기서도 원칙은 같습니다 — 본문이 먼저입니다. 인용할 문장이 없는 페이지는 마크업이 아무리 정교해도 선택되지 않습니다.

적용 순서 — 한 번에 다 넣지 않습니다

실무에서는 단계를 나누는 편이 안전합니다.

• 1단계 — Organization(또는 LocalBusiness)을 사이트 전역에 한 벌만. 이름·주소·연락처가 화면과 일치하는지 확인합니다.
• 2단계 — 콘텐츠 페이지에 Article. 여기서 날짜 3곳(화면·마크업·사이트맵) 일치를 규칙으로 못 박습니다.
• 3단계 — BreadcrumbList. 목록 구조가 있는 사이트라면 효과 대비 비용이 낮습니다.
• 4단계 — 작성자나 감수자가 실재하는 경우에만 Person을 붙입니다.

각 단계마다 배포 후 인식 여부를 확인하고 다음으로 넘어가면, 문제가 생겼을 때 원인을 좁히기 쉽습니다. 한꺼번에 넣으면 어느 것이 오류인지 가리는 데 시간이 더 듭니다.

넣으면 순위가 오르나요

직접적으로는 아닙니다. 다만 간접적인 경로는 있습니다. 검색 결과에서 표시 형태가 달라지면 클릭에 영향을 줄 수 있고, 엔티티 인식이 정확해지면 브랜드 관련 질의에서 다뤄지는 방식이 달라질 수 있습니다.

그래서 기대치는 이렇게 잡는 것이 맞습니다 — 안 넣으면 손해, 넣는다고 도약은 아님. 기본 위생에 가까운 작업입니다.

검증 방법

• 배포 전: JSON 파싱이 되는지 자동 검사
• 배포 후: 검색엔진이 제공하는 리치 결과 테스트로 인식 여부 확인
• 정기: 서치 콘솔의 향상 보고서에서 오류·경고 추이 확인
• 화면과 대조 — 마크업의 값이 실제 페이지 내용과 같은지

정리

구조화 데이터는 사실을 정확히 알려 주는 장치이지 순위 조작 도구가 아닙니다. 기본 타입 다섯 가지를 정확히, 본문과 일치하게, 파싱 오류 없이 넣는 것이 실무의 거의 전부입니다.

루미브리즈는 발행 파이프라인에 구조화 데이터 검증을 포함해 운영합니다.