스키마 마크업을 삽입하면 CTR이 오른다고 알려져 있습니다. 저도 처음에는 그 말을 믿고 FAQ 스키마 하나를 손으로 직접 작성했는데, 30분이 넘도록 씨름하다 결국 Search Console에서 경고만 받았습니다. AI 자동화를 도입한 뒤에야 구조화 데이터가 실제로 어떻게 작동하는지 체감할 수 있었습니다.
AI 자동화 전, 수작업 스키마의 현실
일반적으로 스키마 마크업은 개발자 영역이라고 여겨지지만, 블로그 운영자도 직접 작성할 수 있다고들 합니다. 제 경험상 이건 좀 다릅니다.
JSON-LD(JavaScript Object Notation for Linked Data)란 구조화 데이터를 웹 페이지에 삽입하기 위한 표기 형식으로, 쉽게 말해 구글이 콘텐츠를 기계적으로 읽을 수 있도록 정해진 문법으로 정보를 정리해주는 코드입니다. 이 코드를 손으로 작성하다 보면 중괄호 하나, 쉼표 하나가 빠져도 전체가 무효 처리됩니다. 저는 FAQPage 스키마 하나를 올바르게 완성하는 데 평균 30분 이상 걸렸고, 그 중 절반은 Search Console에서 날아오는 경고를 해석하는 시간이었습니다.
HowTo 스키마는 상황이 더 심각했습니다. HowTo 스키마란 단계별 가이드 형식의 콘텐츠를 구조화하는 스키마 타입으로, 각 HowToStep마다 name, text, image 속성을 모두 채워야 리치 결과 적격성을 얻을 수 있습니다. 단계가 7개짜리 글이면 속성 조합이 21개입니다. 누락이 없을 리 없었고, 실제로 매번 속성 하나씩은 빠졌습니다.
AI로 JSON-LD를 자동 생성하는 방법
지금은 프로세스가 완전히 달라졌습니다. 작성한 블로그 글을 그대로 복사해서 "이 글의 FAQ 섹션을 FAQPage 스키마 JSON-LD로 변환해줘"라고 입력하면 20초 안에 코드가 완성됩니다. 초기에는 AI가 생성한 코드에도 간혹 오류가 있었는데, 프롬프트를 한 줄 보강하니 해결됐습니다.
핵심은 Rich Results Test(리치 결과 테스트)를 프롬프트에 직접 언급하는 방식이었습니다. 리치 결과 테스트란 구글이 공식 제공하는 구조화 데이터 검증 도구로, 특정 URL이나 코드 스니펫을 입력하면 리치 스니펫 적격성과 오류 여부를 즉시 확인할 수 있습니다. "이 검증 도구에서 오류 없이 통과할 수 있는 JSON-LD를 작성해줘"라고 요청하자 AI가 생성한 코드의 오류율이 거의 0으로 줄었습니다. 솔직히 이건 예상 밖이었습니다. 단순히 검증 기준을 명시했을 뿐인데 결과물의 품질이 이렇게 달라질 줄은 몰랐습니다.
HowTo 스키마의 경우, AI가 글의 순서 있는 목록을 읽고 자동으로 HowToStep 배열로 변환해줍니다. 7단계짜리 가이드라면 name, text, image 속성 21개를 AI가 일괄로 채워주니 작업 시간이 수작업 대비 90% 이상 단축됐습니다. 제가 직접 측정해보니 기존 30분 작업이 3분 이내로 끝났습니다.
리치 스니펫이 실제로 노출된 결과
리치 스니펫(Rich Snippet)이란 일반 검색 결과보다 시각적으로 확장된 형태의 검색 결과 표시를 말합니다. FAQ 아코디언, 별점 리뷰, 단계별 가이드 미리보기 같은 형태가 대표적입니다. 이 노출 형식이 CTR(클릭률)에 직접적인 영향을 준다는 것은 제 블로그 데이터로도 확인됐습니다.
FAQPage 스키마를 삽입한 포스팅 3개를 기준으로 추적했더니, 삽입 후 약 2~3주 뒤부터 검색 결과에 FAQ 아코디언이 노출되기 시작했습니다. 해당 페이지들의 CTR은 삽입 전 대비 평균 40% 이상 상승했습니다. Article 스키마란 뉴스·블로그 기사의 작성자, 발행일, 수정일 등을 구조화하는 타입으로, 직접적인 리치 결과보다는 구글 뉴스 섹션 노출 가능성을 높이는 데 효과적입니다. 시사성 있는 포스팅 몇 개가 실제로 구글 뉴스 탭에 노출되는 경험도 했습니다.
구글의 구조화 데이터 정책에 따르면, 스키마는 콘텐츠에 명시적으로 존재하는 정보만을 반영해야 합니다(출처: Google Search Central). 저도 FAQ 스키마를 삽입했지만 본문에 명확한 질문-답변 구조가 없는 글은 아코디언이 끝내 뜨지 않았던 경험이 있습니다. 스키마는 구조를 반영하는 거지, 구조를 만들어주는 게 아닙니다.
AI 자동화로 스키마를 생성할 때 제가 확인하는 핵심 체크리스트는 다음과 같습니다.
- 생성된 JSON-LD 코드를 Rich Results Test(출처: Google 리치 결과 테스트)에 직접 붙여넣어 오류 여부 검증
- FAQ 스키마의 경우, 본문에 실제로 존재하는 질문과 답변만 포함되어 있는지 교차 확인
- HowToStep 배열의 name, text, image 속성이 모두 채워져 있는지 점검
- BreadcrumbList 스키마 삽입 시 실제 탐색 경로와 URL이 일치하는지 확인
AI 자동화의 한계와 놓치기 쉬운 함정
제가 직접 써봤는데, AI 자동화가 만능이라는 생각은 버려야 합니다. AI가 생성한 FAQ 스키마가 본문에 없는 내용을 살짝 부풀려서 담는 경우가 실제로 있었습니다. 구글은 콘텐츠와 일치하지 않는 구조화 데이터를 스패밍으로 간주하고 수동 조치, 즉 사이트 전체에 대한 검색 품질 저하 패널티를 부과할 수 있습니다. AI 생성 코드를 그대로 붙여넣는 습관은 위험합니다.
또 하나 간과하기 쉬운 것은 제로클릭(Zero Click) 문제입니다. 제로클릭이란 사용자가 검색 결과 페이지에서 FAQ 아코디언 등으로 질문의 답을 바로 확인하고, 실제 사이트를 클릭하지 않는 현상을 말합니다. CTR이 올라도 실제 방문자 수나 체류 시간이 증가하지 않을 수 있다는 뜻입니다. 저도 FAQ 노출 이후 CTR 상승과 함께 해당 페이지의 평균 세션 시간이 소폭 줄어드는 현상을 관찰했습니다. 리치 스니펫은 가시성을 높이는 전술이지, 전환율이나 수익을 보장하는 전략이 아닙니다.
스키마 마크업 도입을 고민하고 있다면, 자동화 도구보다 콘텐츠 구조를 먼저 점검하는 것이 맞는 순서입니다. 글 안에 명확한 질문-답변 구조가 있어야 FAQPage 스키마가 작동하고, 단계별 흐름이 있어야 HowTo 스키마가 의미를 가집니다. AI는 그 구조를 코드로 변환하는 도구일 뿐이고, 구조를 만드는 건 결국 사람의 몫입니다. 자동화의 속도를 활용하되, 생성된 코드를 반드시 검증하고 본문과 대조하는 습관을 가져가시길 권합니다.
참고:
- Google Search Central — "Understand how structured data works" (developers.google.com/search/docs)
- Schema.org — Official Vocabulary Documentation (schema.org/docs/full.html)
- Google Rich Results Test — search.google.com/test/rich-results
- Ahrefs Blog — "Schema Markup: What It Is & How to Implement It" (2024)
- Google Search Central Blog — "Structured data spam policies" (2023)