AEO를 위한 스키마 마크업: LLM 인용을 부르는 유형은? (코드 예시 포함)

스키마 마크업은 AI 엔진이 쓰는 언어예요

사용자가 Perplexity에 "2026년 robots.txt 모범 사례는?"이라고 물으면, Perplexity는 관련 페이지를 찾아 요약하는 데서 끝나지 않아요. 콘텐츠를 구조화되고 추출하기 쉬운 형태로 전달하는 페이지를 적극적으로 찾아요. 마크업된 Q&A 쌍으로 질문에 바로 답하는 페이지는, 같은 정보를 구조 없는 줄글로 담은 페이지보다 인용될 가능성이 훨씬 높아요.

이것이 AEO(Answer Engine Optimization, 답변 엔진 최적화)를 위한 스키마 마크업의 핵심이에요. 구조화 데이터는 이제 Google 리치 결과만을 위한 것이 아니에요. AI 엔진이 인용할 만한 콘텐츠를 가려낼 때 쓰는 가장 중요한 기술적 신호예요. AEO에 맞게 스키마를 제대로 적용하려면 어떤 유형이 LLM 인용으로 이어지는지, 어떻게 올바르게 구현하는지, 그리고 효과를 극대화하려면 어떤 순서로 작업해야 하는지 알아야 해요.

이 가이드에서는 AEO 스키마 스택 전체를 다뤄요. 어떤 유형이 중요한지, 유형별 구현 코드, 그리고 AI Rank Lab의 스키마 생성기를 쓰는 고객에게 저희가 권하는 우선순위 프레임워크까지 정리했어요.

LLM은 스키마 마크업을 실제로 어떻게 활용할까요?

AI 엔진이 스키마를 어떻게 쓰는지 알면 구현 방식도 달라져요. 실제 과정은 이래요.

1. 크롤링: AI 크롤러(GPTBot, ClaudeBot, PerplexityBot)가 일반 웹 크롤러처럼 페이지를 크롤링해요

2. 구조화 데이터 추출: 크롤러가 페이지의 head 영역과 인라인 스크립트에서 JSON-LD를 추출해요

3. 엔티티 매핑: 구조화 데이터를 바탕으로 콘텐츠를 schema.org 엔티티 유형(Question, Answer, HowToStep, Product, Person 등)에 매핑해요

4. 지식 그래프 통합: 추출된 엔티티가 AI 시스템의 학습 데이터나 실시간 지식 베이스에 추가돼요

5. 인용 가중치 부여: 답변을 생성할 때 AI 시스템은 구체적인 사실과 Q&A 콘텐츠에 대해 구조 없는 줄글보다 구조화 데이터 출처에 더 큰 가중치를 둬요

실무적으로 보면 이래요. 스키마가 인용을 보장하지는 않지만, 콘텐츠가 정확하게 추출되고 올바르게 인용될 확률을 크게 높여 줘요. AI 엔진은 확률적으로 작동하기 때문에, 스키마는 콘텐츠가 무엇을 뜻하고 어떤 질문에 답하는지에 대한 모호함을 없애 줘요.

AEO 스키마 우선순위 스택

모든 스키마 유형이 AI 인용률에 똑같이 기여하지는 않아요. 여러 AI 엔진의 인용 패턴을 분석한 결과를 바탕으로 정리한 우선순위는 다음과 같아요.

우선순위 1: FAQPage 스키마 (AEO 효과가 가장 큰 유형)

FAQPage 스키마는 AI 검색의 대화형 형식을 그대로 닮았어요. 각 Question / acceptedAnswer 쌍은 미리 포장된 인용 단위예요. AI 엔진이 사용자 질문과 짝지을 수 있는 질문, 그리고 추출해서 출처를 밝힐 수 있는 답변이 한 세트로 들어 있죠. FAQPage 스키마의 구조는 모든 스키마 유형 중에서 LLM의 답변 생성 구조와 가장 잘 맞아떨어져요.

구현 팁: FAQ 답변은 "어떤 사람들은 고려해 보는 것도 괜찮을 수 있다고 생각하는데..."처럼 얼버무리는 말투가 아니라, "가장 효과적인 방법은 X, Y, Z 세 가지예요"처럼 직접적이고 단호한 어조로 쓰세요. AI 엔진은 얼버무리는 줄글보다 추출하기 쉬운 단정적인 문장을 선호해요.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "What is the difference between AEO and SEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO (Search Engine Optimization) optimizes content for Google's ranking algorithm. AEO (Answer Engine Optimization) optimizes content to be cited by AI answer engines like ChatGPT, Perplexity, and Gemini. AEO requires different signals: structured Q&A content, FAQPage schema, AI bot access, and citation-ready writing style."
      }
    },
    {
      "@type": "Question",
      "name": "How many FAQ items should I include in FAQPage schema?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Include 3-10 FAQ items per page. Google displays up to 10 in rich results. For AEO, quality matters more than quantity - each FAQ should answer a distinct, real question users ask. Avoid padding with low-value questions."
      }
    }
  ]
}

우선순위 2: HowTo 스키마

HowTo 스키마는 FAQPage의 절차형 버전이에요. 사용자가 AI 엔진에 "AI 크롤러용 robots.txt는 어떻게 점검하나요?"처럼 과정을 묻는 질문을 하면, HowTo 스키마는 AI 엔진이 추출할 수 있는 구조화된 단계별 답변을 제공해요. HowToStep 유형은 AI 엔진이 안내형 답변에서 쓰는 번호 매긴 단계 형식과 자연스럽게 맞아떨어져요.

핵심 구현 팁: 각 단계는 실제로 분리되어 있고 바로 실행할 수 있어야 해요. "목표에 대해 생각해 보세요" 같은 단계는 쓸모가 없어요. "yourdomain.com/robots.txt에서 robots.txt 파일을 열고 User-agent: GPTBot 줄이 있는지 확인하세요" 같은 단계가 바로 인용할 수 있는 단계예요.

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "How to audit your robots.txt for AI crawler access",
  "description": "Step-by-step guide to checking and correcting robots.txt for GPTBot, ClaudeBot, and PerplexityBot access.",
  "totalTime": "PT10M",
  "step": [
    {
      "@type": "HowToStep",
      "name": "Check your current robots.txt",
      "text": "Navigate to yourdomain.com/robots.txt in your browser. This shows the live file as crawlers see it.",
      "position": 1
    },
    {
      "@type": "HowToStep",
      "name": "Identify AI crawler rules",
      "text": "Search the file for User-agent entries that match GPTBot, ClaudeBot, anthropic-ai, and PerplexityBot. If none exist, the wildcard User-agent:* rule applies.",
      "position": 2
    },
    {
      "@type": "HowToStep",
      "name": "Add explicit allow rules",
      "text": "Add User-agent: GPTBot / Allow: / entries for each AI crawler you want to permit. This overrides any restrictive wildcard rules.",
      "position": 3
    }
  ]
}

우선순위 3: E-E-A-T 신호를 모두 갖춘 Article 스키마

Article 스키마는 FAQPage처럼 AI 엔진이 구체적인 답을 찾도록 돕지는 않아요. 대신 AI 엔진이 애초에 어떤 출처를 인용할 가치가 있는지 판단할 때 쓰는 신뢰 신호(E-E-A-T)를 쌓아 줘요. Article 스키마도, 저자 표시도, 발행일도 없는 도메인은 모든 글에서 누가, 언제 썼는지, 그리고 그 저자가 이 주제에서 왜 믿을 만한지를 분명히 보여 주는 도메인보다 인용될 가능성이 낮아요.

AEO 효과를 극대화하려면 Article 스키마에 실제 Person 엔티티로 연결되는 저자 정보를 넣어야 해요. 저자 이름, 소개 페이지나 전문 프로필(LinkedIn, 개인 사이트) 링크, 그리고 가능하면 직함이나 자격까지요.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Schema Markup for AEO: Which Types Drive LLM Citations",
  "description": "Complete guide to schema markup for answer engine optimization...",
  "datePublished": "2026-07-23",
  "dateModified": "2026-07-23",
  "author": {
    "@type": "Person",
    "name": "Devanshu",
    "url": "https://airanklab.com/about",
    "jobTitle": "AI Search Optimization Specialist"
  },
  "publisher": {
    "@type": "Organization",
    "name": "AI Rank Lab",
    "logo": {
      "@type": "ImageObject",
      "url": "https://www.airanklab.com/logo.png"
    }
  },
  "image": "https://www.airanklab.com/blog/schema-aeo-hero.jpg",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://www.airanklab.com/blog/schema-markup-for-aeo-llm-citations"
  }
}

우선순위 4: BreadcrumbList 스키마

BreadcrumbList는 AI 엔진에 주제의 계층 구조를 알려 줘요. 이 페이지는 이 카테고리에 속하고, 그 카테고리는 더 넓은 이 주제 영역에 속한다는 식이죠. AI 엔진은 사이트 구조를 권위의 대리 지표로 써요. 주제 계층이 명확한 사이트(Home > Blog > AEO Education > Schema Markup)는 모든 페이지가 따로 떨어져 있는 것처럼 보이는 사이트보다 AEO 주제에서 인용할 만한 출처로 더 신뢰받아요.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://www.airanklab.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Blog",
      "item": "https://www.airanklab.com/blog"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "AEO Education",
      "item": "https://www.airanklab.com/blog/category/aeo"
    },
    {
      "@type": "ListItem",
      "position": 4,
      "name": "Schema Markup for AEO"
    }
  ]
}

우선순위 5: Organization 스키마 (사이트 전체)

홈페이지의 Organization 스키마는 가장 기본이 되는 엔티티 선언이에요. AI 엔진에 "이 웹사이트는 이 조직이 운영하고, 이 조직은 이 분야에서 이런 일을 하며, 연락처는 이렇다"라고 알려 주죠. Organization 스키마가 없으면 AI 엔진은 페이지 콘텐츠만 보고 브랜드가 무엇인지 추론해야 하고, 그 추론은 불완전하거나 틀릴 수 있어요.

Organization 스키마는 GEO(Generative Engine Optimization, 생성형 엔진 최적화)에서 브랜드 서사의 기준점이기도 해요. LLM이 답변에서 회사를 설명할 때는 Organization 스키마를 포함한 엔티티 데이터를 가져와요. 그래서 Organization 스키마의 설명, 이름, 업종, URL을 정확하게 넣는 일은 SEO 신호인 동시에 GEO 신호예요.

한 페이지에 여러 스키마 유형을 함께 쓰는 법

한 페이지에 여러 스키마 유형을 넣을 수 있고, 또 그래야 해요. 저희 분석에서 AEO 효과가 가장 좋았던 페이지들은 보통 다음과 같이 조합했어요.

• Article + FAQPage: Article 스키마는 E-E-A-T 맥락과 출처 정보를, FAQPage 스키마는 바로 추출할 수 있는 Q&A를 제공해요. "누구를 믿을지"와 "답이 무엇인지"를 모두 해결하는 조합이에요.

• Article + BreadcrumbList: 모든 글에는 두 가지가 다 있어야 해요. 저자 신호와 함께 주제 계층 맥락까지 제공하니까요.

• HowTo + FAQPage: 과정에 대한 자주 묻는 질문에도 답하는 튜토리얼 콘텐츠에 좋아요. HowTo는 과정 자체를, FAQPage는 그 주변의 질문을 다뤄요.

스키마 유형을 함께 쓰려면 JSON-LD 배열을 쓰거나 스크립트 블록을 따로 나누면 돼요. 둘 다 유효해요.

<script type="application/ld+json">
{ Article schema here }
</script>

<script type="application/ld+json">
{ FAQPage schema here }
</script>


<script type="application/ld+json">
[
  { Article schema here },
  { FAQPage schema here }
]
</script>

AEO 스키마, 이렇게 하면 효과가 없어요

눈에 보이는 콘텐츠와 어긋나는 스키마

가장 흔하면서도 가장 치명적인 실수예요. FAQPage 스키마에 페이지에 보이지 않는 답변이 들어 있으면, AI 엔진은 그 스키마를 오해의 소지가 있다고 보고 인용 가중치를 낮춰요. 스키마의 모든 필드는 페이지에 실제로 보이고 크롤링할 수 있는 콘텐츠와 일치해야 해요.

천편일률적인 답변

전화하라고 유도하거나, 모호하게 답을 피하거나, 모든 걸 얼버무리는 FAQPage 답변은 쓸모 있는 답으로 추출할 수 없어서 인용 가능성을 떨어뜨려요. "가격은 문의해 주세요"는 인용할 수 있는 답이 아니에요. "Starter 요금제는 월 $69부터 시작하며, 매월 10,000크레딧이 포함돼요" 같은 답이 인용할 수 있는 답이에요.

관련 없는 스키마로 페이지를 과하게 채우기

블로그 글에 Product 스키마를 넣거나 문의 페이지에 FAQPage 스키마를 넣으면 신호에 잡음이 생겨요. AI 엔진은 페이지 맥락과 맞지 않는 스키마를 감지할 수 있고, 그러면 구조화 데이터 전반에 대한 신뢰를 낮출 수 있어요. 페이지 유형을 정확하게 설명하는 스키마를 적용하세요.

AI 검색 최적화 가이드를 건너뛰기

스키마는 AEO라는 퍼즐의 한 조각일 뿐이에요. 콘텐츠를 인용할 만하게 만드는 요소 전체를 보려면 AI 검색 최적화 가이드를 참고하세요. 스키마 구현과 함께 콘텐츠 전략, 엔티티 명확성, 전체 기술 설정까지 다뤄요.

지금 적용된 스키마 범위를 점검하는 방법

새 스키마를 추가하기 전에 이미 있는 스키마부터 점검하세요. 대부분의 사이트에는 불완전하거나 잘못 구현된 스키마가 있고, 새 스키마를 넣기 전에 이것부터 고쳐야 해요.

가장 빠른 점검 방법은 이래요.

1. 주요 페이지를 Google의 리치 결과 테스트(Rich Results Test)에 돌려 보세요. 감지된 모든 스키마와 유효성 오류를 보여 줘요

2. AI Rank Lab의 전체 감사 도구로 사이트 전체의 스키마 적용 범위를 확인하세요. 어떤 페이지 유형에 스키마가 있고, 어디에 빠져 있고, 어디에 구현 오류가 있는지 찾아 줘요

3. 스키마 생성기로 오류가 있는 페이지의 수정 버전을 만드세요

감사(빈틈 찾기)와 생성기(빈틈 메우기)를 함께 쓰는 것이, 페이지가 몇 개 이상인 사이트에서 가장 효율적인 스키마 구현 워크플로예요.

마무리

AEO를 위한 스키마 마크업은 테크니컬 SEO 체크리스트 한 칸을 채우는 일이 아니에요. AI 엔진이 콘텐츠를 찾고, 추출하고, 인용할 때 쓰는 언어로 말하는 일이에요. FAQPage 스키마는 AI 답변 생성 방식과 바로 맞닿아 있어서 가장 먼저 투자해야 할 대상이에요. HowTo 스키마는 이를 절차형 콘텐츠로 넓혀 주고, Article 스키마는 신뢰의 층을 쌓아 줘요. 이 세 가지가 합쳐지면 AI 엔진이 자신 있게 인용할 수 있는 페이지가 돼요. 콘텐츠가 무엇을 말하는지, 누가 언제 말했는지, 어떤 질문에 답하는지를 AI 엔진이 알 수 있으니까요.

여기서 다룬 스키마 유형은 AI Rank Lab의 무료 스키마 생성기로 구현할 수 있고, 전체 감사를 실행하면 지금 스키마 적용에 어떤 빈틈이 있는지 확인할 수 있어요. AEO 역량을 제대로 갖추고 싶은 팀이라면, 스키마 구현이야말로 기술 스택 전체에서 ROI가 가장 빨리 나오는 작업이에요.