Citeon
로그인무료 진단
기술 실무 한글 실증

FAQPage 구조화 데이터 완전 가이드

정유진
정유진 · 콘텐츠·SEO 에디터
FAQPage 구조화 데이터 완전 가이드

FAQPage 구조화 데이터는 'AI가 인용하기 가장 쉬운 형태'로 내 콘텐츠를 다시 포장하는 작업입니다. 질문 하나에 자기완결적인 답 하나 — 이 단위가 바로 AI 검색이 답을 만들 때 가져다 쓰는 '한 조각'이기 때문입니다. 이 글은 FAQPage 스키마가 왜 AI 인용에 유리한지 RAG 메커니즘까지 파고들고, 복사해서 바로 쓸 수 있는 JSON-LD 템플릿과 ❌약한 예/✅강한 예 대조, 검증 체크리스트까지 한 번에 정리합니다. 어렵지 않습니다. 천천히 따라오시면 됩니다.

FAQPage 구조화 데이터가 뭔가요 — 한 문장 직답

FAQPage는 '이 페이지에 질문과 답변 묶음이 들어 있다'고 검색엔진과 AI에게 기계가 읽는 언어(JSON-LD)로 선언하는 표준 마크업입니다. 사람 눈에 보이는 본문은 그대로 두고, 페이지 코드 안에 보이지 않는 '꼬리표'를 다는 것이라고 생각하면 됩니다.

비유하자면 이렇습니다. 똑같은 상자라도 '잡화'라고 적힌 상자와 '겨울옷 / 220mm 운동화 / 우산 3개'라고 안에 든 것을 적어둔 상자는 다릅니다. 창고지기(검색엔진·AI)가 "운동화 어디 있지?"를 찾을 때, 후자는 상자를 열어보지 않고도 정확히 집어낼 수 있습니다. FAQPage 스키마는 콘텐츠라는 상자에 '내용물 라벨'을 붙이는 일입니다.

중요한 전제 하나. 구조화 데이터는 없는 내용을 만들어내는 마법이 아닙니다. 이미 페이지에 사람이 볼 수 있게 존재하는 Q&A를 기계가 읽기 쉽게 '구조'로 표시할 뿐입니다. 화면에 없는 질문·답을 스키마에만 몰래 넣는 것은 명백한 가이드라인 위반이고, 보수적인 엔진(특히 Claude 계열)은 근거가 약한 콘텐츠를 걸러내는 성향이 강해서 오히려 손해입니다.

왜 하필 FAQ 형식이 AI 인용에 유리한가 — RAG로 설명

이 질문에 답하려면 AI 검색이 답을 '어떻게' 만드는지 알아야 합니다. ChatGPT·Perplexity·구글 AI·네이버 AI 브리핑은 대부분 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 구조를 씁니다. 2020년 Lewis 등이 제안한 이 구조(arXiv:2005.11401)의 핵심은 '모델이 외운 지식'과 '실시간으로 검색해온 외부 문서'를 결합한다는 것입니다. AI가 혼자 지어내지 않고, 검색해온 실제 문서 조각을 근거로 답을 씁니다.

RAG는 크게 세 단계로 움직입니다. 각 단계에서 FAQ 형식이 왜 유리한지를 함께 보겠습니다.

1단계 — 검색(Retrieval): 잘게 쪼갠 '조각' 단위로 가져온다

AI는 웹페이지를 통째로 읽지 않습니다. 문서를 '청크(chunk)'라는 작은 조각으로 잘라 각각을 벡터(의미를 담은 숫자 좌표)로 바꿔 저장해두고, 질문이 들어오면 의미가 가까운 조각만 끌어옵니다. 2020년 Karpukhin 등의 Dense Passage Retrieval 연구(arXiv:2004.04906)는 이 '의미(임베딩) 기반 검색'이 단순 키워드 매칭(BM25)을 능가한다는 것을 보였습니다.

여기서 결정적입니다. FAQ의 질문-답변 쌍은 그 자체로 완벽한 청크입니다. 보통 콘텐츠는 잘리는 위치가 애매해서 한 청크 안에 주제가 둘 섞이거나 답이 두 청크에 걸쳐 잘려나갑니다. 반면 'Q: 환불은 며칠 걸리나요? / A: 영업일 기준 3일입니다'는 어디서 잘라도 의미가 온전합니다. 도서관에 비유하면, 일반 문서가 '주제가 뒤섞인 두꺼운 책'이라면 FAQ는 '한 장에 질문 하나, 답 하나가 적힌 색인 카드'입니다. 사서(검색기)가 집어 들기에 후자가 압도적으로 쉽습니다.

Anthropic의 2024년 Contextual Retrieval 연구도 이 맥락을 뒷받침합니다. 청크에 맥락을 덧붙였더니 검색 실패율이 35% 줄었고(5.7%→3.7%), 키워드 검색(BM25)을 하이브리드로 결합하면 49%, 재정렬(reranking)까지 더하면 67%까지 실패율이 떨어졌습니다. FAQ의 질문 문장은 그 자체로 '이 답이 무엇에 관한 것인지'를 설명하는 맥락 라벨 역할을 하므로, 맥락을 인위적으로 붙이지 않아도 이미 검색 친화적입니다.

2단계 — 재정렬(Reranking): 질문과 가장 잘 맞는 조각을 위로

1차로 끌어온 후보 조각들을 AI는 다시 한 번 '이 질문에 정말 맞는가'를 기준으로 재정렬합니다. cross-encoder 기반 재정렬은 질문과 후보를 함께 읽어 점수를 매기는데, 난도 높은 질의에서 NDCG(순위 품질 지표)를 5~15포인트, 어려운 경우 20포인트 가까이 끌어올립니다.

FAQ는 이 단계에서도 유리합니다. 사용자의 질문과 FAQ의 질문이 거의 같은 형태(의문문)이기 때문에 의미 매칭 점수가 자연스럽게 높게 나옵니다. "배송 얼마나 걸려요?"라는 사용자 질문과 "Q: 배송은 얼마나 걸리나요?"라는 FAQ 항목은 표현이 거의 일치하죠. 일반 서술문 본문보다 질문 대 질문 매칭이 재정렬에서 더 또렷한 신호를 줍니다.

3단계 — 생성(Generation): 앞/뒤 조각이 답에 반영된다

마지막으로 AI는 추려낸 조각들을 맥락으로 넣고 답을 생성합니다. 그런데 2023년 Liu 등의 'Lost in the Middle' 연구(arXiv:2307.03172)는 중요한 약점을 드러냈습니다. 긴 맥락의 중간에 놓인 정보는 모델이 잘 활용하지 못하고, 앞과 끝의 정보를 더 잘 씁니다(U자형 성능 곡선). 길고 장황한 문단 한가운데 핵심 답을 묻어두면 AI가 놓칠 수 있다는 뜻입니다.

FAQ는 답이 짧고 앞쪽에 핵심이 옵니다. '며칠 걸리나요? → 3일입니다'처럼 직답이 맨 앞에 오므로 중간에 묻힐 일이 없습니다. 구조 자체가 Lost in the Middle을 회피하도록 설계된 셈입니다.

그래서 FAQPage 스키마가 더하는 것 — 라벨 + 자격

위 세 단계는 스키마가 없어도 'FAQ스럽게 쓴 본문'이라면 어느 정도 작동합니다. 그렇다면 JSON-LD 스키마를 굳이 다는 이유는 뭘까요? 두 가지입니다.

주의: 구글의 일반 검색결과에서 FAQ 리치 결과(별색 아코디언) 노출 정책은 시간이 지나며 변화가 있었습니다. 그래서 'FAQPage = 무조건 화면에 예쁜 박스가 뜬다'고 기대하면 안 됩니다. 우리의 목표는 시각적 리치 결과가 아니라 AI가 답을 합성할 때 인용하기 좋은 구조를 제공하는 것 — AEO/GEO 관점의 이득입니다. 이 점을 분명히 하고 가야 실망하지 않습니다.

복사해서 쓰는 JSON-LD 기본 템플릿

FAQPage 스키마는 schema.org 표준을 따릅니다. <head> 또는 <body> 안에 아래 <script> 한 덩어리를 넣으면 됩니다. 핵심 구조는 'FAQPage 안에 여러 개의 Question, 각 Question 안에 하나의 acceptedAnswer'입니다.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Citeon 무료 진단은 정말 무료인가요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "네, 비용은 0원입니다. URL만 입력하면 SEO·AEO·GEO 점수와 한국어 처방 리포트를 이메일로 보내드립니다. 카드 등록도 필요 없습니다."
      }
    },
    {
      "@type": "Question",
      "name": "진단 결과는 얼마나 걸리나요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "진단 자체는 즉시 점수가 나오고, 분석·처방 리포트는 이메일로 함께 전달됩니다."
      }
    }
  ]
}
</script>

규칙은 단순합니다.

핵심 — 질문과 답을 '어떻게 쓰느냐'가 절반이다

스키마는 그릇입니다. 그릇에 무엇을 담느냐가 인용 여부를 가릅니다. 2023년 Aggarwal 등의 GEO 연구(arXiv:2311.09735, KDD 2024)는 통계 인용·출처 명시·직접 인용문을 더하면 생성엔진에서의 가시성이 특정 조건에서 최대 약 40%까지 올라갔다고 보고했습니다. FAQ 답변에도 똑같이 적용됩니다. 아래 대조를 보시죠.

① 질문은 '사용자가 실제로 입력하는 말'로

구분예시
❌ 약한 예"당사 서비스의 환불 정책에 대하여"
✅ 강한 예"환불은 며칠 안에 들어오나요?"

AI가 매칭하는 것은 사용자의 자연어 질문입니다. 명사형 제목('~에 대하여')이 아니라 사람이 검색창·챗봇에 치는 말 그대로의 의문문이 매칭 점수를 높입니다.

② 답변은 '직답 먼저, 근거 나중'

구분예시
❌ 약한 예"환불은 여러 요인에 따라 달라질 수 있으며, 결제 수단과 카드사 사정, 영업일 등을 종합적으로 고려해야 하므로 일률적으로 말씀드리기 어렵습니다."
✅ 강한 예"영업일 기준 3일 이내 환불됩니다. 카드 결제는 카드사 사정으로 최대 5일까지 걸릴 수 있습니다."

약한 예는 '결국 며칠인지' 답이 없습니다. AI는 인용할 사실을 못 찾아 그냥 지나칩니다. 강한 예는 첫 문장이 곧 답이라 그대로 인용됩니다. Lost in the Middle이 알려준 대로, 숫자·결론은 맨 앞에 두세요.

③ 구체적 수치·조건으로 '인용 가능한 사실' 심기

구분예시
❌ 약한 예"저렴한 가격에 빠른 배송을 제공합니다."
✅ 강한 예"3만 원 이상 주문 시 무료배송이며, 오후 2시 이전 결제 건은 당일 출고됩니다."

'저렴', '빠른' 같은 형용사는 AI가 인용할 사실이 아닙니다. '3만 원', '오후 2시', '당일'처럼 검증 가능한 수치가 GEO 연구가 말한 '가시성을 올리는 통계·구체성'입니다.

④ 한 질문엔 한 주제만

구분예시
❌ 약한 예"배송·환불·교환은 어떻게 되나요?" (한 항목에 세 주제)
✅ 강한 예"배송은 얼마나 걸리나요?" / "환불은 며칠 걸리나요?" / "교환은 어떻게 신청하나요?" (셋으로 분리)

한 청크 안에 주제가 섞이면 의미 벡터가 흐려져 어떤 질문에도 어중간하게 매칭됩니다. 하나의 질문 = 하나의 자기완결 청크 원칙을 지키세요.

따라 하기 체크리스트 — 발행 전 점검

마지막 두 항목이 특히 중요합니다. 문법이 깨진 JSON-LD는 통째로 무시되고, 숨김 콘텐츠는 가이드라인 위반으로 페널티 위험이 있습니다. Claude 계열처럼 근거가 약한 콘텐츠를 보수적으로 걸러내는 엔진에서는 정직한 구조가 곧 인용 확률입니다.

엔진마다 다르게 받아들인다 — 인용 성향 메모

한 가지 더 알아두면 좋은 사실. 대규모 인용 분석에 따르면 ChatGPT와 Perplexity가 인용하는 도메인의 중복은 약 11%에 불과하고, 인용의 약 90%가 엔진마다 다릅니다. ChatGPT는 위키백과 비중이 약 47.9%로 높고, Perplexity는 Reddit이 약 46.7%로 높은 식입니다. 즉 'FAQPage 하나 깔면 모든 엔진에 똑같이 먹힌다'가 아니라, 엔진별 성향이 다릅니다.

엔진성향(요약)
ChatGPT위키·커뮤니티 출처 비중 높음
Gemini구글 색인·E-E-A-T 신호에 민감
Claude근거 약한 콘텐츠를 보수적으로 걸러냄(정직·출처가 유리)
Perplexity실시간 웹·인라인 인용, 커뮤니티 출처 활용

그래서 FAQ를 깔고 끝이 아니라, 어느 엔진에서 실제로 인용되는지 측정하면서 다듬는 루프가 필요합니다. 그리고 한 가지 주의 — AI 인용은 측정 자체가 흔들립니다. temperature=0에서도 같은 질문에 다른 답이 나오고, 인용은 멱법칙으로 출렁입니다(단일 측정은 노이즈에 가깝습니다). 한 번 인용됐다 사라졌다고 일희일비할 게 아니라, 여러 번 측정해 추세로 봐야 합니다.

네이버를 노린다면 — 추가 고려

국내 트래픽이 중요하다면 네이버도 빼놓을 수 없습니다. 네이버 AI 브리핑은 통합검색 쿼리의 20% 이상에 적용되고, 2026년 4월 한 달 인용량이 약 3.558억 건에 달했습니다. 한 표본 분석(272건)에서는 인용 출처의 약 58%가 블로그였고, 약 49%가 검색 Top10 바깥에서 나왔습니다 — 1위가 아니어도 인용될 수 있다는 뜻입니다.

다만 네이버는 외부 크롤러를 차단하는 폐쇄 생태계라, 글로벌 AI는 나무위키·위키백과·티스토리 같은 우회 경로로 한국어 정보를 수집합니다. 네이버용 콘텐츠 5원칙(직접 경험·일관된 주제·진정성·읽기 쉬운 구조·최신성)과 글로벌 AI용 FAQPage 구조를 둘 다 챙기는 이원 전략이 현실적입니다. FAQ의 '읽기 쉬운 구조'는 네이버 C-Rank·D.I.A.+(문서 의도)에도 부합합니다.

Citeon은 이 원리를 제품에 담았다

FAQPage를 깔았다고 끝이 아닙니다. 진짜 질문은 '그래서 ChatGPT·Gemini·Perplexity·Claude가 우리 브랜드를 실제로 인용하느냐'입니다. Citeon은 바로 그것을 측정합니다.

FAQ 구조부터 점검하고 싶다면, 비용 0원 무료진단으로 지금 내 페이지의 AEO·GEO 점수와 처방부터 받아보세요. URL 하나면 됩니다.

→ Citeon 무료 AI 가시성 진단 받기 (₩0)

자주 묻는 질문

FAQPage 스키마를 넣으면 구글에 아코디언 박스가 무조건 뜨나요?

아니요. 구글의 FAQ 리치 결과 노출 정책은 시간이 지나며 변화가 있었고, 모든 사이트에 시각적 박스가 보장되지는 않습니다. FAQPage의 진짜 가치는 시각적 리치 결과보다 'AI가 답을 합성할 때 인용하기 좋은 자기완결 청크'를 제공하는 AEO·GEO 이득에 있습니다. 박스 노출만 기대하지 말고 인용 친화 구조로 접근하세요.

화면에는 없고 스키마에만 질문·답을 넣어도 되나요?

안 됩니다. 구조화 데이터는 화면에 실제로 보이는 콘텐츠를 표시하는 용도입니다. 숨김 콘텐츠는 가이드라인 위반으로 페널티 위험이 있고, 근거 약한 콘텐츠를 걸러내는 엔진(예: Claude 계열)에서는 오히려 신뢰를 잃습니다. 본문에 보이는 Q&A와 JSON-LD를 글자 그대로 일치시키세요.

질문이 딱 하나여도 FAQPage를 쓸 수 있나요?

가능합니다. mainEntity를 배열로 감싸고 그 안에 Question 하나만 넣으면 됩니다. 다만 한 페이지에 자연스럽게 들어갈 질문이 정말 하나뿐인지 점검해보세요. 사용자가 실제로 묻는 자연어 질문 3~6개를 자기완결 답과 함께 담으면 인용 기회가 그만큼 늘어납니다.

FAQ만 잘 깔면 AI에 인용되나요?

구조는 필요조건이지 충분조건이 아닙니다. robots.txt가 AI 크롤러(GPTBot·PerplexityBot·ClaudeBot·Google-Extended 등)를 허용해야 후보 진입이 되고, 답변에 검증 가능한 수치·출처가 있어야 인용됩니다. 또 엔진마다 인용 성향이 다르고 측정도 흔들리므로, 깔고 끝이 아니라 어디서 인용되는지 추세로 측정하며 다듬어야 합니다.

답변 길이는 어느 정도가 좋나요?

첫 문장에서 직답하고, 필요한 근거·조건을 1~3문장 덧붙이는 정도가 무난합니다. 너무 짧으면 맥락이 없고, 너무 길면 핵심이 중간에 묻혀(Lost in the Middle) AI가 놓칩니다. '결론 먼저, 근거 나중, 구체 수치 포함'이 황금률입니다.

참고자료

정유진
정유진 · 콘텐츠·SEO 에디터

스키마·FAQ·콘텐츠 구조 등 실무 체크리스트를 쉽고 편안하게 정리합니다. 바로 따라 할 수 있는 글을 지향합니다.

내 사이트의 AI 검색 점수가 궁금하다면

30초 무료 진단으로 SEO·AEO·GEO 점수와 처방을 받아보세요.

무료 진단 시작
← 인사이트 목록으로