Google의 YMYL(Your Money or Your Life) 분류에 속하는 법률·세무 페이지는 AI Overviews·Perplexity 인용 후보 심사 기준이 일반 콘텐츠보다 엄격하다. 핵심은 E-E-A-T(경험·전문성·권위·신뢰) 신호를 크롤러가 파싱 가능한 구조화 데이터로 전환하는 것이다. 평문으로 "10년 경력 세무사"라고 써도 AI 엔진은 이를 검증 가능한 신뢰 신호로 인식하지 않는다. 면허 번호·소속 협회·발행 규정을 JSON-LD로 선언하고, robots.txt와 llms.txt로 AI 크롤러 접근 범위를 명시해야 인용 가능성이 실질적으로 올라간다.
E-E-A-T가 기술 신호로 전환되는 메커니즘
Google Quality Rater Guidelines는 YMYL 페이지 작성자와 조직의 실질적 전문성을 평가하도록 명시한다. 이 평가는 수동 검토 전에 구조화 데이터·링크 패턴·외부 언급을 통해 자동화 시스템이 1차 처리한다.
- 저자 크리덴셜 →
Person.hasCredential:EducationalOccupationalCredential타입으로 면허 번호와 발급 기관을 연결한다. 왜: AI 엔진은 "자격 있는 전문가가 작성한 콘텐츠"임을 스키마 속성으로 파악해 인용 신뢰도에 반영한다. 어떻게:credentialCategory: "LicenseNumber",recognizedBy: GovernmentOrganization으로 발급 기관 URL을 명시한다. - 조직 유형 →
LegalService/AccountingService: 일반Organization이 아닌 전문 서비스 타입을 선언해야 AI가 도메인 분류를 정확히 인식한다. 왜: Google Knowledge Graph와 Perplexity는 서비스 유형으로 응답 컨텍스트를 분기하므로 분류가 잘못되면 비전문 사이트로 취급된다. 어떻게:"@type": ["LegalService", "LocalBusiness"]로 복수 타입을 지정한다. - 소속 협회 →
memberOf: 대한변호사협회·한국세무사회 등 규제 기관을 배열로 연결한다. 왜: 외부 규제 기관과의 연결이 확인 가능한 권위 신호이며, AI 인용 후보 선정 시 조직 신뢰도 판단 근거가 된다. 어떻게:"memberOf": [{"@type": "Organization", "name": "한국세무사회", "url": "https://www.kacpta.or.kr"}]
LegalService / AccountingService JSON-LD 완전 구현
아래는 세무법인 랜딩 페이지에 적용 가능한 JSON-LD다. AccountingService와 Person을 @id로 교차 참조해 조직-전문가 관계를 단일 그래프로 연결한다.
{
"@context": "https://schema.org",
"@graph": [
{
"@type": ["AccountingService", "LocalBusiness"],
"@id": "https://example-tax.kr/#organization",
"name": "예시 세무법인",
"url": "https://example-tax.kr",
"telephone": "+82-2-1234-5678",
"address": {
"@type": "PostalAddress",
"streetAddress": "테헤란로 123",
"addressLocality": "강남구",
"addressRegion": "서울특별시",
"postalCode": "06234",
"addressCountry": "KR"
},
"memberOf": [
{
"@type": "Organization",
"name": "한국세무사회",
"url": "https://www.kacpta.or.kr"
}
],
"areaServed": {"@type": "City", "name": "서울"},
"priceRange": "₩₩",
"employee": [{"@id": "https://example-tax.kr/#ceo"}]
},
{
"@type": "Person",
"@id": "https://example-tax.kr/#ceo",
"name": "홍길동",
"jobTitle": "대표 세무사",
"worksFor": {"@id": "https://example-tax.kr/#organization"},
"hasCredential": {
"@type": "EducationalOccupationalCredential",
"credentialCategory": "LicenseNumber",
"name": "세무사 자격증",
"identifier": "세무사-2010-XXXXX",
"recognizedBy": {
"@type": "GovernmentOrganization",
"name": "기획재정부",
"url": "https://www.moef.go.kr"
},
"dateCreated": "2010-03-01"
},
"sameAs": ["https://www.kacpta.or.kr/member/XXXXX"]
}
]
}
개별 콘텐츠 페이지의 저자 연결 — Article 스키마 3계층 구조
조직 스키마가 홈에만 있으면 개별 가이드 페이지에서 크롤러가 연결을 끊는다. 각 콘텐츠 페이지에 Article 스키마를 추가하고 작성자 @id를 참조해야 3계층(조직 → 전문가 → 개별 글)이 완성된다.
- Article + author → @id 참조: 블로그·가이드 페이지마다
"author": {"@id": "https://example-tax.kr/#ceo"}로 Person 노드를 참조한다. 왜: 크롤러가 작성자-자격증-조직을 단일 그래프로 연결해 해당 글의 신뢰도를 평가한다. 어떻게:dateModified와reviewedBy도 함께 선언해 콘텐츠 최신성 신호를 추가한다. - 법적 면책 조항 분리: 면책 문단을
<aside role="note">로 마크업하고speakable지정에서 제외한다. 왜: Perplexity가 면책 조항이 섞인 법률 콘텐츠를 그대로 인용하면 사실 왜곡 위험이 있다. 어떻게: 실제 전문 답변 문단에만speakable: {"@type": "SpeakableSpecification", "cssSelector": ".answer-body"}를 적용한다.
AI 크롤러 접근 제어 — robots.txt + llms.txt 분리 설계
GPTBot(ChatGPT), ClaudeBot(Anthropic), PerplexityBot이 각자 다른 User-agent로 크롤링한다. 법률·세무 콘텐츠는 전문 가이드 인용을 허용하되 내부 문서(계약서 템플릿·의뢰인 자료)는 차단하는 방향으로 경로를 분기한다.
- robots.txt — 봇별·경로별 차별 허용: 인용을 원하는 전문 가이드 디렉토리만 Allow하고 내부 문서는 Disallow한다. 왜: 계약서 템플릿이나 의뢰인 정보가 AI 학습 데이터에 포함되면 정보 유출 위험이 발생한다. 어떻게:
Disallow: /client-documents/,Allow: /tax-guide/로 경로별 분기하고 GPTBot·ClaudeBot·PerplexityBot 각각 별도 섹션에 명시한다. - llms.txt — AI 에이전트용 콘텐츠 맵: 사이트 루트에
/llms.txt를 배치해 AI 에이전트가 접근 가능한 문서 목록과 사용 조건을 선언한다. 왜: ChatGPT 도구 호출·Claude.ai 등이 콘텐츠를 가져올 때 이 파일을 참조한다. 어떻게: 가이드 URL 목록과# License: CC BY-ND 4.0및# Attribution: required를 명시해 출처 표기 조건을 강제한다.
신호 유형별 SEO·AEO·GEO 효과 비교
| 신뢰 신호 | 구현 방법 | SEO 효과 | AEO 효과 | GEO 효과 |
|---|---|---|---|---|
| LegalService / AccountingService 타입 | JSON-LD @type 복수 선언 | Rich Result 자격 | Featured Snippet 후보 분류 | AI 인용 도메인 전문 분류 |
| Person.hasCredential | 면허 번호 + recognizedBy URL | 간접 (작성자 E-E-A-T) | AI Overview 인용 신뢰도 상승 | Perplexity 전문가 출처 인용 |
| memberOf 협회 연결 | JSON-LD memberOf 배열 | Knowledge Panel 연결 | 권위 기관 연계 신호 | 생성 답변 조직 신뢰 분류 |
| FAQPage 스키마 | Question / acceptedAnswer | FAQ Rich Result | 직접 인용 후보 | 생성 답변 소스 텍스트 |
| llms.txt | 루트 텍스트 파일 배치 | 해당 없음 | 해당 없음 | AI 에이전트 접근 허용·조건 선언 |
흔한 오해 — "HTTPS와 개인정보처리방침이면 신뢰 신호로 충분하다"
HTTPS는 전송 보안이고 개인정보처리방침은 법적 의무 사항이다. 둘 다 "이 도메인이 최소한 안전하다"는 체크에 해당할 뿐, E-E-A-T 관점의 전문성·권위 신호와 별개다. AI 엔진은 이 두 가지로 인용 후보 선정을 결정하지 않는다.
올바른 처리법: 홈페이지 전역 JSON-LD에 조직 타입과 협회 소속을 선언하고, 각 전문가 프로필 페이지에 Person.hasCredential을 배치하며, 모든 콘텐츠 페이지의 Article 스키마가 작성자 @id를 참조하도록 3계층을 연결한다. 이 세 계층이 모두 갖춰져야 크롤러가 조직-전문가-개별 글을 단일 신뢰 그래프로 처리한다.
ChatGPT나 Perplexity가 법률 가이드에서 특정 사무소를 인용하는 기준은 무엇인가?
단일 공식 기준은 공개되어 있지 않다. 실증적으로 확인된 요인은 세 가지다. 첫째, 도메인이 LegalService 또는 AccountingService로 스키마 선언되어 있을 것. 둘째, 질문과 직접 대응하는 FAQPage 또는 HowTo 스키마가 있을 것. 셋째, 외부 권위 도메인(변호사협회·법령정보센터·학술지)이 해당 도메인을 인용했을 것. 세 번째는 단기 조작이 어려우므로 첫째·둘째의 구조화 데이터 구현이 실행 우선순위다.
면허 번호를 JSON-LD에 넣으면 AI 크롤러가 실시간으로 검증하는가?
현재 GPTBot·ClaudeBot·PerplexityBot은 hasCredential의 면허 번호를 공식 데이터베이스와 실시간 크로스체크하지 않는다. Google의 경우 Knowledge Graph에서 recognizedBy에 명시된 공신력 있는 URL(대한변호사협회·기획재정부 등)을 통해 간접 검증 경로를 형성한다. Perplexity는 스키마를 파싱해 응답 생성에 활용한다는 사실이 공개 테스트로 확인됐다. 실용적 결론: 면허 번호 식별자 자체보다 recognizedBy에 공신력 있는 기관 URL을 명시하는 것이 현재 AI 엔진에서 더 유효한 신뢰 신호다.
참고 자료
이 글의 권고는 아래 공식 문서·연구를 근거로 합니다.