B2B를 위한 구조화된 데이터 (Structured Data): Google(과 AI)이 당신의 웹사이트를 이해하게 만드는 방법
요약
B2B 웹사이트가 Google 및 AI 답변 엔진(ChatGPT, Gemini 등)에 효과적으로 노출될 수 있도록 JSON-LD 구조화 데이터를 활용하는 실무 가이드를 제공합니다. Organization, Service, FAQPage 등 주요 스키마 유형과 JavaScript를 통한 주입 방법을 다룹니다.
핵심 포인트
- AI 답변 엔진의 신뢰할 수 있는 출처가 되기 위해 스키마 마킹은 필수 인프라임
- Google이 권장하는 JSON-LD 형식을 사용하여 HTML과 분리된 데이터 관리
- 가시적인 콘텐츠와 일치하는 데이터를 마킹하여 검색 엔진 패널티 방지
- FAQPage 스키마를 통해 AI 엔진에 직접적인 질문-답변 정보 제공 가능
B2B 사이트를 운영하고 있다면, 문제는 대개 Google이 당신을 인덱싱(indexing)하지 못하는 것이 아닙니다. 문제는 당신이 무엇을 제공하는지, 누구를 대상으로 하는지, 그리고 왜 당신을 보여줘야 하는지를 Google이 _이해_하지 못한다는 점입니다. structured data (구조화된 데이터)가 바로 이 문제를 해결합니다. 그리고 AI 답변 엔진(ChatGPT Search, Gemini, Perplexity)이 신뢰할 수 있다고 판단되는 출처를 바탕으로 답변을 생성하기 시작하면서, 웹사이트에 스키마(schema)를 마킹하는 것은 이제 "있으면 좋은 것"에서 "기본적인 인프라"로 바뀌었습니다.
이 포스트는 오늘 바로 복사, 수정 및 검증할 수 있는 실제 JSON-LD를 포함한 실무 가이드입니다.
왜 Microdata가 아닌 JSON-LD인가
Google은 Microdata나 RDFa 대신 JSON-LD를 권장하는데, 여기에는 실용적인 이유가 있습니다. JSON-LD는 HTML과 분리된 단일 <script> 블록으로 구성됩니다. 마크업(markup)을 더럽히지 않고, 동적으로 주입할 수 있으며, 독립적으로 테스트할 수 있습니다.
<script type="application/ld+json">
{
"@context": "https://schema.org",
...
황금률: 스키마는 사용자가 페이지에서 보는 내용을 설명해야 합니다. 가시적인 콘텐츠에 존재하지 않는 데이터를 마킹하는 것은 수동 패널티(manual penalty)로 가는 지름길입니다.
1. Organization + LocalBusiness
당신의 정체성의 기초입니다. 물리적 사무실이 있는 기업의 경우, LocalBusiness (Organization의 하위 유형)를 사용하면 로컬 리치 결과(enriched results)에 노출될 자격을 얻게 됩니다.
{
"@context": "https://schema.org",
"@type": "ProfessionalService",
...
전화번호에 관한 참고 사항: 화면에는 962 73 66 02와 같이 표시하더라도, 스키마에는 E.164 형식(+34962736602)을 사용하세요. 파서(parsers)는 정규화된 형식을 선호합니다.
2. Service: 판매하는 것을 설명하세요
B2B에서는 각 주요 서비스마다 고유한 마킹이 필요합니다. 이는 검색 엔진이 구체적인 의도(intent)를 가진 검색어와 당신을 연관 짓도록 도와줍니다.
{
"@context": "https://schema.org",
"@type": "Service",
...
3. FAQPage: B2B에서 가장 수익성이 높은 항목
B2B 구매자들은 질문을 가지고 찾아옵니다. FAQ를 스키마로 마킹하면 리치 결과(enriched results)를 얻을 수 있을 뿐만 아니라, 잘 구조화된 질문-답변 쌍을 추출하는 AI 답변 엔진에 직접적인 정보를 제공하게 됩니다.
{
"@context": "https://schema.org",
"@type": "FAQPage",
...
4. BreadcrumbList: 탐색 가능한 구조
검색 엔진이 사이트의 계층 구조를 이해하도록 돕고, 검색 결과에서 URL이 표시되는 방식을 개선합니다.
{
"@context": "https://schema.org",
"@type": "BreadcrumbList",
...
JavaScript로 스키마 주입하기
SPA (Single Page Application)로 작업하거나 스키마를 중앙 집중화하고 싶다면, JavaScript (JS)를 통해 주입하세요. 다음 헬퍼(helper) 함수는 중복을 방지합니다:
function injectSchema(schemaObject) {
// 동일한 타입을 두 번 삽입하는 것을 방지
const type = schemaObject['@type'];
...
스키마를 분석(Analytics)과 연결하기
사람들이 FAQ와 상호작용하는지 알 수 없다면 FAQ를 마킹하는 것은 큰 의미가 없습니다. 여기 구조화된 데이터 (Structured Data)와 측정 사이의 가교 역할을 하는 방법이 있습니다. 스키마로 마킹된 질문을 누군가 열 때 이벤트를 발생시키세요.
document.querySelectorAll('[data-faq-question]').forEach((el) => {
el.addEventListener('click', () => {
// dataLayer (Google Tag Manager)를 통한 GA4 전송
...
또한, B2B 전환 이벤트(예: 리소스 다운로드)를 위해 GTM 없이 GA4로 직접 전송하는 방법도 있습니다:
function trackConversion(action, params = {}) {
if (typeof gtag !== 'function') return;
gtag('event', action, {
...
B2B 팁: 단순히 "리드 (leads)"만 측정하지 마세요. 기회를 예측할 수 있는 마이크로 이벤트 (micro-events)를 구현하세요 — 성공 사례 (case study) 다운로드, 가격 페이지 방문, 데모 체류 시간 등입니다. 이것들이 실제로 파이프라인 (pipeline)을 예측하는 신호입니다.
게시 전 검증하기
검증 없이 스키마를 업로드하지 마세요. 세 가지 도구가 있습니다:
- Schema Markup Validator — Schema.org 명세 (spec)에 따라 검증합니다.
- Google Rich Results Test — 리치 결과 (rich results)에 적합한지 알려줍니다.
- Google Search Console → 운영 환경에서의 모니터링을 위해 개선사항 (Enhancements) 보고서를 확인하세요.
브라우저 콘솔에서 페이지의 모든 JSON-LD 블록을 감지하기 위한 빠른 스니펫 (snippet):
[...document.querySelectorAll('script[type="application/ld+json"]')]
.map((s) => {
try { return JSON.parse(s.textContent); }
...
구현 체크리스트 (Checklist de implementación)
- 모든 페이지에
Organization/ProfessionalService적용 (가급적 레이아웃에 포함) - 각 서비스 페이지에
Service적용 - 실제 질문이 눈에 보이게 배치된 곳에
FAQPage적용 - 내부 페이지에
BreadcrumbList적용 - 스키마 내 전화번호를 E.164 형식으로 작성
- 스키마가 눈에 보이는 콘텐츠를 반영하는지 확인 (숨겨진 내용 금지)
- 두 가지 검증기(validators)에서 검증 완료
- 주요 상호작용(interactions)에 분석(analytics) 이벤트 연결
결론 (Cierre)
구조화된 데이터 (Structured Data)는 전통적인 SEO와 AI 엔진에서의 가시성 모두에 직접적인 영향을 미치는 몇 안 되는 최적화 요소 중 하나이며, 순수한 기술적 작업입니다. 한 번 구현하고, 검증하고, 유지하면 됩니다. Organization과 FAQPage부터 시작하여 상호작용을 측정하고 반복(iterate)해 나가세요.
작성: Roiting 팀, 기술 SEO, 수요 창출(demand generation) 및 판매와 연결된 측정 전문 발렌시아 소재 B2B 마케팅 에이전시. 📍 Gran Via de les Germanies, 7, L'Eixample, 46006 València · 📞 962 73 66 02
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기