스키마를 넣으면 AI가 더 인용할까? Ahrefs 1,885페이지 실험이 말하는 것

스키마 마크업은 SEO에서 오래된 기본 작업입니다. Article, Product, Organization, Breadcrumb 같은 구조화 데이터는 검색엔진이 페이지의 의미와 속성을 더 명확히 이해하도록 돕습니다.

그런데 AI 검색 시대가 되면서 스키마에 새로운 기대가 붙었습니다.

“스키마를 넣으면 ChatGPT나 Google AI Overviews가 우리 페이지를 더 잘 인용하지 않을까?”

최근 Ahrefs가 이 질문에 꽤 직접적인 실험 결과를 냈습니다. JSON-LD 스키마를 새로 추가한 1,885개 페이지와 스키마를 추가하지 않은 4,000개 control URL을 비교한 결과입니다.

결론부터 말하면, 스키마는 AI 인용을 끌어올리는 단독 레버로 보기 어렵습니다. 그렇다고 스키마가 쓸모없다는 뜻도 아닙니다. 역할을 다시 정리해야 합니다.

Ahrefs 실험은 무엇을 봤나

Ahrefs 원문 제목은 “We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.”입니다.

실험의 기본 구조는 단순합니다.

항목	내용
대상 페이지	2025년 8월부터 2026년 3월 사이 JSON-LD 스키마를 추가한 1,885개 페이지
비교군	스키마를 추가하지 않은 4,000개 URL
측정 대상	Google AI Overviews, Google AI Mode, ChatGPT citation
주요 분석	matched difference-in-differences
보조 분석	t-test, event study, recrawl window 제외 분석

이 점이 중요합니다.

이번 결과는 “스키마가 있는 페이지와 없는 페이지의 단순 상관관계”가 아닙니다. 스키마를 새로 추가한 페이지를 전후로 보고, 비슷한 control page와 비교했다는 점에서 기존의 가벼운 주장보다 실무적으로 참고할 가치가 큽니다.

Ahrefs가 공개한 핵심 수치는 아래와 같습니다.

AI source	Citation 변화	해석
Google AI Overviews	-4.6%	matched control 대비 작지만 통계적으로 유의한 하락
Google AI Mode	+2.4%	zero와 통계적으로 구분하기 어려움
ChatGPT	+2.2%	zero와 통계적으로 구분하기 어려움

즉 “스키마를 넣었더니 AI가 더 많이 인용했다”는 식의 강한 결론은 나오지 않았습니다.

특히 Google AI Mode와 ChatGPT는 방향만 보면 플러스입니다. 하지만 그 정도가 작고, 통계적으로 의미 있는 효과라고 보기 어렵습니다. Google AI Overviews는 오히려 작게 하락했습니다.

다만 여기서 바로 “스키마가 AI 인용에 나쁘다”고 말하면 안 됩니다.

-4.6%를 어떻게 읽어야 할까

Google AI Overviews에서 -4.6%가 나왔다는 점은 눈에 띕니다. 하지만 이 수치를 단독으로 확대하면 위험합니다.

Ahrefs도 제한을 함께 설명했습니다.

• 평균으로는 페이지당 약 12 daily citations 감소 수준이었습니다.
• 표본 대부분은 스키마 추가 전부터 이미 수백 citation을 받던 페이지였습니다.
• treated page와 control page 모두 스키마 추가 전부터 하락 추세가 있었습니다.
• Google update, 콘텐츠 freshness, recrawl timing 같은 요인을 완전히 분리하기 어렵습니다.
• 스키마 type별 효과도 분리되어 있지 않습니다.

따라서 안전한 해석은 이쪽입니다.

“이미 AI citation consideration set에 들어간 페이지에서, 스키마 추가만으로 citation이 뚜렷하게 늘어난 근거는 약하다.”

이 문장이 중요합니다.

이번 실험은 “아직 AI에 거의 보이지 않는 페이지”까지 대표하지 않습니다. Ahrefs는 dataset page가 스키마 추가 전인 2025년 2월에도 100개 이상의 AI Overview citations를 갖고 있었다고 설명했습니다. 이미 AI가 알고 있고, 이미 어느 정도 인용하던 페이지였다는 뜻입니다.

그러니 실무에서는 이렇게 나누어 봐야 합니다.

상황	스키마에 기대할 수 있는 것	기대하면 위험한 것
이미 AI에 많이 인용되는 페이지	entity consistency, rich result, 데이터 정합성 보조	citation 단기 상승
아직 AI에 거의 보이지 않는 페이지	crawl, parsing, indexing, structured data hygiene 보조	스키마만으로 citation 진입
제품, 조직, 로컬, 리뷰 정보가 중요한 페이지	visible content와 구조화 데이터의 일치	JSON-LD-only 정보만으로 신뢰 확보

스키마는 여전히 점검할 가치가 있습니다. 다만 AI 인용을 늘리는 핵심 버튼처럼 설명하면 안 됩니다.

Google 공식 문서도 같은 방향을 가리킨다

Ahrefs 결과는 Google 공식 문서의 방향과도 맞닿아 있습니다.

Google의 “AI features and your website” 문서는 AI Overviews와 AI Mode에 나타나기 위해 특별한 추가 요구사항이나 별도 최적화가 필요하지 않다고 설명합니다. supporting link 후보가 되려면 기본적으로 indexed 상태여야 하고, snippet eligible이어야 합니다.

Google의 generative AI search optimization guide도 비슷합니다. 구조화 데이터는 SEO 전략의 일부이고 rich result eligibility에 도움이 될 수 있지만, 생성형 AI 검색을 위한 특별한 schema.org 구조화 데이터가 따로 있는 것은 아니라고 설명합니다.

이 말은 스키마를 하지 말라는 뜻이 아닙니다.

구조화 데이터를 일반 SEO 위생 관리의 일부로 보라는 뜻입니다. AI 검색 전용 마법 태그처럼 팔거나 운영하면 안 된다는 뜻에 가깝습니다.

실무자 입장에서는 이 차이가 큽니다.

“스키마를 넣었으니 AI 검색 최적화가 됐다”가 아니라, “색인 가능성, snippet eligibility, visible content, 근거 구조, 외부 신뢰 신호, 질문 적합성을 함께 봐야 한다”로 바꿔야 합니다.

searchVIU 실험이 보탠 힌트

searchVIU도 2025년에 관련 실험을 공개했습니다. ChatGPT, Gemini, Claude, Perplexity, Google AI Mode 등을 대상으로 visible HTML, JavaScript-rendered content, JSON-LD-only data, hidden Microdata/RDFa, visible Microdata/RDFa를 섞어 테스트한 실험입니다.

핵심 관찰은 명확했습니다.

Direct fetch 상황에서는 JSON-LD-only 정보나 hidden schema data보다, 화면에 보이는 HTML content가 더 중요하게 관찰됐습니다.

물론 이 실험도 한계가 있습니다. Direct fetch 실험은 Google AI Overviews나 Bing Copilot처럼 index 기반으로 움직이는 검색형 시스템 전체를 대표하지 않습니다. training, indexing, retrieval, ranking까지 모두 설명하는 실험은 아닙니다.

그럼에도 실무 힌트는 분명합니다.

중요한 가격, 정책, 비교 기준, 근거, 업데이트일을 JSON-LD 안에만 넣어 두면 안 됩니다. 사용자가 보는 본문에도 같은 정보가 명확히 있어야 합니다.

AI 검색 최적화에서 우선순위는 “숨겨진 태그”보다 “보이는 답변”입니다.

스키마를 버리라는 말이 아니다

이번 결과를 보고 “스키마는 이제 의미 없다”고 말하는 것도 틀렸습니다.

스키마는 여전히 아래 목적에 유효합니다.

목적	스키마의 역할
Rich results eligibility	Google이 지원하는 유형에서 검색 결과 표시 자격을 얻는 데 도움
Entity consistency	조직명, 제품명, 저자, 가격, 리뷰, 위치 같은 속성을 일관되게 정리
Content management	CMS와 콘텐츠 운영에서 핵심 필드를 구조화
Technical SEO hygiene	검색엔진이 페이지 타입과 속성을 더 명확히 이해하도록 보조
Internal audit	페이지별 구조화 데이터 누락, 오류, 불일치를 점검 가능하게 함

문제는 역할을 과장하는 데 있습니다.

스키마는 기술 위생입니다. 필요합니다. 하지만 AI citation 성장은 보통 다른 층에서 결정됩니다.

• 질문에 바로 답하는 heading
• 첫 문장만 읽어도 결론이 보이는 요약
• 근거와 출처가 붙은 문단
• 비교 기준이 분명한 표
• 저자, 조직, 업데이트일, 방법론 같은 신뢰 정보
• 외부에서 반복 확인되는 브랜드와 카테고리 신호
• 검색엔진이 접근하고 색인할 수 있는 기본 SEO 상태

이것들이 약하면 스키마만으로는 부족합니다.

반대로 visible content와 신뢰 구조가 탄탄한 페이지라면, 스키마는 그 내용을 기계가 더 일관되게 이해하도록 돕는 보조 장치가 됩니다.

한국 시장에서는 왜 더 조심해야 하나

한국 시장에서는 새로운 최적화 키워드가 나오면 빠르게 “설치형 전술”로 단순화되는 경향이 있습니다.

GEO도 마찬가지입니다. AI 검색 최적화가 어느새 “schema 넣기”, “llms.txt 만들기”, “AI-readable markup 붙이기”처럼 보일 수 있습니다.

하지만 AI 검색에서 실제로 필요한 일은 더 복합적입니다.

특히 한국어 검색, Naver, Google AI Overviews, ChatGPT, Perplexity는 같은 시스템이 아닙니다. Ahrefs 실험 결과를 한국 시장 전체에 그대로 일반화할 수는 없습니다.

그렇기 때문에 더 안전한 접근이 필요합니다.

• 기술 태그 하나로 AI citation을 약속하지 않는다.
• Google 근거를 ChatGPT, Claude, Perplexity, Naver AI에 그대로 확장하지 않는다.
• JSON-LD-only 정보에 중요한 근거를 숨기지 않는다.
• 스키마 검증과 AI citation 측정을 같은 KPI로 묶지 않는다.
• 스키마는 technical readiness에 두고, AI answer visibility는 따로 본다.

HaloX 관점에서도 이 구분이 중요합니다.

AI 검색 가시성은 “스키마가 있느냐”보다 “어떤 질문에서 우리 브랜드가 언급되고, 어떤 페이지가 출처가 되고, 인용과 멘션이 어떻게 갈라지는지”를 봐야 합니다.

스키마는 그 전체 진단 중 technical hygiene에 속합니다. 중요한 항목이지만, 최종 성과지표는 아닙니다.

실무 체크리스트

이번 신호를 바탕으로 사이트를 점검한다면 아래 순서가 좋습니다.

점검 항목	확인할 것
스키마 목적	AI citation 상승 목적이 아니라 rich result, entity consistency, technical hygiene 목적인지 정리
본문 일치	JSON-LD에 있는 핵심 정보가 visible HTML에도 자연스럽게 있는지 확인
Google eligibility	페이지가 indexed 상태이고 snippet eligible인지 확인
질문 구조	실제 사용자가 묻는 질문에 heading과 첫 문단이 바로 답하는지 확인
근거 블록	수치, 출처, 방법론, 업데이트일이 본문에 보이는지 확인
비교 표	경쟁 제품, 기준, 장단점, 적용 조건이 표로 정리되어 있는지 확인
엔진 분리	Google AIO, AI Mode, ChatGPT, Perplexity, Naver를 같은 결과로 묶지 않기
측정 설계	test page와 matched control page를 나눠 30일, 60일, 90일 단위로 보기

기술 SEO 담당자는 스키마를 계속 관리해야 합니다.

콘텐츠 담당자는 스키마보다 먼저 본문을 봐야 합니다. 페이지가 어떤 질문에 답하는지, 그 답이 근거와 함께 보이는지, AI가 재구성하기 전에 사람이 먼저 이해할 수 있는지를 봐야 합니다.

대표나 마케팅 리더는 예산 배분을 다시 봐야 합니다. 스키마 대량 삽입 프로젝트를 AI 검색 성장 프로젝트로 포장하기보다, 기술 위생과 콘텐츠 근거 구조를 분리해 투자하는 편이 안전합니다.

기존 콘텐츠를 업데이트할 때 넣을 문장

기존 스키마, GEO, AI 인용 관련 글을 업데이트한다면 아래 문장을 추가할 수 있습니다.

2026년 업데이트: 스키마는 AI citation을 보장하지 않습니다. Ahrefs가 JSON-LD 스키마를 새로 추가한 1,885개 페이지를 matched control과 비교한 결과, Google AI Mode와 ChatGPT citation은 통계적으로 의미 있게 늘지 않았고, Google AI Overviews는 작게 하락했습니다. 따라서 스키마는 rich results, 데이터 일관성, entity consistency를 위한 technical hygiene로 관리하되, AI citation 성장은 질문 적합성, visible content, 색인 가능성, 외부 신뢰 신호, citation/mention 측정으로 따로 검증해야 합니다.

업데이트 우선순위를 잡을 때는 아래 유형의 글부터 보는 편이 좋습니다.

기존 글	업데이트 방향
스키마 마크업 실전 적용 완전 가이드	스키마는 rich result와 데이터 정합성 목적이며 AI citation을 보장하지 않는다고 명시
AI가 인용하고 싶은 콘텐츠 만드는 법	citation은 visible answer fit, authority, search eligibility, source consensus의 결과로 설명
GEO 콘텐츠 구조화 가이드	schema injection보다 headings, TL;DR, evidence block, comparison table, visible facts 중심으로 재정렬
SEO와 GEO를 하나로 보는 통합 전략	Google AI features도 indexability와 snippet eligibility 위에서 움직인다는 점 연결

업데이트의 핵심은 방어적 문구가 아닙니다. 독자가 실제로 잘못 투자하지 않게 우선순위를 다시 잡아주는 것입니다.

결론: 스키마의 자리는 AI citation 레버가 아니라 위생 관리다

스키마는 앞으로도 필요합니다.

다만 “AI가 더 많이 인용하게 만드는 버튼”으로 설명하면 안 됩니다. 현재 공개된 근거만 놓고 보면, 스키마 추가만으로 AI citation이 유의미하게 늘어난다고 말하기 어렵습니다.

스키마의 자리는 technical hygiene입니다.

페이지가 무엇인지, 조직과 제품과 저자와 가격과 위치 정보가 어떻게 연결되는지, 검색엔진이 지원하는 rich result 자격을 갖췄는지를 관리하는 층입니다.

AI citation을 보려면 다른 질문을 해야 합니다.

• 이 페이지는 어떤 질문에 답하는가?
• 답이 본문에 보이는가?
• 근거와 출처가 붙어 있는가?
• 검색엔진이 접근하고 색인할 수 있는가?
• AI 답변에서 출처와 멘션이 어떻게 갈라지는가?
• 같은 주제에서 경쟁 브랜드와 어떤 신뢰 신호 차이가 있는가?

이 질문에 답하지 못하면 스키마만 추가해도 큰 변화가 없을 가능성이 큽니다.

AI 검색 최적화는 태그 설치가 아니라, 질문과 근거와 신뢰 구조를 운영하는 일에 가깝습니다.

HaloX는 브랜드가 어떤 질문에서 보이고, 어떤 페이지가 출처가 되고, 어디서 citation과 mention이 끊기는지 함께 점검합니다. 스키마는 그중 하나의 기술 점검 항목으로 봐야 합니다. 출발점일 수는 있어도, 결승선은 아닙니다.