GEO 사용 가이드

📝 개요: 검색엔진과 AI가 페이지를 가장 먼저 만나는 <head> 영역의 핵심 요소들을 점검합니다.
1. Title 품질
Title 존재 여부 ● 불가능 CHK_TITLE
▼

가이드

구분 내용
진단 코드 CHK_TITLE
필수 조건 모든 페이지에 Title 태그 존재
예시 <title>브랜드A 무선청소기 초경량 모델</title>
  • 모든 페이지에는 반드시 Title 태그가 있어야 합니다.
  • Title은 검색엔진과 사용자가 페이지 주제를 인식하는 가장 중요한 요소입니다.
💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 이름(Title 태그)

💡

메이크샵

공식 문서 참조

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력

Title 길이(문자수) ● 불가능 CHK_TITLE_LENGTH
▼

가이드

구분 내용
진단 코드 CHK_TITLE_LENGTH
권장 기준 30~60자
작성 예시 브랜드A 초경량 무선청소기
  • Title은 검색결과에 표시되는 페이지 제목입니다.
  • 30자 미만이면 정보가 부족하고, 60자를 넘으면 검색결과에서 잘릴 수 있습니다.
  • 기본 구조 예시

    브랜드명 + 핵심상품명 + 주요특징

💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 이름(Title 태그)

💡

메이크샵

공식 문서

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력

Title 브랜드 언급 ● 불가능 LLM_TITLE_BRAND_MATCH
▼

가이드

구분 내용
진단 코드 LLM_TITLE_BRAND_MATCH
권장 기준 브랜드명 포함
예시 브랜드A 무선청소기
  • Title에는 반드시 브랜드명이 포함되어야 합니다.
  • 사이트 전체에서 동일한 브랜드 표기를 사용합니다.
💡

카페24

관리자 메인 화면 > 쇼핑몰 설정 > 기본 설정 > 쇼핑몰 정보 > 검색 엔진 최적화(SEO) > 기본설정 > 공통 페이지 SEO 태그 > 쇼핑몰 이름(Title 태그) 설정

💡

메이크샵

공식 문서

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력

기술적 근거

  • 브랜드명은 검색엔진의 엔티티 인식(브랜드 신뢰도)에 직접 영향을 줍니다.
  • 브랜드명이 빠지면 브랜드 검색 결과 노출력이 약해집니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
</head>
<body>
<header>
<h1>모비튠 (튜튜튜니) 공식 쇼핑몰</h1>
</header>
<main>
<h2>제품: 체크 셔츠 남방</h2>
</main>
</body>
</html>
Title 핵심키워드 포함 ● 불가능 LLM_TITLE_CONTENT_MATCH
▼

가이드

구분 내용
진단 코드 LLM_TITLE_CONTENT_MATCH
권장 기준 핵심 키워드 1~2개 포함
예시 키워드 무선청소기
  • Title에 상품/서비스를 대표하는 핵심 키워드를 반드시 포함합니다.
  • Title의 핵심 단어는 본문(H1, 상품명)과 동일해야 합니다.
💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 이름(Title 태그)

💡

메이크샵

공식 문서

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력

기술적 근거

  • 검색엔진은 <title>과 본문(H1)의 키워드 일치도를 기준으로 페이지 주제를 판단합니다.
  • 불일치 시 검색 관련성과 노출 순위가 떨어질 수 있습니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>체크 셔츠 남방 - 모비튠</title>
<meta name="description" content="편안한 핏의 체크 셔츠 남방. 다양한 사이즈와 색상 제공. 오늘 주문하면 2-5일 내 배송">
</head>
<body>
<main>
<article>
<h1>체크 셔츠 남방</h1>
<p>제품 상세 설명이 이곳에 옵니다.</p>
</article>
</main>
</body>
</html>
2. Robots / Canoical
Canonical 태그 (자기참조) ● 불가능 CHK_CANONICAL_SELF
▼

가이드

구분 내용
점검 항목 Canonical 링크와 현재 페이지 URL 일치
진단 코드 CHK_CANONICAL_SELF
권장 기준 canonical href 속성값이 현재 페이지의 대표 URL을 지칭
  • <link rel="canonical" href="...">는 검색엔진에게 해당 페이지의 '원본' 주소가 어디인지 알려주는 역할을 합니다.
  • 자기 참조(Self-referencing): 현재 페이지가 원본인 경우, href 속성값은 반드시 현재 페이지의 URL과 동일해야 합니다.
  • 구조 예시:
    • Current URL: https://example.com/product/123
    • Canonical URL: https://example.com/product/123 (파라미터나 불필요한 경로 제외)
💡

카페24

[관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 선호 URL 사용(Canonical URL)에서 설정

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 대표 URL(Canonical URL) 설정 → 사용함 설정

기술적 근거

  • 중복 콘텐츠 방지: 동일한 내용이 여러 URL(예: ?category=1 등 파라미터 포함)로 접근될 때, 하나의 표준 URL로 점수를 집중시킵니다.
  • 색인 신뢰도: Canonical 값이 현재 페이지와 다를 경우, 검색엔진은 어느 페이지를 검색 결과에 노출해야 할지 혼란을 겪으며 색인에서 제외될 위험이 있습니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<link rel="canonical" href="https://mobitune.co.kr/product/check-shirt">
</head>
<body>
<h1>체크 셔츠 남방</h1>
</body>
</html>
메타 태그 정합성 (확장) ● 불가능 LLM_TITLE_DESCRIPTION_MATCH
▼

가이드

구분 내용
점검 항목 Title과 Meta Description 의미 일치
진단 코드 LLM_TITLE_DESCRIPTION_MATCH
권장 기준 Title과 Description이 동일한 페이지 주제를 설명
  • <title>과 <meta name="description">은 같은 페이지를 설명해야 합니다.
  • Description은 Title을 그대로 반복하지 말고, 내용을 확장·보완하여 클릭을 유도하는 문장으로 작성합니다.
  • 구조 예시
    • Title: 상품/페이지의 핵심 주제
    • Description: 특징, 장점, 가격, 배송, 혜택 등 추가 정보
💡

카페24

  • Canonical
    • [관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 선호 URL 사용(Canonical URL)에서 설정
  • Title
    • 관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 이름(Title 태그)
  • Meta Description
    • 관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)
💡

메이크샵

💡

고도몰

  • Canonical
    • 관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 대표 URL(Canonical URL) 설정 → 사용함 설정
  • Title
    • 관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력
  • Meta Description
    • 관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

기술적 근거

  • 검색엔진은 Title과 Description의 의미 일치도를 기준으로 페이지 주제의 신뢰도를 판단합니다.
  • 두 태그가 서로 다른 내용을 말하면, 검색결과 노출 시 관련성과 클릭률이 모두 낮아질 수 있습니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<meta name="description" content="모비튠의 베스트셀러 체크 셔츠 남방. 부드러운 원단과 편안한 핏, 46,750원. 무료 반품 정책과 2-5일 배송">
</head>
<body>
<h1>체크 셔츠 남방</h1>
</body>
</html>
canonical ↔ OG:url 일관성 ● 불가능 CHK_CANONICAL_OG_URL_MATCH
▼

가이드

구분 내용
점검 항목 Canonical 링크와 og:url 일치
진단 코드 CHK_CANONICAL_OG_URL_MATCH
권장 기준 canonical의 href와 og:url의 content 값이 동일하게 설정
  • <link rel="canonical">과 <meta property="og:url">은 모두 해당 페이지의 표준(대표) URL을 나타내야 합니다.
  • 검색엔진과 소셜 미디어 플랫폼(카카오톡, 페이스북 등)이 서로 다른 주소를 인식하지 않도록 두 태그의 주소값을 완벽히 일치시킵니다.
  • 구조 예시
    • Canonical: https://example.com/product/123 - 검색엔진(Google, Naver)에 전달할 표준 주소
    • og:url: https://example.com/product/123 - 소셜 공유 시 데이터 집계 및 연결의 기준이 되는 주소
💡

카페24

[관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 선호 URL 사용(Canonical URL)에서 설정

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 대표 URL(Canonical URL) 설정 → 사용함 설정

기술적 근거

  • 검색엔진은 Title과 Description의 의미 일치도를 기준으로 페이지 주제의 신뢰도를 판단합니다.
  • 두 태그가 서로 다른 내용을 말하면, 검색결과 노출 시 관련성과 클릭률이 모두 낮아질 수 있습니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<meta name="description" content="모비튠의 베스트셀러 체크 셔츠 남방. 부드러운 원단과 편안한 핏, 46,750원. 무료 반품 정책과 2-5일 배송">
</head>
<body>
<h1>체크 셔츠 남방</h1>
</body>
</html>
3. Meta Description
Meta Description 존재 ● 불가능 CHK_DESCRIPTION
▼

가이드

구분 내용
점검 항목 Meta Description 존재
진단 코드 CHK_DESCRIPTION
필수 조건 모든 페이지에 태그 필수
예시 <meta name="description" content="…">
  • 모든 페이지에는 반드시 Meta Description 태그가 있어야 합니다.
  • Description이 없으면 검색엔진이 임의로 본문 문장을 가져가 노출하므로, 클릭률과 메시지 통제가 어려워집니다.
  • Title과 동일한 문장을 그대로 복사하지 말고, 보완 설명 + 구매/이용 유도 문장으로 작성합니다.
💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

Meta Description 구성 ● 불가능 LLM_DESCRIPTION_FEATURE_BENEFIT_CTA
▼

가이드

구분 내용
점검 항목 Meta Description 구성
진단 코드 LLM_DESCRIPTION_FEATURE_BENEFIT_CTA
권장 기준 특징(Feature) + 장점(Benefit) + 행동유도(CTA) 포함
예시 키워드 "초강력 흡입력 …"
  • Meta Description은 단순 요약이 아니라 클릭을 유도하는 광고 문장입니다. 아래 3요소를 반드시 포함해 작성하세요.
    1. 특징(Feature)
      • 제품/서비스의 핵심 기능, 성분, 사양
      • 예: "초강력 흡입력의 BLDC 모터 탑재"
    2. 장점(Benefit)
      • 고객이 얻는 실제 이익
      • 예: "짧은 시간에 먼지를 완벽 제거, 청소 시간 절약"
    3. CTA(Call To Action)
      • 사용자의 행동을 유도하는 문구
      • 예: "지금 구매하세요", "한정 할인 확인", "무료배송 받기"

권장 문장 구조

[특징]으로 [장점]을 제공합니다. 지금 [CTA].

💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

모범 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<meta name="description" content="부드러운 코튼 원단(Feature), 편안한 착용감으로 일상 활용도 UP(Benefit). 지금 구매하고 무료배송 혜택을 받으세요(CTA)">
</head>
<body>
<h1>체크 셔츠 남방</h1>
</body>
</html>
Meta Description 문자수 ● 불가능 CHK_DESCRIPTION_LENGTH
▼

가이드

구분 내용
점검 항목 Meta Description 문자수
진단 코드 CHK_DESCRIPTION_LENGTH
권장 기준 120~160자

웹

  • Meta Description은 검색결과에서 Title 아래에 노출되는 요약 문구입니다.
  • 120자 미만이면 정보가 부족하고, 160자를 초과하면 검색결과에서 잘릴 수 있습니다.
  • 구성 예시: 제품/서비스 요약 + 주요 장점 + 가격/혜택 + 행동유도 문구(CTA)
💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

모바일

  • Meta Description은 검색결과에서 Title 아래에 노출되는 요약 문구입니다.
  • 모바일 SERP는 웹보다 줄바꿈이 빨리 발생합니다.
  • 120자 미만이면 정보가 부족하고, 160자를 초과하면 검색결과에서 잘릴 수 있습니다.
  • 구성 예시: 제품/서비스 요약 + 주요 장점 + 가격/혜택 + 행동유도 문구(CTA)
💡

카페24

관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

4. Open Graph / Twitter
OG 태그 존재 ● 불가능 CHK_OG_TAGS
▼

가이드

구분 내용
점검 항목 og:title / og:description / og:url 3종 존재
진단 코드 CHK_OG_TAGS
권장 기준 og:title, og:description, og:url이 모두 존재하며 데이터가 상호 일치
  • 데이터 일치성: 3개의 태그는 하나의 동일한 페이지 주제를 지향해야 합니다.
  • LLM 컨텍스트 강화: AI가 페이지를 분석할 때 제목(title)에서 핵심 키워드를 추출하고, 설명(description)에서 세부 맥락을 파악하며, URL에서 최종 출처를 확인합니다.
  • 구조 예시:
    • og:title: 브랜드를 포함한 명확한 상품명/주제
    • og:description: 특징, 혜택, 수치 등을 포함하여 AI 요약에 최적화된 문장
    • og:url: 반드시 도메인을 포함한 절대 경로 URL
💡

카페24

[관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 오픈그래프 태그 설정 → 항목 별 설정

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 오픈그래프/X 메타태그 기본설정 → 항목 별 설정

기술적 근거

  • LLM 기반 검색 엔진은 메타데이터를 활용해 사용자에게 풍부한 답변을 제공합니다. 3종 태그가 누락되면 AI 답변 내에서 해당 페이지의 노출 비중이 낮아질 수 있습니다.
  • 명확한 og:url과 이를 뒷받침하는 제목/설명은 AI가 생성한 답변 하단에 '출처 카드' 형태로 표시될 확률을 높여줍니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<meta property="og:title" content="아르데코 - 천연 가죽 스칸디나비아 3인용 소파 (그레이)">
<meta property="og:description" content="아르데코의 시그니처 천연 가죽 소파. 고밀도 폼으로 제작된 최상의 착좌감과 북유럽 감성 디자인. 현재 신규 가입 시 5만원 할인 혜택 및 수도권 무료 배송 서비스를 제공합니다.">
<meta property="og:url" content="https://ardeco-furniture.com/product/scandinavian-sofa-gray">
<link rel="canonical" href="https://ardeco-furniture.com/product/scandinavian-sofa-gray">
</head>
<body>
    <h1>천연 가죽 스칸디나비아 3인용 소파</h1>
</body>
</html>
OG:title ● 불가능 LLM_OG_TITLE_MATCH
▼

가이드

구분 내용
점검 항목 og:title과 Title의 정보 일관성
진단 코드 LLM_OG_TITLE_MATCH
권장 기준 <title>과 <meta property="og:title">이 동일한 핵심 키워드와 맥락을 공유
  • 데이터 신뢰도(Confidence Score): LLM은 페이지 내 여러 위치에서 동일한 핵심 정보를 발견할 때 데이터의 신뢰도를 높게 평가합니다.
  • 사용자 경험 일관성: 검색 엔진 결과(Title 기반)와 소셜 공유/AI 답변 카드(og:title 기반)에서 동일한 정보를 노출하여 브랜드 인지도를 강화합니다.
  • 구조 예시:
    • Title: [브랜드명] 상품명 - 카테고리
    • og:title: [브랜드명] 상품명 (Title의 핵심 정보를 포함하되, 소셜 최적화 문구 추가 가능)
💡

카페24

[관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 오픈그래프 태그 설정 → 항목 별 설정

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 오픈그래프/X 메타태그 기본설정 → 항목 별 설정

기술적 근거

  • 주제 명확성: 두 태그가 서로 다른 키워드를 강조하면, AI는 이 페이지의 핵심 주제를 판단하는 데 혼란을 겪으며 이는 색인 누락이나 잘못된 정보 요약으로 이어질 수 있습니다.
  • 인용 최적화: AI가 사용자에게 답변을 제공할 때, 출처의 제목을 구성하는 기본 소스가 이 두 태그입니다. 일관된 제목은 AI 답변의 가독성을 높입니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>네이처플러스 고함량 멀티비타민 60정 (2개월분) | 헬스케어샵</title>
<meta property="og:title" content="네이처플러스 고함량 멀티비타민 60정 (2개월분) | 헬스케어샵">
<meta property="og:description" content="22가지 필수 영양소를 한 알에 담은 고함량 멀티비타민. 하루 한 알로 면역력과 활력을 챙기세요. 현재 2+1 이벤트 진행 중.">
<meta property="og:url" content="https://healthcareshop.com/product/multivitamin-60">
<link rel="canonical" href="https://healthcareshop.com/product/multivitamin-60">
</head>
<body>
    <h1>네이처플러스 고함량 멀티비타민</h1>
</body>
</html>
OG:description ● 불가능 LLM_OG_DESCRIPTION_SUMMARY
▼

가이드

구분 내용
점검 항목 og:description과 본문 콘텐츠 일관성
진단 코드 LLM_OG_DESCRIPTION_SUMMARY
권장 기준 og:description이 페이지 본문의 핵심 내용을 요약 및 압축하여 제공
  • LLM 진실성 검증: AI는 메타 데이터와 본문이 다를 경우(예: 낚시성 문구), 해당 페이지를 저품질 콘텐츠로 분류합니다.
  • 검색 의도 부합: 사용자가 AI에게 질문했을 때, og:description의 요약 문구와 본문의 상세 정보가 일치해야 AI가 사용자에게 자신 있게 해당 페이지를 추천(Click-through)할 수 있습니다.
  • 구조 예시:
    • og:description: 본문에 포함된 상품의 핵심 특징, 가격, 주요 혜택을 1~2문장으로 압축.
💡

카페24

[관리자] 쇼핑몰 설정 → 기본 설정 → 검색 엔진 최적화(SEO) → SEO 태그 변수 활용 → 오픈그래프 태그 설정 → 항목 별 설정

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 오픈그래프/X 메타태그 기본설정 → 항목 별 설정

기술적 근거

  • 요약 성능 향상: LLM은 긴 본문을 읽기 전 메타 정보를 통해 '사전 학습 컨텍스트'를 얻습니다. 이 요약 정보가 본문과 일치하면 AI의 정보 처리 효율이 높아져 답변 노출에 유리합니다.
  • 기대치 일치(Expectation Match): 소셜 공유나 AI 추천을 통해 유입된 사용자가 본문에서 동일한 정보를 찾지 못하면 이탈률이 급증하며, 이는 검색 엔진에서 해당 페이지의 권위(Authority)를 하락시키는 요인이 됩니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>알파인 캠프 - 초경량 알루미늄 캠핑 체어 (1.2kg)</title>
<meta property="og:description" content="1.2kg의 가벼운 무게와 내구성이 뛰어난 알루미늄 프레임으로 제작된 캠핑 체어. 콤팩트한 수납과 간편한 설치로 백패킹에 최적화되어 있습니다.">
<meta property="og:title" content="알파인 캠프 - 초경량 알루미늄 캠핑 체어">
<meta property="og:url" content="https://alpinecamp.com/product/light-chair">
<link rel="canonical" href="https://alpinecamp.com/product/light-chair">
</head>
<body>
    <h1>초경량 알루미늄 캠핑 체어</h1>
    <section>
        <p>알파인 캠프의 신제품은 <strong>1.2kg의 무게</strong>로 제작되어 휴대성이 극대화되었습니다.</p>
        <p>고강도 <strong>알루미늄 프레임</strong>을 사용하여 최대 120kg까지 견딜 수 있습니다.</p>
    </section>
</body>
</html>
OG:url (절대경로) ● 불가능 CHK_OG_URL_FULL
▼

가이드

구분 내용
점검 항목 og:url 절대 경로 사용 여부
진단 코드 CHK_OG_URL_FULL
권장 기준 og:url의 content 값을 도메인을 포함한 전체 URL(절대 경로)로 설정
  • <meta property="og:url">의 값은 /product/123과 같은 상대 경로가 아닌, https://로 시작하는 전체 주소를 사용해야 합니다.
  • 소셜 미디어 플랫폼(카카오톡, 페이스북 등)의 크롤러가 페이지 정보를 수집할 때, 도메인이 누락된 상대 경로는 해당 페이지를 올바르게 식별하지 못하는 원인이 됩니다.
  • 구조 예시
    • 올바른 예: https://www.mydomain.com/page
    • 잘못된 예: /page, www.mydomain.com/page (프로토콜 생략)

기술적 근거

  • LLM은 중복된 정보 중 가장 명확한 주소를 가진 페이지를 우선순위에 둡니다. 절대 경로는 페이지의 고유 식별자(Unique ID) 역할을 하여 데이터 파편화를 방지합니다.
  • 소셜 플랫폼의 봇과 AI 에이전트는 서로 다른 환경에서 작동합니다. 절대 경로는 어떤 환경에서도 오류 없이 원본 콘텐츠에 도달하게 하는 가장 안전한 방법입니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<meta property="og:url" content="https://mobitune.co.kr/product/check-shirt">
<meta property="og:type" content="product">
<meta property="og:image" content="https://mobitune.co.kr/images/shirt_01.jpg">
<meta property="og:description" content="LLM 답변 시 인용될 확률을 높이는 구체적인 상품 설명과 혜택 정보">
<link rel="canonical" href="https://mobitune.co.kr/product/check-shirt">
</head>
<body>
<h1>체크 셔츠 남방</h1>
</body>
</html>
5. 의미 정합성
title ↔ meta description 의미 정합성 ● 불가능 LLM_META_PAGE_MEANING_MATCH
▼

가이드

구분 내용
점검 항목 Title과 Meta Description의 의미 일치
진단 코드 LLM_META_PAGE_MEANING_MATCH
권장 기준 두 태그가 동일한 페이지 주제를 설명
예시 Title: 무선청소기 / Description: 무선청소기 상품 설명
설정 위치 관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)
  • Title과 Meta Description은 반드시 같은 상품·서비스·주제를 설명해야 합니다.
  • 서로 다른 상품명이나 카테고리를 혼합하면 안 됩니다.
  • 본문(H1, 상품명)과도 동일한 주제를 유지해야 합니다.
💡

카페24

Title: 관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 이름(Title 태그)

Meta Description: 관리자 메인 화면 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 검색 엔진 최적화(SEO) → 기본설정 → 공통 페이지 SEO 태그 → 쇼핑몰 안내(Description 태그)

💡

메이크샵

Title: 공식 문서

Meta Description: 공식 링크

💡

고도몰

Title: 관리자 메인 화면 → 기본설정 → 기본정책 → 기본 정보 설정 → 쇼핑몰 기본 정보 → 쇼핑몰명 입력

Meta Description: 관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 주요 페이지 SEO 태그 설정 → 항목 선택(공통, 상품, 카테고리, 브랜드, 기획전, 게시판) → 메타태그 설명 (Description) 설정

기술적 근거

  • 검색엔진은 Title, Description, 본문(H1)의 의미 일치도를 기준으로 "이 페이지가 무엇에 대한 페이지인지"를 판단합니다.
  • 주제가 어긋나면 관련성 점수와 신뢰도가 동시에 하락합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<meta name="description" content="모비튠 체크 셔츠 남방 상품페이지. 상세 스펙, 배송·교환정보, 리뷰 포함">
</head>
<body>
<article>
<h1>체크 셔츠 남방</h1>
<section>
<p>상품 상세 및 정책 안내가 본문에 포함되어야 합니다.</p>
</section>
</article>
</body>
</html>
6. 메타 데이터 필수 항목
Charset (문자 인코딩) ● 불가능 CHK_CHARSET_UTF8
▼

가이드

구분 내용
점검 항목 Charset(문자 인코딩) 메타 태그 존재 여부 및 위치
진단 코드 CHK_CHARSET_UTF8
권장 기준 <meta charset="utf-8"> 또는 <meta charset="UTF-8"> 설정 필수
  • 데이터 일치성: HTML 파일의 실제 저장 인코딩 방식과 메타 태그에 선언된 인코딩 형식이 일치해야 텍스트 깨짐 현상이 발생하지 않습니다.
  • LLM 컨텍스트 강화: AI 모델이 웹 페이지를 크롤링하고 분석할 때, 인코딩 정보가 불분명하면 한글과 같은 다국어가 **'깨진 글자(Moji-bake)'**로 인식됩니다.
    이는 AI가 페이지의 핵심 키워드를 오해하거나 분석을 포기하게 만드는 주요 원인이 됩니다.
  • 구조 예시:
    • UTF-8: 전 세계 모든 문자를 표현할 수 있는 표준 인코딩 방식으로, GEO 환경에서 가장 권장되는 형식입니다.
    • 위치: 브라우저와 검색 엔진이 콘텐츠를 읽기 전 인코딩을 즉시 파악할 수 있도록 <head> 섹션 내 최상단(Title 앞)에 배치합니다.

기술적 근거

  • AI 분석 정확도: LLM은 대량의 텍스트 데이터를 학습하여 답변을 생성합니다.
    인코딩 오류로 인해 텍스트 데이터가 오염되면 해당 페이지는 신뢰할 수 없는 정보원으로 분류되어 AI 답변의 출처에서 배제될 확률이 높습니다.
  • 글로벌 호환성: 다양한 국가의 언어를 사용하는 AI 모델들이 페이지를 분석할 때, UTF-8은 표준화된 해석 가이드를 제공하여 검색 노출의 범위를 글로벌로 확장시킵니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <title>모비튠 - 체크 셔츠 남방</title>
  <meta name="description" content="부드러운 코튼 원단(Feature), 편안한 착용감으로 일상 활용도 UP(Benefit). 지금 구매하고 무료배송 혜택을 받으세요(CTA)">
</head>
<body>
  <h1>체크 셔츠 남방</h1>
  <p>인코딩 설정이 완료되어 AI가 한글 텍스트를 정확하게 분석할 수 있습니다.</p>
</body>
</html>
Lang 속성 ● 불가능 CHK_HTML_LANG_KO
▼

가이드

구분 내용
점검 항목 <html> 태그 내 lang 속성 존재 및 적절성
진단 코드 CHK_HTML_LANG_KO
권장 기준 <html lang="ko"> (한국어 사이트 기준) 설정 필수
  • 데이터 일치성: 실제 페이지 콘텐츠의 언어와 lang 속성에 지정된 언어 코드가 일치해야 합니다. (예: 한국어 쇼핑몰은 ko, 영어 쇼핑몰은 en)
  • LLM 컨텍스트 강화: AI 모델이 텍스트의 언어를 판별하는 시간을 단축하고, 특정 언어권 사용자의 질문에 대한 답변 후보군으로 우선 채택될 수 있도록 돕습니다.
    언어 설정이 명확하면 AI가 번역이나 요약을 수행할 때 훨씬 더 자연스러운 결과물을 생성합니다.
  • 구조 예시:
    • lang="ko": 문서의 주 언어가 한국어임을 선언합니다.
    • 위치: HTML 문서의 최상단 루트 요소인 <html> 태그에 속성으로 부여합니다.

기술적 근거

  • 타겟팅 최적화: AI 기반 검색 엔진은 사용자의 질문 언어에 맞춰 최적의 답변 출처를 매칭합니다. lang="ko" 설정은 한국어 질문에 대한 답변 생성 시 해당 페이지가 핵심 정보원으로 선택될 확률을 높여줍니다.
  • 접근성 및 SEO: 검색 엔진 봇은 언어 설정을 통해 텍스트 합성(TTS) 엔진이나 자동 번역 기능을 최적화합니다.
    이는 페이지의 기술적 SEO 점수를 높여 AI 추천 리스트 상단에 노출되는 데 기여합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <title>모비튠 - 체크 셔츠 남방</title>
  <meta name="description" content="부드러운 코튼 원단(Feature), 편안한 착용감으로 일상 활용도 UP(Benefit). 지금 구매하고 무료배송 혜택을 받으세요(CTA)">
</head>
<body>
  <h1>체크 셔츠 남방</h1>
  <p>언어 설정이 완료되어 AI가 이 페이지를 '한국어 핵심 정보원'으로 정확히 분류합니다.</p>
</body>
</html>
Viewport 설정 ● 불가능 CHK_MOBILE_VIEWPORT
▼

가이드

구분 내용
점검 항목 Viewport 메타 태그 설정 존재 여부 및 적절성
진단 코드 CHK_MOBILE_VIEWPORT
권장 기준 <meta name="viewport" content="width=device-width, initial-scale=1.0"> 설정 필수
  • 데이터 일치성: 페이지의 실제 레이아웃이 모바일 친화적(Responsive)으로 설계되어 있어야 하며, 뷰포트 설정이 이를 뒷받침해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트나 검색 엔진의 렌더링 봇은 뷰포트 설정을 통해 해당 페이지가 모바일 최적화 여부를 판단합니다.
    이는 '사용자 경험(UX) 점수'로 직결되어 AI 답변 내 추천 우선순위에 영향을 미칩니다.
  • 구조 예시:
    • width=device-width: 기기의 화면 너비에 맞게 페이지 너비를 조절합니다.
    • initial-scale=1.0: 페이지 로딩 시 초기 줌 레벨을 설정하여 가독성을 확보합니다.

기술적 근거

  • LLM 가독성 향상: 최근 AI 검색 엔진은 실제 페이지의 스크린샷이나 렌더링 결과물을 분석하여 정보를 추출합니다. 뷰포트 설정이 미비하여 레이아웃이 깨지면 텍스트 추출 및 맥락 파악에 오류가 발생할 수 있습니다.
  • 모바일 인덱싱 우선순위: Google과 같은 주요 검색 엔진은 Mobile-First Indexing을 적용합니다. AI 답변 하단의 '출처 카드'나 '추천 링크'는 모바일 환경에서 가독성이 보장된 페이지를 우선적으로 노출합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <title>모비튠 - 체크 셔츠 남방</title>
  <meta name="description" content="부드러운 코튼 원단(Feature), 편안한 착용감으로 일상 활용도 UP(Benefit). 지금 구매하고 무료배송 혜택을 받으세요(CTA)">
</head>
<body>
  <h1>체크 셔츠 남방</h1>
  <p>모바일과 데스크탑 모든 환경에서 최적화된 화면으로 상품 상세 정보를 확인하실 수 있습니다.</p>
</body>
</html>
📝 개요: AI와 사용자가 콘텐츠를 명확히 이해하고 행동할 수 있도록, 본문의 구조와 정보 품질을 점검합니다.
1. 문서 구조(Semantic HTML)
문서 구조 분석 (main/article/section/nav/aside) ● 불가능 LLM_SEMANTIC_HTML_STRUCTURE
▼

가이드

구분 내용
점검 항목 Semantic HTML 구조
진단 코드 LLM_SEMANTIC_HTML_STRUCTURE
권장 기준 <main> 필수, <article>, <section> 권장
  • 콘텐츠는 의미에 맞는 태그로 감쌉니다.

권장 기본

<main>
  <article>
    <header>
      <h1>상품명</h1>
    </header>

    <section>
      <h2>주요 특징</h2>
    </section>

    <section>
      <h2>상세 스펙</h2>
    </section>
  </article>
</main>

기술적 요소

  • 검색엔진·AI는 <main>, <article>, <section>을 통해 "이 페이지의 핵심 콘텐츠가 무엇인지" 구조적으로 이해합니다.
  • 시맨틱 구조는 아래항목 모두에 직접적인 영향을 줍니다.
    • 검색 순위 안정성
    • AI 요약 정확도
    • 접근성 평가
H1 존재 ● 불가능 CHK_HEADING_STRUCTURE
▼

가이드

구분 내용
점검 항목 H1 단일 존재
진단 코드 CHK_HEADING_STRUCTURE
권장 기준 H1 태그는 페이지당 1개
  • H1은 "문서의 제목" 역할이므로 한 페이지에 하나만 사용합니다.
  • 여러 개의 큰 제목이 필요하면 H2를 사용합니다.
H1에 상품명 포함 ● 불가능 LLM_H1_PRODUCT_NAME_MATCH
▼

가이드

구분 내용
점검 항목 H1에 상품명 포함
진단 코드 LLM_H1_PRODUCT_NAME_MATCH
권장 기준 H1 = 대표 상품명 또는 서비스명
  • H1은 반드시 상품명 그 자체를 포함해야 합니다.
  • 광고 문구만 있는 제목은 피합니다.

    ❌ 잘못된 예

    <h1>지금 가장 잘 나가는 인기 상품</h1>

    ⭕ 올바른 예

    <h1>브랜드A 무선청소기 X1</h1>

H2/H3 구조 ● 불가능 LLM_BODY_HEADING_STRUCTURE
▼

가이드

구분 내용
점검 항목 헤딩 계층 구조
진단 코드 LLM_BODY_HEADING_STRUCTURE
권장 기준 H1 → H2 → H3 순서의 논리적 위계
권장 흐름 특징(혜택) → 스펙(검증 정보)
  • 제목 태그는 반드시 다음 순서를 지켜야 합니다.
    1. H1 : 페이지 대표 주제 (상품명)
    2. H2 : 큰 섹션 (특징, 스펙, 사용법, 리뷰 등)
    3. H3 : 각 섹션의 세부 항목
  • 중간 단계를 건너뛰지 않습니다.

    (H1 다음에 바로 H3 사용 ❌)

권장 구조 예시

<h1>에어사운드 프로 5 무선 헤드폰</h1>

<h2>주요 특징</h2>
<h3>적응형 노이즈 캔슬링</h3>
<h3>40시간 배터리</h3>

<h2>상세 스펙</h2>
<table>...</table>

작성 원칙

  • 사람: "특징 → 장점 → 스펙" 순서가 이해하기 쉬움
  • AI: "구조화된 헤딩 → 데이터 표" 순서가 신뢰도 높음
2. 콘텐츠 정보 품질
Summary 제공 ● 불가능 LLM_BODY_SUMMARY_PRESENT
▼

가이드

구분 내용
점검 항목 본문 상단 요약(Summary) 제공
진단 코드 LLM_BODY_SUMMARY_PRESENT
권장 기준 3~5문장 요약 블록
예시 내용 "500W, 1.2kg …"
적용 위치 상품 상세페이지 본문 최상단(제목 H1 위 또는 바로 아래)
  • 페이지 최상단에 3~5문장 길이의 요약 단락을 배치합니다.
  • 이 요약은 사용자가 페이지를 열자마자 "이 상품이 무엇이고, 어떤 장점이 있는지"를 바로 이해할 수 있도록 작성합니다.
  • 검색엔진과 AI는 이 요약을 스니펫·AI 요약 후보 문단으로 우선 활용합니다.

요약에 포함해야 할 핵심 요소

  1. 제품/서비스 한 줄 정의
  2. 핵심 사양 또는 특징 (용량, 성능, 대상 등)
  3. 주요 장점
  4. 가격/혜택 또는 사용 대상
  5. 배송·구성 등 구매 판단 정보 (선택)

권장 문장 구조 예시

  • 1문장: 무엇인가? (상품 정체성)
  • 2문장: 핵심 기능/사양
  • 3문장: 고객이 얻는 이점
  • 4문장: 가격·혜택·대상
  • 5문장: 구매/이용 포인트

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>체크 셔츠 남방</title></head>
<body>
<main>
<header>
<p>체크 패턴의 남성용/여성용 셔츠. 부드러운 코튼 소재로 데일리 착용에 적합하며 46,750원에 제공됩니다. 평균 배송 2-5일.</p>
</header>
<article>
<h1>체크 셔츠 남방</h1>
</article>
</main>
</body>
</html>
후기/평점 ● 불가능 LLM_BODY_REVIEW_PRESENT
▼

가이드

구분 내용
점검 항목 후기/평점 정보 제공 여부
진단 코드 LLM_BODY_REVIEW_PRESENT
권장 기준 리뷰 수, 평점(별점) 등 정량 지표가 페이지에 노출
예시 "리뷰 125개", "평점 4.8/5.0"
적용 위치 상품 상세페이지 내 리뷰 섹션
  • 상품 페이지에는 반드시 다음 요소가 포함되어야 합니다:
    1. 리뷰 개수 (예: 125개)
    2. 평균 평점 (예: ★★★★☆ 4.7)
    3. 실제 후기 내용 (텍스트 형태)
  • 리뷰 영역은 사용자가 스크롤로 확인 가능해야 하며, 숨겨진 탭 안에만 있으면 안 됩니다.

기술적 근거 요약

  • 리뷰·평점은 검색엔진과 AI가 신뢰도를 판단하는 핵심 신호(E-E-A-T 중 Experience)입니다.
  • 별점과 리뷰 수가 구조적으로 존재하면:
    • 리치결과(별점 스니펫) 노출 가능
    • 전환율 상승
    • AI 추천 답변 소스 우선 채택 확률 증가

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>체크 셔츠 남방 - 리뷰</title></head>
<body>
<section id="reviews">
<h2>리뷰</h2>
<div class="review">
<p>작성자: 홍길동</p>
<p>평점: ★★★★★</p>
<p>내용: 착용감 좋아요.</p>
</div>
</section>
</body>
</html>
재고 표시 ● 불가능 LLM_STOCK_INDICATOR_PRESENT
▼

가이드

구분 내용
점검 항목 재고 표시 제공 여부
진단 코드 LLM_STOCK_INDICATOR_PRESENT
권장 기준 "재고 있음 / 품절" 등 상태를 명확히 표시
예시 재고 있음
적용 위치 상품 상세페이지 상단(가격 근처 또는 구매 버튼 인근)
  • 모든 상품 페이지에는 현재 재고 상태를 한눈에 알 수 있는 표시가 필요합니다.
  • 다음과 같은 형태로 노출하는 것이 좋습니다:
    • 재고 있음
    • 품절
    • 입고 예정
  • 텍스트뿐 아니라 색상·배지 형태로 시각적으로 구분하면 더 좋습니다.

기술적 근거 요약

  • 재고 표시는 구매 전환율에 직접적인 영향을 줍니다.
  • 검색엔진과 AI는 재고 정보를 상업 신뢰 신호로 인식하여, 쇼핑 결과·AI 추천에서 우선 노출할 가능성이 높아집니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>재고 상태</title></head>
<body>
<span class="stock in-stock">재고 있음</span>
</body>
</html>
스펙 표 제공 ● 불가능 LLM_BODY_SPEC_TABLE
▼

가이드

구분 내용
점검 항목 스펙 표 제공 여부
진단 코드 LLM_BODY_SPEC_TABLE
권장 기준 치수·무게를 포함한 표(Table) 형태의 스펙 제공
예시 무게 1.2kg
적용 위치 상품 상세페이지 내 "상품정보 / 스펙 / 상세정보" 영역
  • 제품의 주요 스펙은 반드시 표 형태(Table)로 제공합니다.
  • 특히 다음 항목은 필수로 포함합니다:
    • 무게
    • 치수(가로·세로·높이 또는 의류 사이즈 상세)

작성 요령

  • 항목명과 값을 한눈에 볼 수 있도록 "항목명 | 값" 구조로 구성합니다.
  • 단락형 텍스트보다 표 형태가 검색엔진·AI 파싱과 사용자 가독성에 유리합니다.

기술적 근거 요약

  • 스펙 표는:
    • 검색엔진의 구조화 인식에 유리
    • 리치스니펫·AI 요약에서 정확한 수치 인용 가능
    • 구매 전환에 필요한 신뢰 정보 제공

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>스펙</title></head>
<body>
<table>
<tr><th>무게</th><td>250g</td></tr>
<tr><th>치수(M)</th><td>어깨:46cm / 가슴:54cm / 총장:72cm</td></tr>
</table>
</body>
</html>
자연어 설명 ● 불가능 LLM_BODY_NL_DESCRIPTION
▼

가이드

구분 내용
점검 항목 자연어 설명(문장형 설명) 포함
진단 코드 LLM_BODY_NL_DESCRIPTION
권장 기준 완전한 문장 형태의 제품 설명 제공
예시 "본 제품은 …"
적용 위치 상품 상세페이지 본문(상세설명 영역)
  • 제품 설명은 반드시 자연어 문장 형태로 작성해야 합니다.
  • 단순 키워드 나열(예: "면100%, 체크, 봄, 캐주얼")이 아니라 주어·서술어가 있는 문장으로 구성합니다.

작성 요령

  • 2~4문장 이상으로 제품의 아래 내용을 서술형으로 설명합니다
    • 용도
    • 소재/기능
    • 장점
    • 사용 상황

기술적 근거 요약

  • 검색엔진과 AI는 문장형 텍스트를 기반으로 스니펫 생성, 요약, 질의응답을 수행합니다.
  • 문장형 설명이 부족하면 AI 검색 노출과 추천 정확도가 낮아집니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>제품 설명</title></head>
<body>
<article>
<p>이 체크 셔츠 남방은 편안한 착용감과 세련된 체크 패턴이 특징입니다. 면 100%로 제작되어 흡습성과 통기성이 우수합니다.</p>
</article>
</body>
</html>
사용 예시 ● 불가능 LLM_BODY_USAGE_EXAMPLE
▼

가이드

구분 내용
점검 항목 사용 예시 제공 여부
진단 코드 LLM_BODY_USAGE_EXAMPLE
권장 기준 최소 1개 이상의 구체적인 사용 사례
예시 반려동물 털 제거, 출근룩, 차량 청소 등
적용 위치 상품 상세페이지 본문(상세설명 또는 별도 "사용 예시" 섹션)
  • 제품이 어떤 상황에서 어떻게 쓰이는지를 문장으로 구체적으로 설명합니다.
  • 단순 기능 나열이 아니라, 실제 사용 장면을 떠올릴 수 있는 서술이 좋습니다.

작성 요령

  • 다음 중 1가지 이상을 포함하세요:
    • 사용 장소 (집, 사무실, 차량, 야외 등)
    • 사용 대상 (반려동물, 아이, 직장인, 학생 등)
    • 사용 목적 (청소, 보습, 보호, 스타일링 등)
  • 예:
    • "반려동물 털이 많은 소파와 카펫을 빠르게 청소할 때 유용합니다."
    • "출근룩에 단정함을 더해주는 데일리 셔츠로 활용할 수 있습니다."

기술적 근거 요약

  • 사용 예시는:
    • 고객의 이해도와 공감도를 높여 전환율 상승
    • AI 검색에서 '활용 방법' 질문에 인용될 가능성 증가
    • E-E-A-T의 'Experience(경험)' 신호 강화

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>사용 예시</title></head>
<body>
<section>
<h2>사용 예시</h2>
<p>출근룩: 셔츠 하나로 단정한 비즈니스 캐주얼 연출 가능 (모델 175cm, M 사이즈 착용)</p>
</section>
</body>
</html>
브랜드 일관성 ● 불가능 LLM_BRAND_NAMING_CONSISTENCY
▼

가이드

구분 내용
점검 항목 브랜드 표기 일관성
진단 코드 LLM_BRAND_NAMING_CONSISTENCY
권장 기준 모든 위치에서 동일한 브랜드명 표기 유지
예시 모든 페이지에 '브랜드A'로 통일
적용 위치 Title, 본문(H1), 푸터, 메타태그, 구조화데이터, 이미지 ALT 등 전 영역
  • 브랜드명은 사이트 전체에서 철자, 대소문자, 띄어쓰기까지 동일하게 사용해야 합니다.
  • 예를 들어 아래처럼 혼용하면 안 됩니다:
    • 브랜드A / brandA / 브랜드 a / BRAND-A (❌)
  • 하나의 공식 표기를 정해 전 영역에 동일 적용합니다.

기술적 근거 요약

  • 검색엔진과 AI는 브랜드를 "하나의 엔티티(고유 개체)"로 인식합니다.
  • 표기가 다르면 서로 다른 브랜드로 오인:
    • 검색 노출 분산
    • 브랜드 신뢰도 하락
    • AI 추천·요약 정확도 저하 로 이어질 수 있습니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>모비튠 - 공식</title></head>
<body>
<header>
<h1>모비튠</h1>
</header>
<footer>
<p>모비튠 | 사업자: 주식회사 인라이플</p>
</footer>
</body>
</html>
배송 정보 ● 불가능 LLM_SHIPPING_INFO_PRESENT
▼

가이드

구분 내용
점검 항목 배송 정보 제공 여부
진단 코드 LLM_SHIPPING_INFO_PRESENT
권장 기준 배송 기간과 배송 방식이 명확히 안내될 것
예시 "평균 1~2일 소요 / 택배 배송"
적용 위치 상품 상세페이지 내 '배송 안내' 또는 '구매 정보' 영역
  • 모든 상품 페이지에는 다음 두 가지가 반드시 포함되어야 합니다.
    1. 배송 기간 (예: 1~2일, 2~5영업일 등)
    2. 배송 방식 (예: 택배, 당일배송, 매장픽업, 해외직구 등)
  • 문장 형태로 명확하게 표기하고, 구매 버튼 근처나 배송 안내 섹션에 배치합니다.

기술적 근거 요약

  • 배송 정보는 구매 전환율에 직접적인 영향을 미치는 핵심 요소입니다.
  • 검색엔진과 AI는 배송 기간·방법을 상업적 신뢰 신호로 인식하여 쇼핑 결과·AI 추천 응답에 반영합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>배송 정보</title></head>
<body>
<section id="shipping">
<p>배송기간: 전국 평균 2-5일 (주말/공휴일 제외)</p>
<p>배송방법: 택배</p>
</section>
</body>
</html>
문서 내 Q/A 텍스트 패턴 탐지 ● 불가능 LLM_BODY_QA_PATTERN
▼

가이드

구분 내용
점검 항목 문서 내 Q/A 텍스트 패턴 존재
진단 코드 LLM_BODY_QA_PATTERN
권장 기준 'Question:' / 'Answer:' 형태의 Q&A가 2쌍 이상
예시 "Q. 배송기간은?"
적용 위치 상품 상세페이지 내 FAQ 또는 Q&A 섹션
  • 본문에 최소 2개 이상의 질문–답변 쌍을 명시적으로 작성합니다.
  • 각 문항은 다음 형식을 권장합니다:
    • Question: 질문 내용
    • Answer: 답변 내용
  • 한글 표기(Q., A.)를 함께 사용해도 되지만, AI·검색엔진 인식에는 영문 패턴이 더 안정적입니다.

작성 요령

  • 자주 묻는 배송, 교환, 사용법, 사이즈, 보증 관련 질문을 중심으로 구성합니다.
  • 질문과 답변은 각각 한 문장 이상으로 명확하게 작성합니다.

기술적 근거 요약

  • 구조화된 Q/A 패턴은:
    • 검색결과 FAQ 리치스니펫 노출 가능
    • AI 검색 답변 소스로 활용
    • 고객 문의 감소 및 전환율 상승에 직접 기여합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>Q/A</title></head>
<body>
<section id="faq">
<h2>자주 묻는 질문</h2>
<div class="qa">
<p><strong>Question:</strong> 사이즈는 어떻게 되나요?</p>
<p><strong>Answer:</strong> 제품 상세의 치수표를 확인하세요.</p>
</div>
<div class="qa">
<p><strong>Question:</strong> 배송은 얼마나 걸리나요?</p>
<p><strong>Answer:</strong> 평균 2-5일 소요됩니다.</p>
</div>
</section>
</body>
</html>
가격 표시 ● 불가능 LLM_PRICE_DISPLAY_PRESENT
▼

가이드

구분 내용
점검 항목 가격 표시 여부
진단 코드 LLM_PRICE_DISPLAY_PRESENT
권장 기준 통화 단위가 포함된 가격을 명확히 표시
예시 129,000원
적용 위치 상품 상세페이지 상단(상품명·구매 버튼 근처)
  • 모든 상품 페이지에는 가격이 반드시 노출되어야 합니다.
  • 가격에는 다음 요소가 포함되어야 합니다:
    • 숫자 금액
    • 통화 단위 (원, USD 등)
  • 예: 129,000원, $30.5

작성 요령

  • 가격은 사용자가 스크롤 없이도 인식할 수 있는 위치에 배치합니다.
  • 할인 전/후 가격이 있다면:
    • 정상가
    • 할인가
    • 할인율을 함께 표시하면 전환율에 더 효과적입니다.

기술적 근거 요약

  • 가격 정보는 구매 의사결정의 핵심 요소이며, 검색엔진·AI는 가격을 상업적 신뢰 신호로 활용합니다.
  • 명확한 가격 표기는:
    • 쇼핑 리치결과 노출
    • AI 쇼핑 답변 인용
    • 사용자 이탈률 감소에 직접적인 영향을 줍니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>가격 표기</title></head>
<body>
<p class="price">46,750원</p>
</body>
</html>
3. 이미지, 링크 품질
파일명 의미성 ● 불가능 LLM_IMAGE_FILENAME_MEANING
▼

가이드

구분 내용
점검 항목 이미지 파일명 의미 포함 여부
진단 코드 LLM_IMAGE_FILENAME_MEANING
권장 기준 kebab-case 또는 snake_case 형식으로 의미 있는 키워드 포함
예시 product-image-01.jpg, check_shirt_men_blue.jpg
적용 위치 이미지 업로드 시 파일명 설정
  • 이미지 파일명은 숫자만 있는 이름(예: IMG_001.jpg) 대신, 제품·카테고리·색상·용도 등을 설명하는 단어를 포함해야 합니다.
  • 단어 구분은 다음 중 하나로 통일합니다:
    • kebab-case: check-shirt-men-blue.jpg
    • snake_case: check_shirt_men_blue.jpg

작성 요령

  • 파일명에 포함하면 좋은 요소:
    • 상품명 또는 카테고리
    • 색상/사이즈
    • 용도(전면, 측면, 착용컷 등)
  • 예: wireless-vacuum-cleaner-pet-hair.jpg , wireless_vacuum_cleaner_pet_hair.jpg

기술적 근거 요약

  • 의미 있는 파일명은:
    • 이미지 검색 노출 증가
    • 접근성(스크린리더) 보조
    • AI·검색엔진의 콘텐츠 이해도 향상
  • 케이스 규칙 통일은 대규모 이미지 관리와 SEO에 유리합니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>이미지 파일명 예시</title></head>
<body>
<img src="/images/products/check_shirt_men_blue_46_750.jpg" alt="체크 셔츠 남방">
</body>
</html>
내부 링크 ● 불가능 LLM_INTERNAL_LINKS_RELATED
▼

가이드

구분 내용
점검 항목 내부 링크 제공 여부
진단 코드 LLM_INTERNAL_LINKS_RELATED
권장 기준 카테고리, 연관 상품, 브랜드 페이지로 이동하는 링크 포함
예시 "전체보기", "의류 카테고리", "연관 상품 보기"
적용 위치 상품 상세페이지 본문 하단, 사이드 영역, 네비게이션 영역
  • 상품 페이지에는 다음 중 1개 이상 내부 링크를 포함합니다:
    • 상위 카테고리로 이동하는 링크
    • 동일 브랜드 상품 모아보기
    • 연관·추천 상품 링크
  • 링크 문구는 사용자가 무엇으로 이동하는지 바로 알 수 있게 작성합니다.
    • 예: "의류 카테고리 전체보기", "이 브랜드 다른 상품 보기"

기술적 근거 요약

  • 내부 링크는:
    • 사용자의 사이트 체류시간 증가
    • 연관 상품 탐색 → 교차 구매 유도
    • 검색엔진 크롤링 구조 최적화
    에 중요한 역할을 합니다.
  • AI 검색에서도 "연관 정보 연결성"이 높은 페이지로 평가됩니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head><meta charset="utf-8"><title>관련 링크</title></head>
<body>
<nav>
<ul>
<li><a href="/shop/shopbrand.html?xcode=001">의류 카테고리</a></li>
<li><a href="/shop/shopbrand.html?branduid=3551417">브랜드 전체보기</a></li>
</ul>
</nav>
</body>
</html>
ALT 존재 비율 ≥ 95% ● 불가능 CHK_IMAGE_ALT
▼

ALT 속성이란?

ALT는 이미지의 내용을 설명하는 HTML속성값으로,

  • 웹 접근성 향상
  • 이미지 검색 노출
  • AI·검색엔진의 이미지 이해에 모두 중요한 역할을 합니다.
  • ALT 작성 요령
    • 이미지가 무엇을 보여주는지 구체적으로 설명
    • 예:
      • 무선청소기 정면
      • 반려동물 털을 청소하는 모습
      • 체크 셔츠 남방 착용컷

    피해야 할 예:

    • image1, 사진, img (의미 없음 ❌)
    • 키워드만 나열 (예: "청소기, 무선, 할인, 추천" ❌)

운영 가이드

구분 내용
점검 항목 이미지 ALT 속성 존재 비율
진단 코드 CHK_IMAGE_ALT
권장 기준 전체 이미지의 95% 이상에 ALT 텍스트 포함
예시 alt="측면 이미지"
적용 대상 상품 상세페이지, 배너, 콘텐츠 이미지 등 모든 <img> 태그
  1. 에디봇 사용 시
    • 이미지 또는 스티커 프레임 클릭
    • 우측 상단 SEO 메뉴 확인
    • 기본적으로 자동 ALT가 생성됨
      • 다만 ON/OFF 기능은 제공되지 않습니다. 변경을 원할 경우 상품별로 수동 등록이 필요하며 일괄 적용은 어렵습니다.
    • 더 정확한 설명을 위해 '직접입력' 영역에 ALT 텍스트 입력 후 저장
  2. 상품 상세페이지에서 직접 입력
    • 관리자 페이지 → 상품 편집 화면
    • SEO 설정 > 상품 이미지 ALT 텍스트 입력
    • 저장 후 반영
  3. HTML 직접 수정 시
<img src="product-side.jpg" alt="무선청소기 측면 이미지">
💡

카페 24

관리자 메인 화면 → PC 쇼핑몰 바로가기 or 모바일 쇼핑몰 바로가기 → 상품 클릭 → SEO 설정 → 상품 이미지 Alt 텍스트 "입력" → 상품 수정 "버튼 클릭"

💡

메이크샵

공식 링크

💡

고도몰

관리자 메인 화면 > 상품 → 상품 관리 → 상품 리스트 → 상품 "수정" → 기본 정보 → 상품명 수정

기술적 근거

  • ALT는 아래 항목에 직접 기여합니다.
    • 이미지 검색 트래픽 증가
    • 접근성 법규 대응
    • AI 비전 모델의 페이지 이해도 향상
    • SEO 품질 점수 개선

전체 이미지의 95% 이상에 ALT 텍스트 포함

4. 의미 정합성
콘텐츠-스키마 의미 정합성 ● 불가능 LLM_BODY_JSONLD_CONSISTENCY
▼

가이드

구분 내용
점검 항목 본문과 JSON-LD의 핵심 정보 일치
진단 코드 LLM_BODY_JSONLD_CONSISTENCY
권장 기준 상품명, 브랜드, 가격, 재고 등 주요 정보가 본문과 JSON-LD에 동일하게 표현
예시 본문 상품명 = JSON-LD Product.name
적용 대상 상품 상세페이지, 카테고리, 브랜드 페이지 등 구조화 데이터가 있는 모든 페이지
  • 페이지에 표시되는 핵심 정보와 JSON-LD에 들어간 정보는 반드시 동일해야 합니다.
  • 특히 다음 항목은 불일치가 없어야 합니다:
    • 상품명
    • 브랜드명
    • 가격
    • 통화 단위
    • 재고 상태(InStock / OutOfStock)
  • 본문을 수정했다면 JSON-LD도 함께 수정해야 합니다.

기술적 근거

  • 검색엔진과 AI는 두 가지를 비교하여 신뢰도를 판단합니다.
    • 화면에 보이는 정보(본문)
    • 기계가 읽는 정보(JSON-LD)
  • 서로 다를 경우,
    • 리치결과 노출 제한
    • AI 쇼핑 답변 제외
    • 스팸·오류 신호로 인식될 가능성이 생깁니다.

모범 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context":"https://schema.org",
  "@type":"Product",
  "name":"체크 셔츠 남방",
  "brand": {"@type":"Brand","name":"모비튠"},
  "offers": {"@type":"Offer","price":46750,"priceCurrency":"KRW","availability":"https://schema.org/InStock"}
}
</script>
</head>
<body>
<h1>체크 셔츠 남방</h1>
<p>가격: 46,750원</p>
</body>
</html>
📝 개요: 구조화 데이터(JSON-LD)는 검색엔진과 AI 모델이 페이지의 핵심 정보(상품, FAQ, 리뷰 등)를 체계적으로 이해하는 필수 요소입니다.
1. Product 스키마
Product 스키마 존재 ● 가능 CHK_PRODUCT
▼

가이드

구분 내용
점검 항목 상품 구조화 데이터(JSON-LD) 내 Product 스키마 정의 여부
진단 코드 CHK_PRODUCT
권장 기준 JSON-LD 스크립트 내에 "@type": "Product" 선언 및 필수 속성 포함
  • 데이터 일치성: JSON-LD 내 선언된 상품명(name), 이미지(image), 가격(price) 정보는 웹페이지상에 실제 텍스트로 노출되는 정보와 반드시 일치해야 합니다.
  • LLM 컨텍스트 강화: AI는 HTML 태그 사이의 비정형 텍스트보다 JSON-LD 내 정형 데이터를 우선적으로 신뢰합니다. @type: "Product"가 명시되면 AI 검색 답변(예: SearchGPT, Perplexity 등)에서 해당 페이지를 **'구매 가능한 공식 상품 페이지'**로 분류하고 상단 출처 카드로 생성할 확률이 매우 높습니다.
  • 필수 포함 속성:
    • @type: 반드시 "Product"로 지정
    • name: 상품명
    • image: 대표 상품 이미지 URL (절대 경로)
    • offers: 가격, 통화, 재고 상태 등을 포함한 오퍼 객체

기술적 근거 요약

  • 리치 결과 노출: 검색 결과 페이지에서 별점, 가격, 재고 정보가 노출되는 '스니펫'을 생성하여 클릭률(CTR)을 높입니다.
  • AI 신뢰도 확보: AI 엔진은 구조화 데이터를 통해 상품의 신뢰성(E-E-A-T)을 판단하며, 데이터가 명확할수록 답변의 주요 근거 자료로 채택될 확률이 증가합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "체크 셔츠 남방",
  "image": "https://www.mobitune.com/images/check-shirt-01.jpg",
  "description": "부드러운 코튼 원단과 편안한 핏의 가을 신상 체크 남방",
  "brand": {
    "@type": "Brand",
    "name": "모비튠"
  },
  "offers": {
    "@type": "Offer",
    "url": "https://www.mobitune.com/goods/123",
    "priceCurrency": "KRW",
    "price": "35000",
    "availability": "https://schema.org/InStock"
  }
}
</script>
</head>
<body>
  <h1>체크 셔츠 남방</h1>
  <p>판매가: 35,000원</p>
  <img src="/images/check-shirt-01.jpg" alt="모비튠 체크 셔츠 남방 레드">
</body>
</html>
Product 내 name 존재 ● 가능 CHK_PRODUCT_NAME
▼

가이드

구분 내용
점검 항목 JSON-LD 내 상품 이름(name) 필드 존재 여부
진단 코드 CHK_PRODUCT_NAME
권장 기준 "name": "브랜드명 + 핵심 키워드 + 상품명" 조합의 필수 필드 포함
  • 데이터 일치성: JSON-LD의 name 값은 해당 페이지의 메인 제목(h1 태그) 및 og:title과 의미적으로 일치해야 AI가 정보의 신뢰도가 높다고 판단합니다.
  • LLM 컨텍스트 강화: AI는 상품명을 통해 해당 페이지의 주제를 정의합니다. 단순히 "셔츠"라고 적기보다 "브랜드A 무선청소기"처럼 브랜드명과 고유 명칭을 결합하면, AI 검색 엔진이 특정 브랜드를 찾는 사용자에게 이 페이지를 정확히 매칭해 줄 확률이 극대화됩니다.
  • 구조 예시:
    • Bad: "name": "상품 01" (무엇인지 알 수 없음)
    • Good: "name": "모비튠 클래식 코튼 체크 셔츠 남방" (브랜드와 상품 특징이 명확함)

기술적 근거 요약

  • 엔티티(Entity) 식별: AI는 웹상의 수많은 데이터 중 '이 제품이 무엇인가'를 식별하기 위해 name 필드를 핵심 식별자로 사용합니다.
  • 지식 그래프 연동: 검색 엔진의 지식 그래프(Knowledge Graph)에 브랜드와 제품이 등록되는 기초 데이터가 되어, 답변 내에서 '추천 상품' 리스트에 노출될 기회를 확보합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방", // 브랜드명과 명확한 상품명 포함
  "image": "https://www.mobitune.com/images/shirt-01.jpg",
  "brand": {
    "@type": "Brand",
    "name": "모비튠"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
</body>
</html>
Product 내 image 존재 ● 가능 CHK_PRODUCT_IMAGE
▼

가이드

구분 내용
점검 항목 JSON-LD 내 상품 이미지(image) 필드 존재 여부
진단 코드 CHK_PRODUCT_IMAGE
권장 기준 대표 이미지 1개 이상의 절대 경로 URL 포함 필수
  • 데이터 일치성: JSON-LD에 기입된 이미지 URL은 실제 페이지 상단에 노출되는 메인 상품 이미지와 일치해야 합니다. AI는 텍스트 데이터와 시각 데이터가 일치할 때 정보의 신뢰도가 높다고 판단합니다.
  • LLM 컨텍스트 강화: 멀티모달(Multimodal) AI 엔진은 답변 생성 시 텍스트뿐만 아니라 관련 이미지를 함께 검색 결과에 띄웁니다. image 필드가 명확하게 존재해야 AI 검색 답변 내 '추천 상품 카드' 영역에 우리 쇼핑몰의 이미지가 노출될 수 있습니다.
  • 구조 예시:
    • 필수 형식: 반드시 https://로 시작하는 절대 경로를 사용해야 합니다.
    • 다중 이미지: 여러 장의 이미지가 있을 경우 배열([]) 형식을 사용하여 AI가 다양한 각도의 상품 정보를 얻게 할 수 있습니다.

기술적 근거 요약

  • 시각적 검색(Visual Search) 대응: 사용자가 이미지로 상품을 찾거나 AI에게 "이런 스타일의 옷 찾아줘"라고 요청할 때, image 필드는 AI가 상품의 디자인을 이해하는 핵심 단서가 됩니다.
  • 검색 결과 점유율: 이미지 정보가 포함된 구조화 데이터는 검색 결과(SERP)에서 일반 텍스트 결과보다 훨씬 더 큰 영역을 차지하여 클릭률을 높여줍니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "image": [
    "https://www.mobitune.com/images/goods/check-shirt-front.jpg",
    "https://www.mobitune.com/images/goods/check-shirt-detail.jpg"
  ],
  "brand": {
    "@type": "Brand",
    "name": "모비튠"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <img src="https://www.mobitune.com/images/goods/check-shirt-front.jpg" alt="모비튠 클래식 코튼 체크 셔츠 남방 정면">
</body>
</html>
name ↔ H1 일치 ● 가능 LLM_PRODUCT_NAME_H1_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 상품명(name)과 페이지 메인 제목(H1)의 일치 여부
진단 코드 LLM_PRODUCT_NAME_H1_MATCH
권장 기준 두 텍스트의 유사도가 95% 이상 동일 (사실상 완전 일치 권장)
  • 데이터 일치성: 구조화 데이터(JSON-LD)에 정의된 상품명과 실제 사용자의 눈에 보이는 페이지의 가장 큰 제목(<h1>)은 토씨 하나 틀리지 않고 일치하는 것이 가장 좋습니다. 불필요한 수식어가 한쪽에만 치우쳐 있다면 AI는 정보의 오염이나 낚시성 페이지로 의심할 수 있습니다.
  • LLM 컨텍스트 강화: AI 에이전트는 페이지를 분석할 때 **"이 페이지가 무엇을 말하는가?"**를 판단하기 위해 내부 코드(JSON-LD)와 시각적 요소(H1)를 교차 검증합니다. 두 값이 일치할 때 AI는 해당 상품 정보를 '확정된 사실'로 받아들이며, 답변 생성 시 상품명을 왜곡 없이 정확하게 인용합니다.
  • 비교 예시:
    • Bad: (JSON) "무선청소기" ↔ (H1) "[특가] 브랜드A 강력 흡입 무선청소기" (일치율 낮음)
    • Good: (JSON) "브랜드A 무선청소기" ↔ (H1) "브랜드A 무선청소기" (100% 일치)

기술적 근거 요약

  • 신뢰도 점수(Relevance Score): AI는 소스 코드와 브라우저 렌더링 결과가 일치할 때 해당 웹사이트를 고품질(High-Quality) 자원으로 분류합니다.
  • 검색 결과의 정확성: 사용자가 특정 제품명을 정확히 검색했을 때, AI 답변 내 출처 카드에 노출되는 상품명이 페이지 제목과 일치해야 사용자 이탈을 막을 수 있습니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>브랜드A 무선청소기 - 공식몰</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "브랜드A 무선청소기", // H1과 100% 일치
  "brand": {
    "@type": "Brand",
    "name": "브랜드A"
  }
}
</script>
</head>
<body>
  <h1>브랜드A 무선청소기</h1> 
  
  <p>강력한 흡입력을 자랑하는 프리미엄 청소기...</p>
</body>
</html>
Review Schema ● 가능 CHK_PRODUCT_REVIEW_RATING_EXISTS
▼

가이드

구분 내용
점검 항목 JSON-LD 내 평점/리뷰 데이터(Review 또는 AggregateRating) 존재 여부
진단 코드 CHK_PRODUCT_REVIEW_RATING_EXISTS
권장 기준 "@type": "Review" 또는 "@type": "AggregateRating" 필드 포함 필수
  • 데이터 일치성: 구조화 데이터에 선언된 평균 평점(예: 4.8)과 총 리뷰 수(예: 125개)는 실제 상세 페이지 상단이나 리뷰 섹션에 표시된 숫자와 정확히 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 수천 개의 상품 중 어떤 것이 우수한지 판단할 때 이 정량적 지표를 활용합니다. AggregateRating이 존재하면 AI 답변에서 **"사용자 평점 4.8로 가장 만족도가 높은 제품입니다"**와 같은 추천 문구가 생성될 확률이 높아집니다.
  • 선택 기준:
    • AggregateRating: 전체 리뷰의 평균 점수와 총 개수를 요약해서 보여줄 때 사용 (권장)
    • Review: 실제 개별 후기 내용을 하나씩 나열할 때 사용

기술적 근거 요약

  • 리치 결과(Rich Results) 활성화: 구글 검색 결과에서 상품명 아래에 노란색 별점과 리뷰 수가 표시되는 기능을 활성화하여 클릭률(CTR)을 극대화합니다.
  • AI 순위 알고리즘 반영: 많은 AI 검색 엔진은 '평점'과 '리뷰 수'를 중요한 랭킹 요소로 삼습니다. 이 스키마는 AI에게 우리 상품이 '검증된 인기 상품'임을 인증하는 명함 역할을 합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  // 요약 평점 정보 (검색 결과 별점 노출의 핵심)
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "125",
    "bestRating": "5",
    "worstRating": "1"
  },
  // 개별 리뷰 데이터
  "review": [
    {
      "@type": "Review",
      "author": {"@type": "Person", "name": "김철수"},
      "reviewRating": {
        "@type": "Rating",
        "ratingValue": "5"
      },
      "reviewBody": "배송도 빠르고 재질이 아주 만족스럽습니다."
    }
  ]
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <div>평점: ★★★★☆ 4.8 (리뷰 125개)</div>
</body>
</html>
review 구조 ● 가능 LLM_PRODUCT_REVIEW_STRUCTURE
▼

가이드

구분 내용
점검 항목 JSON-LD 내 개별 리뷰(review) 객체의 상세 속성 구성 여부
진단 코드 LLM_PRODUCT_REVIEW_STRUCTURE
권장 기준 author, reviewRating, reviewBody 필드가 모두 포함된 구조 준수
  • 데이터 일치성: JSON-LD에 기재된 리뷰 작성자명과 본문 내용은 상세 페이지 하단 리뷰 섹션에 노출된 실제 데이터와 100% 일치해야 합니다. 데이터 불일치 시 AI는 해당 페이지의 정보를 불신하게 됩니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 "실제 사용 후기 알려줘" 또는 **"착용감이 어때?"**라는 질문에 답하기 위해 reviewBody의 텍스트를 직접 분석합니다. 또한 author 정보를 통해 실제 사용자에 의한 검증된 데이터임을 인지하고 E-E-A-T(경험, 전문성, 권위성, 신뢰성) 점수를 높게 부여합니다.
  • 구조 예시:
    • author: 리뷰 작성자 (개인 또는 조직)
    • reviewRating: 해당 리뷰어의 개별 평점 (1~5점 사이)
    • reviewBody: 실제 사용자가 작성한 구체적인 후기 텍스트

기술적 근거 요약

  • 신뢰도 신호(E-E-A-T): AI는 실제 사용자의 '경험(Experience)' 데이터를 매우 중요하게 다룹니다. 구조화된 리뷰는 AI가 상품의 장단점을 요약하여 사용자에게 전달하는 핵심 소스가 됩니다.
  • 검색 스니펫 강화: 구글 검색 결과에서 별점과 함께 실제 리뷰 문구의 일부가 노출되어 잠재 고객의 클릭을 유도합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "review": [
    {
      "@type": "Review",
      "author": {
        "@type": "Person",
        "name": "홍길동"
      },
      "reviewRating": {
        "@type": "Rating",
        "ratingValue": "5",
        "bestRating": "5"
      },
      "reviewBody": "코튼 소재라 정말 부드러워요. 1.2kg 초경량이라는 설명대로 가볍고 일상용으로 최고입니다!"
    }
  ]
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
</body>
</html>
reviewBody ↔ 실제 후기 동일 ● 가능 LLM_PRODUCT_REVIEWBODY_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 reviewBody 텍스트와 실제 페이지에 노출된 후기 문구의 일치 여부
진단 코드 LLM_PRODUCT_REVIEWBODY_MATCH
권장 기준 JSON-LD에 포함된 리뷰 본문이 실제 UI상의 후기 문장과 동일할 것
  • 데이터 일치성: 구조화 데이터(JSON-LD)에 기입된 리뷰 내용은 페이지 하단 리뷰 섹션에 실제 사용자가 작성한 텍스트와 100% 일치해야 합니다. AI는 이를 통해 데이터의 **'투명성'**을 평가합니다.
  • LLM 컨텍스트 강화: AI는 단순 별점보다 reviewBody의 구체적인 문장을 통해 상품의 장단점을 분석합니다. 만약 소스 코드(JSON-LD)에는 긍정적인 가짜 리뷰를 넣어두고 실제 화면에는 다른 내용을 노출한다면, AI는 이를 **'데이터 조작(Manipulation)'**으로 간주하여 검색 결과에서 해당 도메인을 블랙리스트에 올리거나 노출 순위를 급격히 낮출 수 있습니다.
  • 비교 예시:
    • Bad: (JSON) "정말 최고예요!" ↔ (UI) "배송은 느린데 물건은 괜찮네요" (내용 왜곡 및 조작)
    • Good: (JSON) "소재가 부드럽고 가벼워요" ↔ (UI) "소재가 부드럽고 가벼워요" (완전 일치)

기술적 근거 요약

  • Hallucination(환각) 방지: AI 검색 엔진은 실제 텍스트와 일치하지 않는 구조화 데이터를 학습할 경우 잘못된 답변을 내놓을 수 있으며, 이를 방지하기 위해 일치도가 낮은 사이트의 정보 수집을 차단합니다.
  • 신뢰 기반 추천: AI는 실제 고객의 생생한 목소리가 코드로도 증명된 상품을 "사용자가 검증한 신뢰할 수 있는 상품"으로 분류하여 답변의 최상단에 배치합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>브랜드A 무선청소기 - 고객 후기</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "브랜드A 무선청소기",
  "review": [
    {
      "@type": "Review",
      "author": {"@type": "Person", "name": "김민수"},
      "reviewBody": "1.2kg이라 정말 가벼워서 손목이 안 아파요. 흡입력도 기대 이상입니다." // 실제 후기와 동일
    }
  ]
}
</script>
</head>
<body>
  <div id="user-reviews">
    <div class="review-item">
      <span class="user">김민수님</span>
      <p class="content">1.2kg이라 정말 가벼워서 손목이 안 아파요. 흡입력도 기대 이상입니다.</p> </div>
  </div>
</body>
</html>
Review 텍스트 품질(요약 가능성) ● 가능 LLM_PRODUCT_REVIEW_QUALITY
▼

가이드

구분 내용
점검 항목 리뷰 텍스트가 AI에 의해 요약 및 분석 가능한 수준의 품질인지 확인
진단 코드 LLM_PRODUCT_REVIEW_QUALITY
권장 기준 단순 단답형이 아닌 **상품의 속성(소재, 핏, 무게 등)**과 경험이 포함된 구체적 문장
  • 데이터 일치성: JSON-LD의 reviewBody에 담긴 내용은 실제 페이지에 노출된 사용자의 후기 원문과 일치해야 하며, 인위적인 키워드 나열이 아닌 자연스러운 문장이어야 합니다.
  • LLM 컨텍스트 강화: 최신 AI 엔진은 리뷰 텍스트를 기반으로 **'장단점 요약'**이나 **'구매 가이드'**를 생성합니다. "좋아요"라는 짧은 글보다 "코튼 소재가 탄탄해서 세탁 후에도 변형이 없고, 1.2kg 초경량이라 장시간 착용해도 편안합니다"와 같은 문장은 AI가 상품의 셀링 포인트를 추출하는 직접적인 근거가 됩니다.
  • 품질 기준:
    • 저품질: "배송 빨라요", "굿", "추천합니다" (정보 가치 낮음)
    • 고품질: 상품의 구체적 특징(소재, 색감, 크기 등) + 실제 사용 환경 + 주관적 만족도가 결합된 텍스트

기술적 근거 요약

  • AI 요약 결과 반영: AI 검색(SearchGPT 등)은 상품 정보 하단에 "사용자들은 특히 '가벼운 무게'와 '부드러운 촉감'을 높게 평가합니다"와 같은 요약을 제공합니다. 이는 고품질 리뷰 텍스트가 존재할 때만 가능합니다.
  • 시맨틱 검색(Semantic Search) 대응: 사용자가 "목 늘어남 없는 티셔츠"를 검색할 때, 상품 설명뿐만 아니라 리뷰 내의 관련 표현을 분석하여 해당 상품을 결과에 노출시킵니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "review": [
    {
      "@type": "Review",
      "@type": "Review",
      "author": {"@type": "Person", "name": "이정우"},
      "reviewRating": { "@type": "Rating", "ratingValue": "5" },
      // AI 요약 및 분석에 최적화된 구체적 리뷰 텍스트
      "reviewBody": "평소 피부가 예민해서 소재를 중요하게 보는데, 이 셔츠는 코튼 100%라 정말 부드럽네요. 1.2kg 초경량이라 그런지 하루 종일 입어도 어깨가 안 아파요. 가을 데일리룩으로 딱입니다."
    }
  ]
}
</script>
</head>
<body>
  <h2>실제 구매자 후기</h2>
  <p>"코튼 100%라 부드럽고 1.2kg 초경량이라 장시간 착용에도 편안합니다."</p>
</body>
</html>
aggregateRating 구조 ● 가능 CHK_PRODUCT_AGGREGATE_NUMERIC
▼

가이드

구분 내용
점검 항목 JSON-LD 내 평균 평점(ratingValue) 및 리뷰 수(reviewCount) 데이터의 정확성
진단 코드 CHK_PRODUCT_AGGREGATE_NUMERIC
권장 기준 ratingValue와 reviewCount 필드가 숫자(문자열 포함) 형태로 정확히 기입 여부
  • 데이터 일치성: JSON-LD의 평점 데이터는 상세 페이지 상단에 노출되는 실제 구매 만족도 지표와 실시간으로 일치해야 합니다. 데이터가 상이할 경우 검색 엔진은 정보를 신뢰할 수 없는 페이지로 간주하여 노출 순위를 낮출 수 있습니다.
  • LLM 컨텍스트 강화: AI는 수많은 상품 후보 중 "평점이 4.5 이상인 상품" 혹은 **"리뷰가 가장 많은 인기 상품"**을 필터링하여 사용자에게 추천합니다. ratingValue와 reviewCount가 명확히 정의되어 있으면 AI가 해당 상품을 '검증된 대안'으로 인식하여 답변의 신뢰도를 높이는 근거로 활용합니다.
  • 구조 예시:
    • ratingValue: 평균 평점 (예: "4.8")
    • reviewCount: 총 리뷰 개수 (예: "125")

기술적 근거 요약

  • 리치 결과 시각화: 구글 검색 결과에서 별점과 리뷰 수가 노출되게 함으로써 사용자의 시선을 끌고 클릭률(CTR)을 높입니다.
  • 신뢰도 지표(E-E-A-T): AI는 다수의 사용자가 긍정적으로 평가한 상품을 추천 답변의 우선순위에 배치합니다. 정량화된 평점 데이터는 AI가 상품의 가치를 판단하는 가장 객관적인 척도입니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "image": "https://www.mobitune.com/images/shirt-01.jpg",
  // 정량적 평점 데이터 구조화
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",      // 평균 평점
    "reviewCount": "125",     // 총 리뷰 수
    "bestRating": "5",        // 최고점 기준
    "worstRating": "1"        // 최저점 기준
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <div class="rating-info">
    <span>고객 평점: 4.8 / 5.0</span>
    <span>(전체 리뷰 125개)</span>
  </div>
</body>
</html>
Offer schema ● 가능 CHK_PRODUCT_PRICE_NUMERIC
▼

가이드

구분 내용
점검 항목 Offer 객체 내 가격(price) 및 재고 상태(availability) 값의 적절성
진단 코드 CHK_PRODUCT_PRICE_NUMERIC
권장 기준 price 필드에 콤마(,) 없는 숫자 기입 및 표준화된 재고 상태 URL 선언
  • 데이터 일치성: JSON-LD에 선언된 가격은 사용자가 결제 페이지에서 보게 될 실제 최종 가격과 동일해야 합니다. AI는 메타데이터와 페이지 텍스트 간의 가격 불일치를 감지할 경우, 해당 사이트의 정보를 사용자에게 제공하지 않을 가능성이 큽니다.
  • LLM 컨텍스트 강화: AI 에이전트는 "10만 원 이하의 가성비 좋은 제품 찾아줘" 또는 **"현재 바로 살 수 있는 곳"**과 같은 구체적인 조건 검색을 수행합니다. 이때 숫자로 된 price 데이터는 AI가 수치 비교 연산을 수행하게 하며, availability는 '품절'된 상품을 답변에서 배제하는 필터 역할을 합니다.
  • 구조 예시:
    • price: 반드시 콤마나 통화 기호를 제외한 숫자 문자열만 사용 (예: "129000")
    • availability: Schema.org에서 지정한 표준 상태 URL 사용 (예: https://schema.org/InStock)

기술적 근거 요약

  • 리치 결과 스니펫: 구글 검색 결과 페이지에서 가격 정보가 함께 노출되어 상품의 매력도를 높입니다.
  • 상업적 신뢰도 도출: AI는 가격과 재고 데이터가 정교하게 관리되는 사이트를 '활성화된 전문 쇼핑몰'로 인식하며, 이는 AI 추천 엔진의 신뢰성 점수에 긍정적인 영향을 줍니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "offers": {
    "@type": "Offer",
    "price": "129000",             // 콤마 없이 숫자만 기입
    "priceCurrency": "KRW",        // 한국 원화 표시
    "availability": "https://schema.org/InStock", // 현재 구매 가능 상태
    "url": "https://www.mobitune.com/product/123"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <p>판매가: 129,000원 (재고 있음)</p>
</body>
</html>
offers ● 가능 CHK_PRODUCT_OFFERS
▼

가이드

구분 내용
점검 항목 JSON-LD 내 판매 정보(offers) 객체 존재 여부
진단 코드 CHK_PRODUCT_OFFERS
권장 기준 "offers": { "@type": "Offer", ... } 형태의 객체 필수 포함
  • 데이터 일치성: offers 내의 가격(price)과 재고 상태(availability)는 실제 상세 페이지 상단에 표시된 판매가 및 품절 여부와 실시간으로 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 "가장 저렴한 곳 알려줘" 또는 **"지금 바로 배송 가능한 곳 찾아줘"**라는 질문에 답하기 위해 이 데이터를 분석합니다. offers 정보가 명확할수록 AI 답변 내 '구매 버튼'이나 '가격 비교' 리스트에 우선적으로 링크가 노출됩니다.
  • 필수 포함 속성:
    • @type: "Offer"로 선언
    • price: 숫자 형태의 가격 (예: 35000)
    • priceCurrency: 통화 코드 (예: "KRW")
    • availability: 재고 상태 (예: "https://schema.org/InStock")
    • url: 해당 상품의 구매 페이지 절대 경로

기술적 근거 요약

  • 거래 의도(Transactional Intent) 매칭: AI는 offers 객체가 있는 페이지를 '단순 정보 제공'이 아닌 '실제 거래가 가능한 상업적 페이지'로 분류하여 쇼핑 관련 질문에 가중치를 둡니다.
  • 리치 스니펫 생성: 검색 결과에서 상품명 옆에 가격 정보가 함께 표시되어 사용자 신뢰도와 클릭률을 동시에 높여줍니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "image": "https://www.mobitune.com/images/shirt-01.jpg",
  "description": "부드러운 코튼 원단의 편안한 체크 남방입니다.",
  // 판매 정보 설정
  "offers": {
    "@type": "Offer",
    "url": "https://www.mobitune.com/goods/123", // 상품 상세 URL
    "priceCurrency": "KRW", // 통화 (원화)
    "price": "35000", // 숫자만 입력
    "priceValidUntil": "2026-12-31", // 가격 유효 기간 (권장)
    "availability": "https://schema.org/InStock", // 재고 있음
    "itemCondition": "https://schema.org/NewCondition" // 신상품 상태
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <p>판매가: 35,000원 (재고 있음)</p>
</body>
</html>
price ↔ UI 가격 동일 ● 가능 LLM_PRODUCT_PRICE_UI_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 가격(price)과 웹페이지 화면(UI)에 노출된 가격의 일치 여부
진단 코드 LLM_PRODUCT_PRICE_UI_MATCH
권장 기준 JSON-LD의 숫자 값과 UI상에 표시된 가격 정보가 100% 동일
  • 데이터 일치성: 사용자가 화면에서 보는 가격(예: 129,000원)과 AI가 소스 코드에서 읽는 가격("price": "129000")은 반드시 일치해야 합니다. 할인가가 적용된 경우, 두 곳 모두 동일한 할인가를 가리키고 있는지 확인이 필수적입니다.
  • LLM 컨텍스트 강화: AI는 가격 불일치를 '정보의 기만'으로 간주할 수 있습니다. AI 에이전트가 "A 사이트에서 129,000원에 판매 중입니다"라고 답변했는데, 막상 사용자가 접속했을 때 가격이 다르다면 AI 답변의 신뢰도가 떨어지기 때문입니다. 따라서 데이터가 일치할수록 AI는 해당 사이트를 우선순위 정보원으로 채택합니다.
  • 비교 예시:
    • Bad: (JSON) 150000 ↔ (UI) 129,000원 (할인가 반영 누락 등으로 인한 불일치)
    • Good: (JSON) 129000 ↔ (UI) 129,000원 (표기 방식은 다르나 수치 데이터가 동일)

기술적 근거 요약

  • 사용자 경험(UX) 보호: AI 검색 결과에서 확인한 가격과 실제 랜딩 페이지의 가격이 일치할 때 구매 전환율이 상승합니다.
  • 신뢰도 지표(Trust Signal): 가격 일관성은 AI가 해당 상거래 사이트의 데이터 관리 능력을 평가하는 핵심 신호(E-E-A-T) 중 하나입니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>브랜드A 무선청소기 - 상세페이지</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "브랜드A 무선청소기",
  "offers": {
    "@type": "Offer",
    "priceCurrency": "KRW",
    "price": "129000", // UI 가격과 동일한 수치
    "availability": "https://schema.org/InStock"
  }
}
</script>
</head>
<body>
  <h1>브랜드A 무선청소기</h1>
  
  <div class="price-container">
    <span class="label">판매가</span>
    <span class="value">129,000원</span> </div>
</body>
</html>
description ↔ 본문 요약 일치 ● 가능 LLM_PRODUCT_DESCRIPTION_BODY_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 description 필드와 실제 상세 페이지 본문 텍스트의 일치 여부
진단 코드 LLM_PRODUCT_DESCRIPTION_BODY_MATCH
권장 기준 의미적 유사도 80% 이상 동일 (본문의 핵심 내용 요약 필수)
  • 데이터 일치성: 구조화 데이터의 description은 페이지 본문(상세 설명 이미지 내 텍스트 포함)에서 강조하는 핵심 특장점을 요약한 형태여야 합니다. 본문에는 "소음이 적다"고 강조하는데 JSON-LD에는 "디자인이 예쁘다"는 내용만 있다면 AI는 정보의 일관성이 부족하다고 판단합니다.
  • LLM 컨텍스트 강화: AI는 검색 답변을 생성할 때 description을 먼저 읽고, 본문 텍스트에서 이를 뒷받침하는 근거를 찾습니다. 두 데이터가 80% 이상 일치할 때 AI는 **"이 정보는 검증되었음"**으로 간주하며, 검색 결과 상단에 노출되는 'AI 개요(AI Overviews)' 영역에 해당 내용을 인용할 확률이 비약적으로 높아집니다.
  • 비교 예시:
    • Bad: (JSON) "최신형 청소기입니다." ↔ (본문) "1.2kg 초경량, 40분 연속 사용, 헤파 필터 탑재..." (핵심 스펙 누락으로 불일치)
    • Good: (JSON) "1.2kg 초경량에 강력한 흡입력을 갖춘 무선 청소기입니다." ↔ (본문) "가벼운 무게와 강력한 모터로 청소가 쉬워집니다..." (의미적 핵심 요약 일치)

기술적 근거 요약

  • 시맨틱 매칭(Semantic Matching): AI 검색 엔진은 단어의 단순 일치를 넘어 문맥적 의미를 파악합니다. description과 본문의 의미가 일치할수록 페이지의 주제(Topic)가 명확해집니다.
  • 요약 스니펫 정확도: AI가 사용자에게 상품을 소개할 때, description의 내용을 본문에서 다시 확인하는 과정을 거침으로써 답변의 환각(Hallucination)을 방지합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "브랜드A 무선청소기",
  // 본문의 핵심 내용을 80% 이상 반영한 요약문
  "description": "1.2kg의 초경량 설계와 200W의 강력한 흡입력을 자랑하는 브랜드A의 최신형 무선청소기입니다. 미세먼지 차단 헤파필터가 탑재되어 있습니다.",
  "brand": { "@type": "Brand", "name": "브랜드A" }
}
</script>
</head>
<body>
  <h1>브랜드A 무선청소기</h1>
  <section id="features">
    <h2>주요 특징</h2>
    <ul>
      <li><strong>무게:</strong> 1.2kg 초경량 설계로 손목 부담 제로</li>
      <li><strong>성능:</strong> 200W 초강력 모터 탑재</li>
      <li><strong>필터:</strong> 99.9% 미세먼지 차단 헤파필터 적용</li>
    </ul>
  </section>
</body>
</html>
description ● 가능 CHK_PRODUCT_DESCRIPTION
▼

가이드

구분 내용
점검 항목 JSON-LD 내 상품 설명(description) 필드 존재 여부
진단 코드 CHK_PRODUCT_DESCRIPTION
권장 기준 핵심 수치(무게, 소재)와 혜택을 포함한 2~3문장 내외의 설명 포함
  • 데이터 일치성: description 필드의 내용은 상세 페이지 내의 제품 특징 설명이나 og:description의 내용과 맥락이 일치해야 합니다.
  • LLM 컨텍스트 강화: AI는 이 필드를 통해 상품의 **'핵심 셀링 포인트'**를 파악합니다. 단순히 "예쁜 셔츠"라고 적기보다 "1.2kg 초경량 설계", "코튼 100% 소재"와 같이 구체적인 수치나 소재를 포함하면, AI가 "가벼운 청소기 추천해줘" 또는 "피부에 자극 없는 옷 찾아줘"와 같은 사용자 질문에 이 상품을 정교하게 매칭합니다.
  • 구조 예시:
    • Bad: "description": "베스트 인기 상품입니다." (정보가 부족함)
    • Good: "description": "1.2kg 초경량 설계로 손목 부담을 최소화한 무선 청소기입니다. 200W의 강력한 흡입력과 40분 연속 사용이 가능합니다." (구체적 스펙 포함)

기술적 근거 요약

  • AI 요약 생성의 기초: AI 검색 엔진이 상품을 요약하여 사용자에게 보여줄 때 description 필드의 텍스트를 최우선적으로 참조합니다.
  • 시맨틱 매칭(Semantic Matching): 검색어와 상품명이 정확히 일치하지 않더라도, description에 포함된 풍부한 맥락을 통해 AI가 연관성을 찾아내어 노출 기회를 넓힙니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "image": "https://www.mobitune.com/images/shirt-01.jpg",
  // 핵심 스펙과 혜택을 포함한 설명
  "description": "100% 고밀도 코튼 소재로 제작되어 피부 자극이 적고 통기성이 뛰어납니다. 넉넉한 오버핏 설계로 체형에 관계없이 편안한 착용감을 제공하는 가을 시즌 필수 아이템입니다.",
  "brand": {
    "@type": "Brand",
    "name": "모비튠"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
</body>
</html>
ratingValue ↔ 페이지 평점 동일 ● 가능 LLM_PRODUCT_RATINGVALUE_UI_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 ratingValue와 웹페이지 UI에 노출된 평점 수치의 일치 여부
진단 코드 LLM_PRODUCT_RATINGVALUE_UI_MATCH
권장 기준 JSON-LD의 평점 데이터와 화면상에 텍스트로 표기된 평점이 100% 동일
  • 데이터 일치성: 검색 엔진과 AI가 소스 코드에서 읽어가는 ratingValue(예: 4.8)는 실제 사용자가 페이지에 접속했을 때 눈으로 확인하는 별점 수치(예: 4.8점)와 반드시 소수점까지 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 **"평점 좋은 상품 위주로 보여줘"**라는 요청에 응답할 때, 구조화 데이터와 본문 텍스트를 교차 확인합니다. 두 값이 다를 경우 AI는 해당 정보를 신뢰할 수 없는 데이터(Hallucination 또는 조작)로 간주하여 추천 리스트에서 제외할 가능성이 높습니다.
  • 비교 예시:
    • Bad: (JSON) 5.0 ↔ (UI) 4.2 (최신 리뷰 반영 지연 등으로 인한 수치 불일치)
    • Good: (JSON) 4.8 ↔ (UI) 4.8/5 (표기 방식은 달라도 수치 값이 동일)

기술적 근거 요약

  • E-E-A-T(신뢰성) 확보: 데이터의 일관성은 AI가 해당 사이트를 '공식적이고 신뢰할 수 있는 소스'로 판단하게 만드는 핵심 신호입니다.
  • AI 답변 정확도: AI가 "사용자 평점 4.8점을 기록 중인 상품입니다"라고 답변했을 때, 사용자가 랜딩 페이지에서 동일한 숫자를 확인해야 이탈률이 낮아지고 구매 전환율이 높아집니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",      // UI 상의 '4.8'과 반드시 일치
    "reviewCount": "125",
    "bestRating": "5"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  
  <div class="rating-display">
    <span class="stars">★★★★★</span>
    <span class="score">4.8</span> / 5 <span class="count">(리뷰 125개)</span>
  </div>
</body>
</html>
reviewCount ↔ 페이지 동일 ● 가능 LLM_PRODUCT_REVIEWCOUNT_UI_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 reviewCount와 웹페이지 UI에 노출된 리뷰 수의 일치 여부
진단 코드 LLM_PRODUCT_REVIEWCOUNT_UI_MATCH
권장 기준 JSON-LD의 숫자 값과 화면상에 텍스트로 표기된 리뷰 개수가 100% 동일
  • 데이터 일치성: 구조화 데이터에 기입된 reviewCount(예: 124)는 사용자가 상세 페이지에 들어왔을 때 상단 평점 영역이나 하단 리뷰 섹션에서 확인하는 숫자(예: 124개)와 반드시 일치해야 합니다.
  • LLM 컨텍스트 강화: AI는 **"가장 후기가 많은 상품을 추천해줘"**와 같은 질의에 답하기 위해 이 데이터를 참조합니다. UI와 JSON-LD의 숫자가 다를 경우, AI는 이를 데이터 오류나 인위적인 조작으로 판단하여 검색 결과에서 해당 상품의 순위를 낮추거나 신뢰할 수 없는 소스로 분류할 수 있습니다.
  • 비교 예시:
    • Bad: (JSON) 500 ↔ (UI) 124개 (데이터 업데이트 누락 또는 수치 과장)
    • Good: (JSON) 124 ↔ (UI) 124개 (단위 표기 유무와 상관없이 수치 데이터 일치)

기술적 근거 요약

  • 사회적 증거(Social Proof)의 정확성: AI는 리뷰 개수를 통해 상품의 검증 정도를 파악합니다. 일관된 데이터는 AI 답변 내에서 "100건 이상의 구매 후기가 증명하는 베스트셀러"와 같은 강력한 추천 문구를 생성하는 밑거름이 됩니다.
  • 리치 스니펫 신뢰도: 검색 결과(SERP)에 표시된 리뷰 개수와 실제 클릭 후 들어간 페이지의 숫자가 같아야 사용자 이탈(Pogo-sticking)을 방지할 수 있습니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "모비튠 클래식 코튼 체크 셔츠 남방",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "124",  // UI에 노출된 '124'와 반드시 일치
    "bestRating": "5"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  
  <div class="review-summary">
    <span class="rating">평점 4.8 / 5.0</span>
    <span class="count">구매후기 <strong>124</strong>건</span>
  </div>
</body>
</html>
brand name ● 가능 CHK_PRODUCT_BRAND
▼

가이드

구분 내용
점검 항목 JSON-LD 내 브랜드 정보(brand.name) 제공 여부
진단 코드 CHK_PRODUCT_BRAND
권장 기준 "brand": { "@type": "Brand", "name": "브랜드명" } 구조 포함 권장
  • 데이터 일치성: JSON-LD에 기입된 브랜드명은 상품 상세 페이지의 브랜드 정보, 로고, 혹은 상품명 내의 브랜드 표기와 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 "브랜드A에서 나온 신상 있니?" 혹은 **"브랜드A 제품 중에 가성비 좋은 거 추천해줘"**와 같은 브랜드 중심 질의를 처리할 때 이 필드를 핵심 데이터로 사용합니다. 브랜드 정보가 명확히 선언되어 있으면 AI가 해당 페이지를 특정 브랜드의 '공식 정보원'으로 인식하여 검색 결과 상단에 배치할 확률이 높아집니다.
  • 구조 예시:
    • Bad: 브랜드 정보 누락 (상품의 소속을 알 수 없음)
    • Good: "brand": { "@type": "Brand", "name": "모비튠" } (브랜드 엔티티 명시)

기술적 근거 요약

  • 엔티티 신뢰도 강화: AI는 상품이 특정 브랜드에 소속되어 있음을 인지할 때 데이터의 전문성(Expertise)과 권위성(Authority) 점수를 더 높게 책정합니다.
  • 비교 분석의 기준: AI가 여러 상품을 비교하여 표로 만들거나 리스트를 생성할 때, '브랜드' 필드는 가장 기본이 되는 분류 기준이 됩니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>모비튠 - 체크 셔츠 남방</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "클래식 코튼 체크 셔츠 남방",
  "image": "https://www.mobitune.com/images/shirt-01.jpg",
  // 브랜드 정보 설정
  "brand": {
    "@type": "Brand",
    "name": "모비튠" // 브랜드명 명시
  },
  "offers": {
    "@type": "Offer",
    "price": "35000",
    "priceCurrency": "KRW"
  }
}
</script>
</head>
<body>
  <h1>모비튠 클래식 코튼 체크 셔츠 남방</h1>
  <p>브랜드: 모비튠</p>
</body>
</html>
2. Organization
Organization JSON-LD 존재 ● 가능 CHK_ORGANIZATION
▼

가이드

구분 내용
점검 항목 JSON-LD 내 조직 정보(Organization) 객체 존재 여부
진단 코드 CHK_ORGANIZATION
권장 기준 "@type": "Organization" 필드를 포함한 기업 정보 선언 필수
  • 데이터 일치성: Organization에 기재된 기업명, 로고 URL, 연락처 등은 웹사이트 하단(Footer)의 사업자 정보 및 '회사 소개' 페이지의 내용과 완벽히 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 특정 브랜드 제품을 추천할 때 그 브랜드를 운영하는 기업의 신뢰도를 함께 검토합니다. Organization 데이터가 명확하면 AI가 해당 쇼핑몰을 '검증된 공식 판매처' 혹은 '신뢰할 수 있는 기업 사이트'로 분류하여 답변의 출처로 채택할 확률이 높아집니다.
  • 필수 포함 속성:
    • name: 기업명 또는 브랜드명
    • url: 공식 홈페이지 주소
    • logo: 고해상도 브랜드 로고 URL
    • sameAs: 공식 SNS 채널(인스타그램, 유튜브 등) URL 리스트 (기업의 실체를 증명하는 핵심 요소)

기술적 근거 요약

  • 지식 패널(Knowledge Panel) 생성: 구글이나 AI 검색 결과 우측에 기업 정보를 요약해서 보여주는 지식 패널의 기초 데이터가 됩니다.
  • E-E-A-T 강화: 익명의 사이트가 아닌 실체가 있는 조직임을 증명함으로써, AI 검색 알고리즘 내에서 '권위성' 점수를 확보할 수 있습니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>브랜드A - 공식 스토어</title>
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "주식회사 브랜드A",
  "alternateName": "Brand A",
  "url": "https://www.brand-a.com",
  "logo": "https://www.brand-a.com/images/logo.png",
  "contactPoint": {
    "@type": "ContactPoint",
    "telephone": "+82-2-123-4567",
    "contactType": "customer service",
    "areaServed": "KR",
    "availableLanguage": "Korean"
  },
  "sameAs": [
    "https://www.instagram.com/brand_a",
    "https://www.youtube.com/brand_a",
    "https://blog.naver.com/brand_a"
  ]
}
</script>
</head>
<body>
</body>
</html>
Organization 내 name 존재 ● 가능 CHK_ORGANIZATION_NAME
▼

가이드

구분 내용
점검 항목 Organization 구조화 데이터 내 기관 명칭(name) 필드 존재 여부
진단 코드 CHK_ORGANIZATION_NAME
권장 기준 "name": "공식 기업명 또는 브랜드명" 필수 포함
  • 데이터 일치성: name에 기재된 명칭은 사이트 하단(Footer)의 상호명, 개인정보처리방침상의 기업명, 그리고 네이버/구글의 플레이스 정보와 일치해야 합니다.
  • LLM 컨텍스트 강화: AI는 "이 브랜드의 공식 홈페이지가 어디야?" 혹은 "이 회사의 고객센터 번호 알려줘"와 같은 질문에 답할 때 Organization의 name을 기준으로 정보를 검색하고 연결(Entity Linking)합니다. 명칭이 명확하지 않으면 AI가 다른 유사한 이름의 기업과 혼동하여 잘못된 정보를 제공할 수 있습니다.
  • 구조 예시:
    • Bad: 명칭 누락 또는 "name": "Home" (조직을 식별할 수 없음)
    • Good: "name": "주식회사 모비튠" 또는 "name": "모비튠(Mobitune)"

기술적 근거 요약

  • 브랜드 엔티티(Entity) 확립: AI 검색 엔진이 웹상의 정보를 수집할 때, 해당 사이트를 '신뢰할 수 있는 기관'으로 정의하는 첫 번째 단계가 바로 이름(name) 정의입니다.
  • 검색 결과 브랜딩: AI 답변의 출처(Source) 표기 시, 사이트 URL 대신 신뢰감 있는 기업 명칭이 노출되도록 유도합니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "주식회사 모비튠", // AI가 식별할 공식 명칭
  "url": "https://www.mobitune.com",
  "logo": "https://www.mobitune.com/logo.png"
}
</script>
</head>
<body>
  <footer>
    <p>사업자명: 주식회사 모비튠</p>
  </footer>
</body>
</html>
Organization 내 url/logo 중 1개 이상 ● 가능 CHK_ORGANIZATION_URL_OR_LOGO
▼

가이드

구분 내용
점검 항목 Organization 구조화 데이터 내 URL(url) 또는 로고(logo) 필드 포함 여부
진단 코드 CHK_ORGANIZATION_URL_OR_LOGO
권장 기준 url과 logo 중 최소 1개 이상 포함 (가급적 둘 다 포함 권장)
  • 데이터 일치성: url은 현재 접속 중인 공식 홈페이지의 메인 주소여야 하며, logo는 실제 사이트 상단에 노출된 공식 로고 이미지 파일의 절대 경로와 일치해야 합니다.
  • LLM 컨텍스트 강화: AI는 텍스트로 된 기업명뿐만 아니라 시각적 로고와 공식 주소를 통해 조직의 실체를 검증합니다. 특히 AI 답변 영역에서 해당 브랜드를 인용할 때, logo 필드에 있는 이미지를 사용하여 '브랜드 카드'를 생성하므로, 시각적 점유율을 높이는 데 필수적입니다.
  • 구조 예시:
    • url: "https://www.brand-a.com" (반드시 https 포함)
    • logo: "https://www.brand-a.com/images/logo.png" (고해상도 이미지 경로)

기술적 근거 요약

  • 브랜드 자산 식별: AI는 수집된 수많은 정보 중 특정 url과 연결된 정보만을 '공식 답변'의 근거로 사용하려는 경향이 있습니다.
  • 지식 패널 및 이미지 검색: 기업용 지식 그래프 구축 시, logo 데이터는 검색 결과 우측 기업 프로필에 노출되는 로고 이미지의 소스가 됩니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "주식회사 브랜드A",
  "url": "https://www.brand-a.com", // 공식 도메인 필수
  "logo": "https://www.brand-a.com/logo_1024.png" // 브랜드 로고 필수
}
</script>
</head>
<body>
  <header>
    <img src="https://www.brand-a.com/logo_1024.png" alt="브랜드A 공식 로고">
  </header>
</body>
</html>
sameAs 배열 정상 ● 가능 LLM_ORG_SAMEAS_SYNTAX
▼

가이드

구분 내용
점검 항목 Organization 내 공식 SNS 및 외부 채널 링크(sameAs)의 배열 형식 및 URL 정상 여부
진단 코드 LLM_ORG_SAMEAS_SYNTAX
권장 기준 "sameAs": [] 배열 형식을 준수하며, 활성화된 공식 채널 URL 포함
  • 데이터 일치성: sameAs에 포함된 링크는 해당 기업이 실제로 운영하는 공식 계정이어야 합니다. AI는 이 링크들을 타고 들어가 프로필 정보, 게시물 내용 등을 교차 검증하여 브랜드의 실체와 영향력을 파악합니다.
  • LLM 컨텍스트 강화: AI는 "이 브랜드의 인스타그램이나 유튜브 채널 있어?"라는 질문에 답할 뿐만 아니라, 외부 채널의 평판(팔로워 수, 리뷰 등)을 수집하여 해당 브랜드의 신뢰도 점수를 계산합니다. sameAs가 잘 정리되어 있으면 AI는 우리 브랜드를 '디지털 생태계에서 활발히 소통하는 검증된 조직'으로 분류합니다.
  • 배열 구조: 여러 개의 링크를 담기 위해 반드시 대괄호 [ ]를 사용한 배열(Array) 형식을 갖춰야 합니다.

기술적 근거 요약

  • 엔티티 연결(Entity Linking): AI 검색 엔진이 구글 지식 패널이나 AI 검색 답변 하단에 공식 SNS 버튼을 생성할 때 이 데이터를 소스로 사용합니다.
  • 신뢰의 고리 형성: 공식 홈페이지와 SNS가 서로를 참조하게 함으로써, AI에게 "이 모든 채널이 하나의 동일한 브랜드A이다"라는 강력한 확신을 줍니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "주식회사 브랜드A",
  "url": "https://www.brand-a.com",
  // 공식 채널들을 배열(Array) 형태로 나열
  "sameAs": [
    "https://www.instagram.com/brand_a_official",
    "https://www.youtube.com/@brand_a",
    "https://facebook.com/brand_a",
    "https://blog.naver.com/brand_a_official"
  ]
}
</script>
</head>
<body>
  </body>
</html>
contactPoint 구조 정상 ● 가능 LLM_ORG_CONTACTPOINT_VALID
▼

가이드

구분 내용
점검 항목 Organization 내 고객 문의 정보(contactPoint)의 구조 및 필드 유효성 확인
진단 코드 LLM_ORG_CONTACTPOINT_VALID
권장 기준 telephone, contactType 필드가 포함된 객체 구조 준수
  • 데이터 일치성: telephone에 기재된 번호는 웹사이트 하단(Footer)이나 고객센터 페이지에 명시된 공식 번호와 반드시 일치해야 합니다. 데이터가 다를 경우 AI는 사용자에게 잘못된 정보를 전달할 위험이 있어 해당 사이트의 신뢰도 점수를 낮게 책정합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 문제를 해결하기 위해 가장 빠른 연락 수단을 검색합니다. 구조화된 contactPoint는 AI가 **"이 회사의 고객센터는 1544-0000이며, 고객 상담 업무를 담당합니다"**라고 명확하고 직접적인 답변을 생성하는 근거가 됩니다.
  • 필수 속성 가이드:
    • telephone: 국가 코드를 포함하거나 하이픈(-)을 사용한 표준 번호 형식 (예: "1544-0000")
    • contactType: 해당 연락처의 목적 (예: "customer service", "technical support")

기술적 근거 요약

  • 검색 결과 직접 노출: 구글 지식 패널 등에서 고객센터 번호를 별도로 노출시키는 핵심 소스가 됩니다.
  • 비즈니스 신뢰성(E-E-A-T): 명확한 연락처 정보는 실체가 있는 정상적인 비즈니스임을 증명하는 '신뢰(Trust)' 항목의 핵심 평가 요소입니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "주식회사 브랜드A",
  "url": "https://www.brand-a.com",
  // 고객 문의 정보 구조화
  "contactPoint": {
    "@type": "ContactPoint",
    "telephone": "1544-0000",          // 공식 전화번호
    "contactType": "customer service", // 고객 서비스 담당 명시
    "areaServed": "KR",               // 서비스 지역
    "availableLanguage": "Korean"     // 대응 가능 언어
  }
}
</script>
name·url 문자열 형식 ● 가능 LLM_ORG_NAME_URL_VALID
▼

가이드

구분 내용
점검 항목 name과 url 필드가 올바른 문자열(String) 형식으로 선언되었는지 확인
진단 코드 LLM_ORG_NAME_URL_VALID
권장 기준 큰따옴표("")를 사용한 유효한 문자열 형식 및 유효한 프로토콜(https://) 포함
  • 데이터 일치성: JSON-LD 내의 문자열 값은 웹 브라우저 주소창의 URL 및 실제 텍스트와 문장 부호 하나까지 일치해야 합니다. 형식이 깨지면 AI는 해당 스크립트 전체를 무시(Ignore)할 수 있습니다.
  • LLM 컨텍스트 강화: AI는 구조화 데이터를 파싱(Parsing)할 때 데이터 타입을 엄격히 구분합니다. url 값이 문자열이 아니거나 유효하지 않은 형식일 경우, AI는 해당 브랜드를 특정 웹사이트 엔티티와 연결하지 못해 검색 결과에서 출처(Source) 링크를 생성하지 못하는 결과를 초래합니다.
  • 형식 규칙:
    • name: 특수문자 오남용을 지양하고 브랜드명을 명확한 텍스트로 기입합니다.
    • url: 반드시 http:// 또는 https://로 시작하는 절대 경로 형식을 준수합니다.

기술적 근거 요약

  • 데이터 무결성: 형식이 올바른 데이터는 AI가 별도의 추론 과정 없이 즉각적으로 지식 그래프에 반영할 수 있는 '고품질 데이터'로 분류됩니다.
  • 크롤링 효율성: 표준화된 문자열 형식을 사용하면 AI 봇이 페이지를 분석하는 시간을 단축시키고 색인 생성 확률을 높입니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  // 올바른 문자열 형식(String) 준수
  "name": "주식회사 브랜드A", 
  "url": "https://www.brand-a.com" 
}
</script>
Schema ↔ 본문 의미 일치 ● 가능 LLM_ORG_BRAND_NAME_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 브랜드명(name)과 페이지 타이틀/본문 브랜드명의 일치 여부
진단 코드 LLM_ORG_BRAND_NAME_MATCH
권장 기준 title 태그, 페이지 내 로고 텍스트, JSON-LD의 명칭이 100% 동일
  • 데이터 일치성: <title> 태그에 적힌 브랜드명(예: 브랜드A 공식몰)과 JSON-LD Organization의 name(예: 브랜드A)은 핵심 키워드가 반드시 일치해야 합니다. AI는 이 일관성을 통해 해당 페이지의 '소유주'가 누구인지 명확히 규정합니다.
  • LLM 컨텍스트 강화: AI는 사용자가 **"브랜드A에 대해 알려줘"**라고 물었을 때, 여러 사이트 중 코드와 실제 화면의 명칭이 가장 잘 일치하는 곳을 **가장 권위 있는 소스(Primary Source)**로 채택합니다. 명칭이 서로 다르면 AI는 해당 사이트를 대행사나 리셀러, 혹은 신뢰할 수 없는 정보원으로 분류할 위험이 있습니다.
  • 비교 예시:
    • Bad: (Title) "최저가 쇼핑몰" ↔ (JSON) "주식회사 브랜드A" (연관성 낮음)
    • Good: (Title) "브랜드A - 공식 홈페이지" ↔ (JSON) "브랜드A" (핵심 명칭 일치)

기술적 근거 요약

  • 브랜드 권위(Authority): AI 검색 엔진은 사이트의 제목과 구조화 데이터가 일치할 때 해당 도메인을 해당 브랜드 엔티티의 '대표 도메인'으로 강하게 인식합니다.
  • 검색 결과 브랜딩: AI가 답변 하단에 출처를 표시할 때, 사용자가 알고 있는 브랜드명과 동일한 이름으로 링크를 생성해 클릭 신뢰도를 높입니다.

권장 구조 예시

<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="utf-8">
<title>브랜드A 공식 온라인 스토어</title>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "브랜드A", 
  "url": "https://www.brand-a.com"
}
</script>
</head>
<body>
  <header>
    <h1>브랜드A</h1>
  </header>
</body>
</html>
3. Breadcrumb 스키마
Breadcrumb ● 가능 CHK_BREADCRUMB_EXISTENCE
▼

가이드

구분 내용
점검 항목 JSON-LD 내 브레드크럼 정보(BreadcrumbList) 존재 여부
진단 코드 CHK_BREADCRUMB_EXISTENCE
권장 기준 "@type": "BreadcrumbList"를 통해 페이지의 계층 구조 선언 필수
  • 데이터 일치성: 브레드크럼에 기재된 각 단계(명칭 및 URL)는 실제 페이지 상단에 노출되는 텍스트 및 링크 구조와 완벽히 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 탐색형 질의("브랜드A의 청소기 종류 다 보여줘" 등)를 처리할 때 브레드크럼 데이터를 참조합니다. 이 데이터가 있으면 AI는 해당 페이지가 전체 사이트 구조 내에서 어느 위치에 있는지(예: 가전 > 청소기 > 무선청소기) 명확히 인지하여 답변의 정확도를 높입니다.
  • 구조 예시:
    • Bad: 브레드크럼 누락 (AI가 페이지를 고립된 단일 페이지로 인식)
    • Good: Home > 가전 > 청소기 순서로 @type: BreadcrumbList 제공

기술적 근거 요약

  • 사이트 맵핑 효율성: AI 엔진이 사이트를 크롤링할 때 브레드크럼은 지도 역할을 수행하여 정보 수집의 효율성을 극대화합니다.
  • 검색 결과(SERP) 개선: 검색 결과 창에서URL 대신 "가전 > 청소기" 형태의 가독성 높은 경로를 노출시켜 클릭률(CTR)을 높이는 효과가 있습니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "홈",
      "item": "https://www.brand-a.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "무선청소기",
      "item": "https://www.brand-a.com/appliances/vacuums"
    }
  ]
}
</script>
itemListElement 내 item ● 가능 LLM_BREADCRUMB_ITEM_URL_VALID
▼

가이드

구분 내용
점검 항목 itemListElement 내 개별 아이템의 랜딩 페이지 주소(item) 필드 존재 및 URL 형식 확인
진단 코드 LLM_BREADCRUMB_ITEM_URL_VALID
권장 기준 반드시 http:// 또는 https://를 포함한 절대 경로 URL 형식 준수
  • 데이터 일치성: item에 기입된 URL은 해당 카테고리나 페이지로 이동하는 실제 주소와 완벽히 일치해야 합니다. AI는 이 URL을 통해 사이트의 맵(Map)을 그리며, 실제 존재하는 페이지인지 교차 검증합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자가 **"그 카테고리 전체 상품 볼 수 있는 주소 알려줘"**라고 요청할 때 이 데이터를 사용합니다. 또한, 특정 상품 페이지가 '고립된 페이지'가 아니라 '신뢰할 수 있는 대분류/중분류' 아래에 속해 있음을 URL 구조를 통해 확신하게 됩니다.
  • 형식 규칙:
    • /category/cleaner와 같은 상대 경로가 아닌, **https://brand-a.com/category/cleaner*와 같은 절대 경로를 사용해야 AI가 전역적으로 식별할 수 있습니다.
    • 마지막 단계(현재 페이지)의 URL도 누락 없이 포함하는 것이 원칙입니다.

기술적 근거 요약

  • 크롤링 효율성: AI 엔진은 브레드크럼의 URL을 따라가며 사이트의 전체적인 정보 구조를 빠르게 색인(Indexing)합니다.
  • 출처 명시: AI 답변 내에서 특정 카테고리를 언급할 때, 해당 URL을 하이퍼링크로 바로 연결해 줄 수 있는 근거 데이터가 됩니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "홈",
      "item": "https://www.brand-a.com" // 절대 경로 필수
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "생활가전",
      "item": "https://www.brand-a.com/appliances" // 유효한 URL 형식
    }
  ]
}
</script>
itemListElement 내 position ● 가능 LLM_BREADCRUMB_POSITION_INTEGER
▼

가이드

구분 내용
점검 항목 itemListElement 내 개별 아이템의 순서(position) 필드 존재 및 정수 형식 확인
진단 코드 LLM_BREADCRUMB_POSITION_INTEGER
권장 기준 1부터 시작하여 계층 순서에 따라 증가하는 정수(Integer) 값 포함
  • 데이터 일치성: position 값은 사용자가 실제 사이트에서 이동하는 경로의 순서와 일치해야 합니다. (예: 홈은 1번, 그다음 카테고리는 2번)
  • LLM 컨텍스트 강화: AI 에이전트는 이 정수값을 통해 정보의 **상하 관계(Parent-Child Relationship)**를 이해합니다. 숫자가 뒤섞이거나 문자열로 되어 있으면 AI는 논리적 경로를 파악하지 못해, 상품의 분류 체계를 오인하거나 검색 결과에서 잘못된 경로 정보를 생성할 수 있습니다.
  • 형식 규칙:
    • 반드시 따옴표 없는 정수(1, 2, 3...) 형식을 권장합니다. (JSON 표준에 따라 문자열 "1"도 파싱은 가능하나, 엄격한 데이터 정합성을 위해 정수형 사용을 우선합니다.)
    • 순서는 반드시 1부터 순차적으로 증가해야 합니다.

기술적 근거 요약

  • 구조적 탐색: AI는 position을 통해 "가전(2)은 홈(1)의 하위 개념"임을 확신합니다. 이는 AI 답변 내에서 상품의 위치를 설명할 때 중요한 근거가 됩니다.
  • 리치 스니펫 정확도: 구글 등 검색 엔진의 검색 결과창(SERP)에 표시되는 브레드크럼 경로는 이 position 값을 기준으로 렌더링됩니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1, // 최상위 계층
      "name": "홈",
      "item": "https://www.brand-a.com"
    },
    {
      "@type": "ListItem",
      "position": 2, // 중간 계층
      "name": "가전제품",
      "item": "https://www.brand-a.com/appliances"
    },
    {
      "@type": "ListItem",
      "position": 3, // 현재 또는 하위 계층
      "name": "무선청소기",
      "item": "https://www.brand-a.com/appliances/vacuums"
    }
  ]
}
</script>
itemListElement 내 ListItem @type ● 가능 LLM_BREADCRUMB_ITEMTYPE_VALID
▼

가이드

구분 내용
점검 항목 itemListElement 배열 내 개별 아이템의 @type이 ListItem으로 선언되었는지 확인
진단 코드 LLM_BREADCRUMB_ITEMTYPE_VALID
권장 기준 각 단계별 객체에 "@type": "ListItem" 필수 포함
  • 데이터 일치성: 브레드크럼은 여러 단계의 '목록'으로 구성됩니다. 각 단계가 단순한 텍스트가 아닌, 스키마 표준에서 정의한 ListItem 타입으로 선언되어야 AI가 이를 '이동 가능한 경로의 한 단계'로 인식합니다.
  • LLM 컨텍스트 강화: AI는 사이트의 카테고리 구조를 통해 상품의 전문성을 판단합니다. 예를 들어, ListItem을 통해 홈 > 주방가전 > 인덕션이라는 경로가 명확히 해석되면, AI는 이 상품을 '주방가전' 분야의 전문 정보로 분류합니다. 타입이 누락되거나 잘못되면 AI는 이 계층 관계를 무시하여 탐색형 답변에서 해당 페이지를 누락시킬 수 있습니다.
  • 비교 예시:
    • Bad: @type을 생략하거나 일반 Thing으로 선언 (계층 구조 해석 불가)
    • Good: "@type": "ListItem"으로 명시하여 목록의 구성 요소임을 선언

기술적 근거 요약

  • 구조적 명확성: ListItem 타입은 AI 파서(Parser)에게 "이 데이터 뒤에는 순서(position)와 이름(name), 주소(item)가 올 것이다"라는 문맥을 미리 알려주는 역할을 합니다.
  • 계층 데이터 색인: AI는 이 구조를 바탕으로 사이트 전체의 토픽 맵(Topic Map)을 그려냅니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem", // 필수 타입 선언
      "position": 1,
      "name": "홈",
      "item": "https://www.brand-a.com"
    },
    {
      "@type": "ListItem", // 모든 단계에 동일하게 적용
      "position": 2,
      "name": "생활가전",
      "item": "https://www.brand-a.com/appliances"
    }
  ]
}
</script>
itemListElement 내 name ● 가능 LLM_BREADCRUMB_ITEM_NAME_VALID
▼

가이드

구분 내용
점검 항목 itemListElement 내 개별 아이템의 명칭(name) 필드 존재 및 문자열 형식 확인
진단 코드 LLM_BREADCRUMB_ITEM_NAME_VALID
권장 기준 각 ListItem에 "name": "카테고리명" 형태의 문자열 필수 포함
  • 데이터 일치성: name에 기재된 텍스트는 실제 웹페이지 상단 브레드크럼 UI에 표시된 텍스트와 100% 일치해야 합니다. (예: UI에 '무선청소기'라고 되어 있다면 JSON-LD에도 '무선청소기'로 기입)
  • LLM 컨텍스트 강화: AI는 이 name 데이터를 통해 페이지의 '분류체계'를 학습합니다. 사용자가 **"청소기 카테고리에서 제일 잘 나가는 게 뭐야?"**라고 물을 때, AI는 브레드크럼의 name 필드를 훑어 해당 페이지가 '청소기' 카테고리에 속함을 인지하고 답변 근거로 활용합니다.
  • 형식 규칙:
    • 반드시 큰따옴표("")를 사용한 문자열(String) 형식이어야 합니다.
    • 특수문자나 불필요한 기호보다는 사용자가 직관적으로 이해할 수 있는 명사형 키워드를 권장합니다.

기술적 근거 요약

  • 엔티티 분류: AI는 name 값을 통해 해당 상품이 어떤 엔티티 군집(Cluster)에 속하는지 정의합니다.
  • 사용자 경험 반영: AI 답변 리스트에서 "가전 > 청소기"와 같은 경로를 생성할 때 이 name 값이 직접적으로 노출되어 클릭 신뢰도를 높입니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "홈", // 명확한 문자열 형식
      "item": "https://www.brand-a.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "청소기", // UI와 일치하는 카테고리명
      "item": "https://www.brand-a.com/vacuums"
    }
  ]
}
</script>
JSON-LD breadcrumb ↔ UI breadcrumb 동일 ● 가능 LLM_BREADCRUMB_UI_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 BreadcrumbList 경로와 실제 화면(UI)에 노출된 경로의 일치 여부
진단 코드 LLM_BREADCRUMB_UI_MATCH
권장 기준 UI 상의 이동 경로와 JSON-LD 내 명칭/순서가 토씨 하나 틀리지 않고 100% 동일할 것
  • 데이터 일치성: 사용자가 웹사이트 상단에서 보는 "홈 > 가전 > 청소기"라는 텍스트와 소스 코드(JSON-LD)에 입력된 name 값이 완벽하게 매칭되어야 합니다. AI는 코드와 화면을 교차 검증하여 데이터가 조작되지 않았는지 확인합니다.
  • LLM 컨텍스트 강화: AI는 구조화 데이터와 본문 텍스트가 일치할 때 해당 페이지의 **'정보 정확성 점수'**를 높게 책정합니다. 만약 UI에는 "청소기"라고 되어 있는데 코드에는 "최저가 가전"이라고 적혀 있다면, AI는 이를 검색 노출을 노린 부적절한 최적화(Spammy)로 간주하여 신뢰도를 낮춥니다.
  • 비교 예시:
    • Bad: (UI) 가전 > 청소기 ↔ (JSON) 홈 > 세일중 > 가전 > 청소기 (경로 단계 불일치)
    • Good: (UI) 홈 > 생활가전 > 청소기 ↔ (JSON) 홈 > 생활가전 > 청소기 (완전 일치)

기술적 근거 요약

  • 데이터 정합성(Alignment): AI는 구조화 데이터가 실제 본문 내용을 얼마나 정직하게 반영하는지를 통해 사이트의 품질(Quality)을 판단합니다.
  • 사용자 의도 매칭: AI가 사용자에게 "이 상품은 브랜드A의 청소기 카테고리에 있습니다"라고 안내할 때, 사용자가 사이트에 방문해서 실제로 똑같은 경로를 확인하게 함으로써 이탈률을 낮추고 검색 만족도를 높입니다.

권장 구조 예시

<nav class="breadcrumb-ui">
  <span>홈</span> &gt; <span>생활가전</span> &gt; <span>청소기</span>
</nav>

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "홈", // UI 텍스트와 동일
      "item": "https://www.site.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "생활가전", // UI 텍스트와 동일
      "item": "https://www.site.com/appliances"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "청소기", // UI 텍스트와 동일
      "item": "https://www.site.com/vacuums"
    }
  ]
}
</script>
item URL ↔ 실제 링크 동일 ● 가능 LLM_BREADCRUMB_URL_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 item URL과 실제 UI 브레드크럼의 링크 주소 일치 여부
진단 코드 LLM_BREADCRUMB_URL_MATCH
권장 기준 JSON-LD에 선언된 item 주소와 실제 하이퍼링크(href)가 정확히 동일할 것
  • 데이터 일치성: 구조화 데이터 코드에 기입된 주소가 실제 웹페이지의 메뉴나 브레드크럼 버튼을 눌렀을 때 이동하는 주소와 다를 경우, AI는 이를 '비정상적인 정보 유도(Cloaking)' 또는 '잘못된 참조 데이터'로 간주합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 정보를 수집할 때 링크의 유효성을 체크합니다. 코드와 화면의 URL이 일치할 때 AI는 **"이 페이지의 계층 구조와 연결 정보는 검증되었음"**으로 확신하며, AI 답변 내에서 해당 카테고리나 관련 상품을 더 자신 있게 추천합니다.
  • 비교 예시:
    • Bad: (JSON) .../category/123 ↔ (UI Link) .../products/cleaner (주소 형식 불일치)
    • Good: (JSON) .../appliances ↔ (UI Link) .../appliances (완전 일치)

기술적 근거 요약

  • 크롤링 예산 최적화: AI 봇이 브레드크럼 코드를 통해 정보를 미리 파악할 때, 실제 링크와 주소가 일치하면 사이트 구조를 학습하는 데 드는 비용(Computing Resource)이 줄어들어 색인 우선순위가 높아집니다.
  • 할루시네이션(환각) 방지: AI가 사용자에게 "이 상품은 A 경로에 있습니다"라고 안내했는데 실제 링크가 다르면 서비스 품질이 저하되므로, 일치도가 높은 데이터를 최우선적으로 활용합니다.

권장 구조 예시

<nav>
  <ol>
    <li><a href="https://site.com/home">홈</a></li>
    <li><a href="https://site.com/appliances">가전제품</a></li>
  </ol>
</nav>

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "홈",
      "item": "https://site.com/home"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "가전제품",
      "item": "https://site.com/appliances" // UI의 href와 100% 일치
    }
  ]
}
</script>
4. FAQ Page
@type FAQPage ● 가능 CHK_FAQ
▼

가이드

구분 내용
점검 항목 JSON-LD 내 FAQ 정보(FAQPage) 객체 존재 여부
진단 코드 CHK_FAQ
권장 기준 "@type": "FAQPage" 필드를 통해 질의응답 구조 선언 필수
  • 데이터 일치성: FAQPage 스키마에 포함된 질문(Question)과 답변(Answer)은 실제 웹페이지의 FAQ 섹션이나 Q&A 게시판에 노출된 텍스트와 의미적으로 일치해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트(Perplexity, SearchGPT 등)는 사용자가 질문형으로 검색했을 때(예: "브랜드A 청소기 필터 교체 방법이 뭐야?") 이 FAQ 데이터를 가장 신뢰할 수 있는 직접적인 답변 후보로 채택합니다. FAQPage가 선언되어 있으면 AI가 정보를 재구성하는 과정에서 오해할 확률을 줄여줍니다.
  • 구조적 이점: 단순 본문 텍스트보다 Question과 Answer로 명확히 구분된 구조화 데이터는 AI의 **'추론 비용'**을 낮춰주어 답변 인용 빈도를 높입니다.

기술적 근거 요약

  • 리치 결과(Rich Results) 노출: 일반 검색 결과에서도 질문과 답변이 확장 형태로 노출되어 클릭률(CTR)을 높이는 효과가 있습니다.
  • 직접 답변 생성: AI가 검색 결과를 요약하여 보여줄 때, FAQ의 답변 텍스트를 그대로 인용하여 사용자에게 즉각적인 가치를 제공합니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "필터는 언제 교체해야 하나요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "일반적으로 6개월에 한 번 교체를 권장하며, 사용 환경에 따라 달라질 수 있습니다."
      }
    },
    {
      "@type": "Question",
      "name": "배송 기간은 얼마나 걸리나요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "주문 후 영업일 기준 2~3일 내에 발송됩니다."
      }
    }
  ]
}
</script>
mainEntity ● 가능 LLM_FAQ_MAINENTITY_EXISTS
▼

가이드

구분 내용
점검 항목 FAQPage 내에서 실제 질문 리스트를 담고 있는 mainEntity 필드 존재 여부
진단 코드 LLM_FAQ_MAINENTITY_EXISTS
권장 기준 "mainEntity": [...] 배열(Array) 형식을 통해 하나 이상의 질문 객체 포함
  • 데이터 일치성: mainEntity 배열 안에 나열된 질문들은 페이지에 실제로 존재하는 Q&A 콘텐츠의 순서와 개수를 반영해야 합니다. AI는 이 배열을 순회하며 페이지의 핵심 질의응답 정보를 수집합니다.
  • LLM 컨텍스트 강화: AI는 FAQPage라는 선언만으로는 무엇이 질문인지 알 수 없습니다. mainEntity라는 명확한 속성 내에 데이터를 담음으로써, AI가 **"이 배열 안에 있는 것들이 사용자가 가장 자주 묻는 핵심 엔티티(Question)들이구나"**라고 확신하게 됩니다.
  • 구조적 규칙: 반드시 대괄호 [ ]를 사용한 배열 형식이어야 하며, 각 배열 요소는 Question 타입의 객체여야 합니다.

기술적 근거 요약

  • 데이터 파싱(Parsing) 성공률: 구글과 AI 검색 엔진의 스키마 검증 도구는 mainEntity가 없으면 FAQ 데이터를 읽지 못하고 오류를 발생시킵니다.
  • 검색 스니펫 구성: AI가 검색 결과 페이지에서 질문 리스트를 펼쳐서 보여줄 때, 이 배열에 담긴 순서대로 정보를 노출합니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  // mainEntity 배열 선언 필수
  "mainEntity": [
    {
      "@type": "Question",
      "name": "질문 1의 내용",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "답변 1의 내용"
      }
    },
    {
      "@type": "Question",
      "name": "질문 2의 내용",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "답변 2의 내용"
      }
    }
  ]
}
</script>
mainEntity내 Question 구조 ● 가능 LLM_FAQ_QUESTION_STRUCTURE
▼

가이드

구분 내용
점검 항목 mainEntity 배열 내 개별 요소가 Question 타입으로 정의되고 질문 텍스트(name)를 포함하는지 확인
진단 코드 LLM_FAQ_QUESTION_STRUCTURE
권장 기준 "@type": "Question" 선언 및 "name": "질문 문구" 필수 포함
  • 데이터 일치성: name 필드에 들어가는 질문 문구는 웹사이트 상세 페이지나 고객지원 섹션에 적힌 실제 질문의 텍스트와 의미적으로 완전히 동일해야 합니다.
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 검색어(Query)와 가장 유사한 엔티티를 찾기 위해 Question 객체의 name 값을 스캔합니다. 질문이 "name": "배터리 수명은?"과 같이 명확한 키워드와 의도를 포함하고 있다면, AI는 이를 **'고품질 질의응답 소스'**로 판단하여 검색 결과 상단이나 AI 개요 영역에 우선적으로 배치합니다.
  • 구조적 규칙:
    • mainEntity 배열 안에 위치해야 합니다.
    • 질문 텍스트는 반드시 name 속성을 사용해야 하며, 문자열(String) 형식이어야 합니다.

기술적 근거 요약

  • 질문 의도 파악: AI 에이전트는 Question 타입을 만나는 순간 이를 사용자의 '페인 포인트(Pain Point)'로 인식하고, 뒤따라올 acceptedAnswer를 해결책으로 미리 연결해 둡니다.
  • 리치 스니펫 렌더링: 구글 검색 결과에서 사용자가 클릭하여 펼쳐볼 수 있는 질문 제목으로 이 name 값이 사용됩니다.

권장 구조 예시

{
  "@type": "Question",
  "name": "배터리 수명은 얼마나 되나요?",
  "acceptedAnswer": {
    "@type": "Answer",
    "text": "완충 시 최대 40분간 연속 사용이 가능합니다."
  }
}
mainEntity내 Answer 구조 ● 가능 LLM_FAQ_ANSWER_STRUCTURE
▼

가이드

구분 내용
점검 항목 Question 객체 내에 acceptedAnswer가 Answer 타입으로 정의되고 답변 내용(text)을 포함하는지 확인
진단 코드 LLM_FAQ_ANSWER_STRUCTURE
권장 기준 "@type": "Answer" 선언 및 "text": "답변 문구" 필수 포함
  • 데이터 일치성: text 필드에 기재된 답변은 웹사이트 화면에 노출된 FAQ 답변과 의미와 수치가 완벽히 일치해야 합니다. (예: 화면에 '60분'이라 적혀 있다면 데이터에도 '60분'으로 기재)
  • LLM 컨텍스트 강화: AI 에이전트는 사용자의 질문에 답하기 위해 acceptedAnswer 내의 text를 직접 인용합니다. 이 필드가 구조적으로 명확하고 텍스트가 풍부할수록, AI는 **"이 답변이 가장 신뢰할 수 있는 정답이다"**라고 판단하여 검색 결과 최상단 '강조 스니펫'이나 AI 답변에 우선적으로 노출합니다.
  • 구조적 규칙:
    • 반드시 Question 객체의 하위 속성인 acceptedAnswer 내에 위치해야 합니다.
    • 답변 텍스트는 text 속성을 사용하며, HTML 태그(예: <a>, <b>)를 일부 포함하여 가독성을 높일 수 있습니다.

기술적 근거 요약

  • 직접 응답(Direct Answer) 생성: AI는 본문의 긴 글을 분석하는 것보다 Answer 타입의 text 필드를 읽는 것을 훨씬 선호하며, 이를 통해 할루시네이션(환각) 없는 정확한 정보를 제공합니다.
  • 정보의 완결성: 질문(Question)과 답변(Answer)이 한 쌍의 구조로 완벽히 묶여 있을 때, AI는 데이터의 신뢰도(E-E-A-T)를 높게 평가합니다.

권장 구조 예시

"acceptedAnswer": {
  "@type": "Answer",
  "text": "완충 시 일반 모드에서 <b>최대 60분</b> 연속 사용이 가능합니다."
}
FAQ ↔ 본문 Q&A 매칭 ● 가능 LLM_FAQ_QA_BODY_MATCH
▼

가이드

구분 내용
점검 항목 JSON-LD 내 FAQ 내용과 실제 웹페이지 본문(UI)에 노출된 Q/A 텍스트의 일치 여부
진단 코드 LLM_FAQ_QA_BODY_MATCH
권장 기준 JSON-LD의 name(질문) 및 text(답변)가 본문 텍스트와 의미 및 핵심 수치에서 100% 일치
  • 데이터 일치성: 구조화 데이터(JSON-LD)는 검색 엔진을 위한 '요약본'이며, 실제 본문은 사용자를 위한 '원본'입니다. 이 둘의 내용이 다를 경우 AI는 이를 데이터 조작이나 신뢰할 수 없는 정보로 간주하여 노출 순위를 낮춥니다.
  • LLM 컨텍스트 강화: AI는 본문의 텍스트와 스키마 데이터를 교차 검증(Cross-Check)합니다. 두 데이터가 일치할 때 AI는 **"이 정보는 검증된 팩트(Fact)다"**라는 강한 확신을 갖게 되며, 이를 바탕으로 AI 답변 스니펫을 생성합니다.
  • 비교 예시:
    • Bad: 코드에는 상세한 AS 규정을 넣고, 본문에는 "AS는 고객센터 문의"라고만 적은 경우 (정보의 불균형)
    • Good: 본문에 적힌 핵심 질문 3개와 답변 내용을 그대로 JSON-LD에 반영한 경우 (완전 일치)

기술적 근거 요약

  • 신뢰도(Trustworthiness): 구글의 E-E-A-T 평가 요소 중 '신뢰'는 데이터의 일관성에서 시작됩니다.
  • 정확한 정보 인용: AI가 사용자의 질문에 답할 때, 본문과 스키마가 일치하는 데이터를 사용해야만 사용자에게 정확한 출처(Source)를 제시할 수 있습니다.

권장 구조 예시

<section id="faq-section">
  <h3>자주 묻는 질문</h3>
  <div class="q">질문: 배송은 얼마나 걸리나요?</div>
  <div class="a">답변: 평일 기준 2~3일 소요됩니다.</div>
</section>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "배송은 얼마나 걸리나요?", // UI 텍스트와 동일
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "평일 기준 2~3일 소요됩니다." // UI 텍스트와 동일
    }
  }]
}
</script>
답변 내용 정확성 ● 가능 LLM_FAQ_ANSWER_ACCURACY
▼

가이드

구분 내용
점검 항목 FAQPage 내 답변(text)이 모호하거나 광고성 멘트에 치중되지 않았는지 확인
진단 코드 LLM_FAQ_ANSWER_ACCURACY
권장 기준 수치, 기간, 방법 등 실질적인 정보를 포함한 구체적인 문장 사용
  • AI가 싫어하는 나쁜 답변 (Bad Case):
    • 모호함: "최대한 빠르게 배송해 드리기 위해 노력하고 있습니다."
    • 광고성: "업계 최고 수준의 놀라운 성능을 직접 경험해 보세요!"
    • 정보 부족: "자세한 내용은 상세 페이지를 참고해 주시기 바랍니다."
  • AI가 선호하는 좋은 답변 (Good Case):
    • 구체적 수치: "평일 오후 2시 이전 주문 시 당일 출고되며, 평균 1~2일 이내에 수령 가능합니다."
    • 명확한 팩트: "본 제품은 IPX7 등급의 방수를 지원하여 수심 1m에서 30분간 보호됩니다."
    • 단계별 안내: "필터 교체는 1. 상단 덮개를 열고, 2. 기존 필터를 당겨 뺀 후, 3. 새 필터를 소리가 날 때까지 밀어 넣으면 완료됩니다."

기술적 근거 요약

  • 팩트 체크(Fact Checking): 최신 LLM은 웹상의 다른 정보와 대조하여 답변의 진위 여부를 판단합니다. 허위 정보나 과장된 광고는 브랜드 신뢰도 하락으로 이어집니다.
  • 제로 클릭 답변(Zero-click Content): 사용자가 검색 결과에서 즉시 궁금증을 해결할 수 있는 '완결성 있는 정보'를 제공할 때 AI 답변 박스(Featured Snippet)에 노출될 확률이 극대화됩니다.

권장 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "무상 AS 기간은 어떻게 되나요?",
    "acceptedAnswer": {
      "@type": "Answer",
      // 모호한 '최선을 다함' 대신 '2년'이라는 구체적 수치 제공
      "text": "구매일로부터 <b>무상 AS 2년</b>을 보장합니다. 단, 배터리 등 소모품의 경우 1년의 보증 기간이 적용됩니다."
    }
  }]
}
</script>
📝 개요: 검색엔진과 AI 크롤러가 페이지를 효율적으로 수집·색인할 수 있도록, 기술적 설정과 성능 지표를 점검합니다.
1. 크롤링 접근 & AI 허용 정책
Google-Extended 허용 ● 불가능 CHK_GOOGLE_EXTENDED
▼

가이드

구분 내용
점검 항목 Google-Extended 접근 허용
진단 코드 CHK_GOOGLE_EXTENDED
권장 기준 robots.txt에서 Google-Extended Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • Google-Extended은 구글 AI 학습·SGE에 활용

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
GPTBot 허용 ● 불가능 CHK_GPTBOT
▼

가이드

구분 내용
점검 항목 GPTBot 허용
진단 코드 CHK_GPTBOT
권장 기준 robots.txt에서 GPTBot Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • ChatGPT 학습·요약 크롤러에 활용

의미

  • ChatGPT 답변에 사이트 인용
  • AI 검색 요약·추천 결과 반영
  • 쇼핑·비교·리뷰 질의에서 노출 가능

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
ChatGPT-User-Agent 허용 ● 불가능 CHK_CHATGPT_USER
▼

가이드

구분 내용
점검 항목 ChatGPT-User-Agent 허용
진단 코드 CHK_CHATGPT_USER
권장 기준 robots.txt에서 ChatGPT-User-Agent Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • ChatGPT 실시간 탐색용

의미

  • ChatGPT 답변에 사이트 인용
  • AI 검색 요약·추천 결과 반영
  • 쇼핑·비교·리뷰 질의에서 노출 가능

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
Claude-Web (Anthropic-UA) 허용 ● 불가능 CHK_CLAUDE_SEARCHBOT
▼

가이드

구분 내용
점검 항목 Claude-Web(Anthropic-UA) 접근 허용
진단 코드 CHK_CLAUDE_SEARCHBOT
권장 기준 robots.txt에서 Claude 크롤러 Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • Claude(Web)는 Anthropic의 AI 검색·요약·질의응답용 크롤러입니다.
  • 허용 시:
    • AI 검색 결과 노출 가능
    • LLM 학습·요약·추천 소스로 활용
    • 브랜드 인지도 및 AI 인용 가능성 증가

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
ClaudeBot 허용 ● 불가능 CHK_CLAUDE_USER
▼

가이드

구분 내용
점검 항목 ClaudeBot 접근 허용
진단 코드 CHK_CLAUDE_USER
권장 기준 robots.txt에서 ClaudeBot Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • ClaudeBot은 Claude 서비스 내 웹 탐색·근거 수집용 봇입니다.
  • 허용 시:
    • Claude 답변에 사이트 인용 가능
    • AI 기반 쇼핑 추천·비교 답변에 포함될 가능성 증가

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
OpenAI-Explore / OpenAI-Data 허용 ● 불가능 CHK_OAI_SEARCHBOT
▼

가이드

구분 내용
점검 항목 OpenAI-Explore/OpenAI-Data 허용
진단 코드 CHK_OAI_SEARCHBOT
권장 기준 robots.txt에서 OpenAI-Explore/OpenAI-Data Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • ChatGPT 탐색·학습용 크롤러

의미

  • ChatGPT 답변에 사이트 인용
  • AI 검색 요약·추천 결과 반영
  • 쇼핑·비교·리뷰 질의에서 노출 가능

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
PerplexityBot 허용 ● 불가능 CHK_PERPLEXITYBOT
▼

가이드

구분 내용
점검 항목 PerplexityBot접근 허용
진단 코드 CHK_PERPLEXITYBOT
권장 기준 robots.txt에서 PerplexityBotAllow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • PerplexityBot은 Perplexity AI 검색에 활용

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
Bingbot 허용 ● 불가능 CHK_BINGBOT
▼

가이드

구분 내용
점검 항목 Bingbot 접근 허용
진단 코드 CHK_BINGBOT
권장 기준 robots.txt에서 Bingbot Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • Bingbot 은 Bing + Copilot 검색에 활용

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
CCBot 허용 ● 불가능 CHK_CCBOT
▼

가이드

구분 내용
점검 항목 CCBot 접근 허용
진단 코드 CHK_CCBOT
권장 기준 robots.txt에서 CCBot Allow
💡

카페24

관리자 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → SEO 고급설정 → 검색로봇 접근 제어

💡

메이크샵

관리자 → 설정 → 기본 설정 → 검색 엔진 최적화 → 검색 엔진 관련 설정 → 검색 로봇 설정 → 검색 엔진 노출 범위 개별 설정 (robots.txt 직접 입력) → 봇 설정

💡

고도몰

관리자 메인 화면 → 기본설정 → 기본정책 → 검색엔진 최적화(SEO) 설정 → 검색로봇 정보수집 설정 → 검색로봇 정보수집 허용설정

  • CCBot 은 AI 학습용 공개 데이터 수집에 활용

권장 robots.txt 통합 설정 예시

# 1. Anthropic (Claude)
User-agent: Claude-Web
Allow: /

User-agent: ClaudeBot
Allow: /

# 2. OpenAI
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OpenAI-Explore
Allow: /

User-agent: OpenAI-Data
Allow: /

# 3. Google AI
User-agent: Google-Extended
Allow: /

# 4. Microsoft / Bing
User-agent: Bingbot
Allow: /

# 5. Perplexity
User-agent: PerplexityBot
Allow: /

# 6. Common Crawl
User-agent: CCBot
Allow: /

# 기본 전체 허용
User-agent: *
Allow: /

# 사이트맵
Sitemap: https://www.yourdomain.com/sitemap.xml
sitemap.xml 접근성 ● 불가능 CHK_SITEMAP
▼

가이드

구분 내용
점검 항목 sitemap.xml 접근 가능 여부
진단 코드 CHK_SITEMAP
권장 기준 200 응답 OK
예시 /sitemap.xml

robots.txt에 Sitemap 선언 추가하는 방법

  • 검색엔진이나 SEO 점검 도구에서 "robots.txt에 Sitemap 선언이 없습니다" 라는 메시지가 나옴
  • 사이트는 정상적으로 보이지만 검색 노출이 잘 안 되는 느낌이 듦

👉 한 줄 요약

robots.txt에 아래 한 줄만 추가하면 됩니다. 
Sitemap: https://내사이트주소/sitemap.xml

1단계: 내 사이트의 Sitemap 주소 확인하기

먼저 아래 주소를 브라우저에 직접 입력해 보세요.

https://내사이트주소/sitemap.xml

예시:

https://example.com/sitemap.xml

결과 확인

  • ✔️ 페이지가 열리면서 이상한 코드(XML)가 보이면 → 정상
  • ❌ "페이지를 찾을 수 없음"이 나오면
    👉 이 경우 먼저 Sitemap 생성이 필요합니다 (대부분의 CMS는 자동 생성됨)

2단계: robots.txt 파일 열기

브라우저 주소창에 아래를 입력하세요.

https://내사이트주소/robots.txt

예시:

https://example.com/robots.txt

결과 유형

  1. 글자가 보이는 경우 → robots.txt 파일이 존재함
  2. 404 오류가 나는 경우 → robots.txt 파일이 없음 (새로 만들어야 함)

3단계: robots.txt에 Sitemap 주소 추가하기

robots.txt에 꼭 들어가야 할 문장

아래 문장을 그대로 복사해서 사용하세요.

Sitemap: https://내사이트주소/sitemap.xml

⚠️ 대소문자 구분 있음 → Sitemap: 으로 시작해야 합니다.

4단계: 사이트 종류별 수정 방법

① 워드프레스(WordPress) 사용 중인 경우 (가장 쉬움)

방법 1: 플러그인으로 자동 처리 (추천)

  1. 관리자 페이지 접속
  2. 플러그인 → 새로 추가
  3. 아래 중 하나 설치
    • Yoast SEO
    • Rank Math
  4. 설치 후 자동
    • sitemap 생성
    • robots.txt에 Sitemap 선언
      이 모두 처리됩니다 ✅

👉 별도 수정 필요 없음

방법 2: 관리자 화면에서 직접 수정

  1. 관리자 페이지 → SEO 플러그인 → 도구
  2. 파일 편집기(File Editor) 선택
  3. robots.txt 내용 맨 아래에 추가 
    Sitemap: https://내사이트주소/sitemap.xml
  4. 저장

② 카페24 / 고도몰 / 아임웹 등 호스팅 서비스 이용 중인 경우

  1. 호스팅 관리자 페이지 로그인
  2. 검색엔진 최적화(SEO) 또는 사이트 설정 메뉴 찾기
  3. 아래 중 하나 확인
    • Sitemap URL 입력란
    • robots.txt 편집 메뉴

robots.txt 편집이 있다면

맨 아래에 추가:

Sitemap: https://내사이트주소/sitemap.xml

메뉴가 없다면

👉 해당 호스팅 서비스 고객센터 도움말에서 "robots.txt 수정" 또는 "Sitemap 등록" 검색

③ HTML 파일을 직접 업로드하는 사이트인 경우

(FTP나 파일 업로드를 쓰는 경우)

  1. robots.txt 파일을 컴퓨터에서 메모장으로 생성
  2. 아래 내용 입력 
    User-agent: *
Allow: /

Sitemap: https://내사이트주소/sitemap.xml
  3. 파일 이름을 robots.txt 로 저장
  4. 서버의 최상위 폴더(루트) 에 업로드

5단계: 제대로 되었는지 확인하기

브라우저에서 다시 확인하세요.

https://내사이트주소/robots.txt

아래 줄이 보이면 성공입니다 ✅

Sitemap: https://내사이트주소/sitemap.xml

자주 묻는 질문

Q. 꼭 robots.txt에 Sitemap을 넣어야 하나요?

  • 네, 검색엔진과 AI가 사이트 구조를 빠르게 이해하는 데 매우 중요합니다.

Q. 한 줄만 넣어도 되나요?

  • 네. 이미 다른 내용이 있다면 맨 아래 한 줄만 추가하면 됩니다.

Q. 여러 Sitemap이 있으면요?

  • 아래 내용처럼 여러 줄로 넣어도 됩니다.
Sitemap: https://내사이트주소/sitemap1.xml
Sitemap: https://내사이트주소/sitemap2.xml
2. Core Web Vitals / 속도
LCP (Largest Contentful Paint) ● 불가능 CHK_LCP
▼

Core Web Vitals

Core Web Vitals는 검색 순위와 전환율을 동시에 좌우하는 핵심 품질 지표로,

TTFB·CLS·INP·LCP가 기준치를 만족하면 구글·AI 검색 모두에서 기술 신뢰도가 최상급으로 평가됩니다.

가이드

구분 내용
점검 항목 메인 콘텐츠 로딩 시간
지표 코드 PSI_LCP
권장 기준 2.5초 이하 (모바일·PC 공통)
의미 사용자가 가장 큰 이미지/텍스트를 볼 수 있을 때 까지의 시간
  • 첫 화면의 대표 이미지, 메인 배너, 상품 썸네일을 우선 로딩합니다.
  • 이미지 용량 축소(WebP), 레이지로딩, CDN 적용이 효과적입니다.
INP (Interaction to Next Paint) ● 불가능 CHK_INP
▼

Core Web Vitals

Core Web Vitals는 검색 순위와 전환율을 동시에 좌우하는 핵심 품질 지표로,

TTFB·CLS·INP·LCP가 기준치를 만족하면 구글·AI 검색 모두에서 기술 신뢰도가 최상급으로 평가됩니다.

가이드

구분 내용
점검 항목 사용자 입력 반응 시간
지표 코드 PSI_INP
권장 기준 200ms 이하
의미 클릭·터치 후 실제 반응이 나타날 때까지 걸리는 시간
  • 과거 FID 대신 현재는 **INP(Interaction to Next Paint)**가 구글 공식 지표입니다.
  • 무거운 스크립트, 과도한 애니메이션, 동시 이벤트 처리를 줄이면 개선됩니다.
CLS (Cumulative Layout Shift) 안정 ● 불가능 CHK_CLS
▼

Core Web Vitals

Core Web Vitals는 검색 순위와 전환율을 동시에 좌우하는 핵심 품질 지표로,

TTFB·CLS·INP·LCP가 기준치를 만족하면 구글·AI 검색 모두에서 기술 신뢰도가 최상급으로 평가됩니다.

가이드

구분 내용
점검 항목 레이아웃 이동 정도
지표 코드 PSI_CLS
권장 기준 0.1 이하
의미 페이지 로딩 중 화면이 튀거나 밀리는 현상
  • 이미지, 배너, 광고 영역에 높이값을 미리 지정합니다.
  • 로딩 중 버튼이 움직이지 않도록 UI 고정이 중요합니다.
페이지 속도 TTFB (Time to First Byte) ● 불가능 CHK_TTFB
▼

Core Web Vitals

Core Web Vitals는 검색 순위와 전환율을 동시에 좌우하는 핵심 품질 지표로,

TTFB·CLS·INP·LCP가 기준치를 만족하면 구글·AI 검색 모두에서 기술 신뢰도가 최상급으로 평가됩니다.

가이드

구분 내용
점검 항목 서버 첫 응답 시간
지표 코드 PSI_TTFB
권장 기준 0.8초 이하
의미 사용자가 페이지를 요청한 후 서버가 처음 응답하기까지 걸리는 시간
  • 서버 응답이 느리면 전체 로딩이 아무리 빨라도 체감 속도가 나빠집니다.
  • CDN 사용, 캐시 설정, 서버 성능 점검으로 개선할 수 있습니다.
3. 기술 품질
Canonical 중복 없음 ● 불가능 CHK_CANONICAL_UNIQUE
▼

가이드

구분 내용
점검 항목 Canonical 중복 여부
진단 코드 CHK_CANONICAL_SINGLE
권장 기준 페이지당 Canonical 태그 1개만 존재
예시 <link rel="canonical" href="https://www.site.com/product/123">
  • 한 페이지에는 Canonical 링크를 반드시 1개만 사용합니다.
  • 중복·누락 시 검색엔진이 대표 URL을 혼동하여 SEO 점수가 하락할 수 있습니다.
Lazy-loading 적절성 ● 가능 CHK_LAZY_LOADING
▼

가이드

구분 내용
점검 항목 이미지 Lazy-loading 적용 여부
진단 코드 CHK_IMAGE_LAZY_LOADING
권장 기준 주요 이미지에 loading="lazy" 속성 사용
예시 <img src="product.jpg" loading="lazy">
적용 대상 상품 이미지, 배너, 상세 이미지 등 화면 하단에 위치한 모든 이미지
  • 첫 화면에 바로 보이지 않는 이미지는 지연 로딩(Lazy Loading)으로 설정합니다.
  • 페이지 초기 로딩 속도를 빠르게 하고, LCP·INP 개선에 도움이 됩니다.

모범 구조 예시

<img src="detail-01.jpg" alt="상품 상세 이미지" loading="lazy">
WebP / AVIF 비율 ≥ 80% ● 불가능 CHK_MODERN_IMAGE_FORMAT
▼

가이드

구분 내용
점검 항목 WebP/AVIF 이미지 비율
진단 코드 CHK_IMAGE_FORMAT
권장 기준 전체 이미지의 80% 이상을 WebP 또는 AVIF로 제공
예시 product.webp, banner.avif
  • JPG, PNG 대신 WebP 또는 AVIF 포맷을 우선 사용합니다.
  • 용량을 줄이면서도 화질을 유지하여 아래 효과를 얻을 수 있습니다.
    • LCP 개선
    • 모바일 데이터 절감
    • Core Web Vitals 점수 상승

모범 구조 예시

<picture>
  <source srcset="product.avif" type="image/avif">
  <source srcset="product.webp" type="image/webp">
  <img src="product.jpg" alt="상품 이미지">
</picture>
📝 개요: GEO(AI 검색엔진 최적화)는 AI 모델이 콘텐츠를 정확히 이해하고 신뢰할 수 있도록 구조, 품질, 일관성을 최적화하는 전략입니다.
1. Summarizable 구성
Summarizable 구성 ● 불가능 LLM_SUMMARIZABLE_CONTENT
▼

가이드

구분 내용
점검 항목 상단 요약 + 특징 불릿 구성
진단 코드 LLM_BODY_SUMMARY_BULLET
권장 기준 3~5줄 요약문 + 3~7개 bullet 리스트
평가 비중 요약 15점 + 불릿 10점 (총 20점)
적용 위치 본문 최상단 (H1 위 또는 바로 아래)

페이지 상단에 아래 두 요소를 연속으로 배치합니다.

  • 3~5문장 요약 블록
    • 제품/서비스의 정체
    • 핵심 기능
    • 주요 장점
    • 가격·대상·배송 등 판단 정보
  • 3~7개 핵심 특징 Bullet 리스트
    • 성분 / 사양 / 용량
    • 대상 사용자
    • 주요 효능
    • 가격대
    • 배송/구성
    • 차별 포인트

권장 구조 예시

<header>
  <p>
    체크 셔츠 남방은 편안한 착용감과 선명한 체크 패턴이 특징인 데일리 아이템입니다.
    면 100% 소재로 통기성이 좋고 사계절 착용이 가능합니다.
    레귤러핏으로 출근룩과 캐주얼룩 모두에 활용할 수 있습니다.
    가격은 46,750원이며 평균 배송은 2~5일 소요됩니다.
  </p>
  <ul>
    <li>소재: 100% 코튼</li>
    <li>핏: 레귤러핏</li>
    <li>용도: 데일리/출근룩</li>
    <li>계절: 사계절</li>
    <li>배송: 평균 2~5일</li>
  </ul>
</header>

기술적 근거

  • AI 요약 모델이 핵심을 빠르게 추출
  • 검색 스니펫 생성 정확도 향상
  • 모바일 스크롤 최소화
  • 구매 전환율 상승
불필요한 반복 및 중복 최소화 ● 불가능 LLM_NO_REDUNDANCY
▼

가이드

구분 내용
점검 항목 불필요한 문구 반복·중복 최소화
진단 코드 LLM_DUPLICATION_MINIMIZED
권장 기준 동일 문장·표현의 과도한 반복 없이 핵심만 간결하게 서술
적용 범위 요약, 본문, 특징, 스펙, FAQ, 리뷰 요약 등 전체 텍스트
  • 같은 의미의 문장을 여러 번 반복하지 않습니다.
  • 요약, 특징, 상세설명, FAQ에 같은 문장이 그대로 중복 노출되지 않도록 합니다.
  • 핵심 문장은 한 번만 명확하게 쓰고, 추가 설명은 다른 표현으로 보완합니다.

작성 요령

❌ 피해야 할 예 (의미 중복 반복)

  • "이 제품은 가볍습니다."
  • "본 제품은 매우 가볍습니다."
  • "가벼운 무게로 휴대가 편리합니다."

⭕ 권장 예

  • "1.2kg의 가벼운 무게로 휴대와 보관이 편리합니다."

기술적 근거 요약

  • 중복이 많으면:
    • 검색엔진에서 저품질 콘텐츠로 인식
    • AI 요약 품질 저하
    • 사용자 스크롤 피로 증가
  • 중복을 줄이면:
    • 핵심 정보 밀도 상승
    • 스니펫·AI 요약 정확도 향상
    • 전환율 개선

모범 구조 예시

<p>1.2kg의 가벼운 무게로 이동과 보관이 편리합니다.</p>
<section>
  <h2>상세 설명</h2>
  <p>컴팩트한 크기로 좁은 공간에도 수납이 가능합니다.</p>
</section>
2. Extrability(추출 가능성)
문단 구조 명확 ● 불가능 LLM_PARAGRAPH_CLARITY
▼

가이드

구분 내용
점검 항목 문단 구조 명확성 및 정보 밀도
진단 코드 LLM_BODY_PARAGRAPH_QUALITY
평가 요소 문단 구조· 리스트/표 · 요약 · 광고비율 · 정보밀도 · 수치팩트
적용 위치 상품 상세 본문 전체
  • 본문은 아래 6가지 요건을 동시에 만족하도록 구성합니다.
    1. 문단 구조 명확
      1. 한 문단 = 한 주제
      2. 3~5줄 이내로 끊어 가독성 확보
    2. 리스트·표 활용
      1. 사양, 구성, 성분, 옵션 등은 불릿 또는 표로 정리
      2. 긴 문장으로 나열하지 말 것
    3. 요약문 존재
      1. 상단에 3~5문장 요약 블록 필수 (5-1 항목과 연계)
    4. 광고·잡음 비율 낮음
      1. "지금 사세요", "최고의", "대박 할인" 같은
      2. 과도한 마케팅 문구는 본문에서 최소화
      3. 정보형 문장 비중을 높일 것
    5. 정보 밀도 높음
      1. 한 문단에 하나 이상의 구체 정보 포함 (기능, 성분, 용량, 대상, 상황 등)
    6. 인용 가능한 팩트 포함
      1. 수치, 성능, 규격, 가격, 평점 등 정량 정보 필수
        예: 1.2kg, 500W, 2~5일 배송, 4.9점, 616개 리뷰

권장 구조 예시

<article>
  <section>
    <h2>제품 요약</h2>
    <p>체크 셔츠 남방은 면 100% 소재로 제작되어 통기성이 뛰어나며, 데일리 착용에 적합합니다.</p>
  </section>

  <section>
    <h2>주요 사양</h2>
    <ul>
      <li>소재: 코튼 100%</li>
      <li>무게: 320g</li>
      <li>사이즈: S / M / L</li>
      <li>배송: 평균 2~5일</li>
    </ul>
  </section>

  <section>
    <h2>상세 스펙</h2>
    <table>
      <tr><th>총장</th><td>72cm</td></tr>
      <tr><th>어깨</th><td>46cm</td></tr>
    </table>
  </section>
</article>

기술적 근거 요약

이 구조는 AI에게 다음을 가능하게 합니다:

  • 문단 단위 요약 추출
  • 불릿/표에서 속성값 정확히 파싱
  • 수치 기반 비교 응답 생성
  • 광고성 문장 필터링 후 핵심 정보만 인용
콘텐츠 분할 구조 적합성 ● 불가능 LLM_CONTENT_SEGMENTATION
▼

가이드

구분 내용
점검 항목 콘텐츠 의미 단위 분리 구조
진단 코드 LLM_CONTENT_SEGMENTATION_FIT
권장 기준 요약 / 특징 / 스펙 / 리뷰 / 정책 등 섹션별 구분
적용 태그 <section>, <h2>, <h3>
목적 AI·검색엔진이 정보 블록을 독립적으로 추출 가능

본문을 아래와 같이 의미 단위별로 명확히 분리합니다.

권장 섹션 구성:

  1. 요약 (Summary)
  2. 주요 특징 (Features)
  3. 상세 스펙 (Specifications)
  4. 리뷰 / 평점 (Reviews)
  5. 배송 / 교환 / 환불 정책 (Policy)
  6. Q&A (FAQ)

각 섹션은 반드시:

  • 고유한 제목(H2)
  • 해당 주제만 담은 내용
  • 다른 섹션과 중복되지 않는 정보 를 가져야 합니다.

기술적 근거 요약

  • AI와 검색엔진은:
    • H2/H3 제목 단위로 블록을 인식
    • 각 블록을 독립적으로 요약·비교·인용
  • 의미 단위가 섞여 있으면:
    • 요약 정확도 하락
    • 스니펫 생성 실패
    • FAQ, 스펙, 정책 추출 불가

권장 구조 예시

<main>
  <section id="summary">
    <h2>제품 요약</h2>
    <p>핵심 특징과 장점을 요약.</p>
  </section>

  <section id="features">
    <h2>주요 특징</h2>
    <ul>
      <li>흡입력 500W</li>
      <li>무게 1.2kg</li>
    </ul>
  </section>

  <section id="spec">
    <h2>상세 스펙</h2>
    <table>
      <tr><th>무게</th><td>1.2kg</td></tr>
    </table>
  </section>

  <section id="reviews">
    <h2>리뷰</h2>
    <p>평점 4.9점 (616건)</p>
  </section>

  <section id="policy">
    <h2>배송·환불</h2>
    <p>배송 2~5일, 무료 반품 가능</p>
  </section>
</main>
구조화 데이터 품질 ● 불가능 LLM_STRUCTURED_DATA_QUALITY
▼

가이드

구분 내용
점검 항목 Product JSON-LD 완전성
진단 코드 LLM_PRODUCT_OFFER_COMPLETENESS
권장 기준 Product + Offer(가격·재고) + Review 포함
적용 방식 JSON-LD 구조화 데이터
목적 AI·검색엔진이 상품 정보를 정확히 추출·요약·추천 가능

상품 페이지에는 반드시 Product 구조화 데이터(JSON-LD)가 포함되어야 하며,

다음 3요소가 완전하게 들어가야 합니다.

  1. Product 기본 정보
    • name (상품명)
    • image (대표 이미지 URL)
    • brand (브랜드명)
  2. Offer (판매 정보)
    • price (가격)
    • priceCurrency (통화)
    • availability (재고 상태)
  3. Review / AggregateRating (후기 신뢰 신호)
    • ratingValue (평점)
    • reviewCount 또는 reviewBody (리뷰 수/내용)

기술적 근거 요약

  • Product + Offer + Review 구조가 완비되면:
    • 구글 리치결과(가격·재고·별점)
    • AI 쇼핑 요약 카드
    • 비교·추천·Q&A 응답 소스
      에서 우선적으로 활용됩니다.
  • 필드 누락 시:
    • AI가 가격·재고를 추출하지 못함
    • 쇼핑 검색 노출 제한
    • AI 답변 인용 제외 가능성 증가

모범 구조 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "체크 셔츠 남방",
  "image": "https://www.example.com/images/check-shirt.jpg",
  "brand": {
    "@type": "Brand",
    "name": "모비튠"
  },
  "offers": {
    "@type": "Offer",
    "price": 46750,
    "priceCurrency": "KRW",
    "availability": "https://schema.org/InStock"
  },
  "review": [
    {
      "@type": "Review",
      "author": "홍길동",
      "reviewRating": {
        "@type": "Rating",
        "ratingValue": 5
      },
      "reviewBody": "착용감이 매우 편안합니다."
    }
  ]
}
</script>
브랜드 신뢰 신호 ● 불가능 LLM_BRAND_TRUST_SIGNALS
▼

가이드

구분 내용
점검 항목 브랜드 신뢰 신호 존재 여부
진단 코드 LLM_BRAND_TRUST_SIGNALS
권장 기준 사업자 정보 + 고객 후기/평점 + 공식성 표시
적용 위치 푸터, 상품 상세, 회사 소개, 구조화 데이터
목적 AI 인용 신뢰도 및 구매 전환 신뢰도 확보

다음 3종류의 신뢰 신호를 명확히 노출해야 합니다.

  1. 사업자·운영자 정보
    1. 회사명
    2. 사업자등록번호
    3. 주소
    4. 고객센터 전화번호 / 운영시간
  2. 사회적 증거 (리뷰·평점)
    1. 리뷰 수 (예: 리뷰 124개)
    2. 평균 평점 (예: 4.9점)
    3. 실제 후기 텍스트
  3. 공식성·안전성 표시
    1. SSL(https)
    2. 결제사 배지 (카카오페이, 네이버페이 등)
    3. 공식몰 / 정품 보증 문구

기술적 근거

AI는 신뢰 가능한 출처를 우선 인용합니다.

명확한 사업자 정보 + 다수의 실제 리뷰가 있으면:

  • AI 요약 답변 출처 채택 확률 상승
  • 쇼핑 비교·추천 노출 가능성 증가
  • E-E-A-T(경험·전문성·권위·신뢰) 점수 상승

권장 구조 예시

<footer>
  <p>회사명: 주식회사 인라이플</p>
  <p>사업자등록번호: 113-86-60934</p>
  <p>고객센터: 1661-8778 (09:00~18:00)</p>
  <p>리뷰: ★4.9 (총 124건)</p>
</footer>

또는 상품 페이지 내:

<section id="reviews">
  <h2>고객 후기</h2>
  <p>평점 4.9 / 5 (124개 리뷰)</p>
</section>
핵심 사실(Facts) 명확성 ● 불가능 LLM_FACTS_CLARITY
▼

가이드

구분 내용
점검 항목 핵심 사실에 수치·성능·크기 데이터 포함
진단 코드 LLM_FACT_CLARITY_NUMERIC
권장 기준 가격·무게·치수·성능·용량 등 정량 정보 명시
적용 위치 요약, 스펙, 본문, 표, JSON-LD

모든 핵심 정보는 숫자로 표현합니다.

포함해야 할 대표 수치:

  • 가격: 46,750원 / $30.5
  • 무게: 1.2kg / 250g
  • 크기: 가로×세로×높이 (cm)
  • 성능: 500W, 40시간 재생
  • 평점: 4.9점 (616건)
  • 배송: 평균 2~5일

기술적 근거

  • AI와 검색엔진은:
    • "가볍다"보다 "1.2kg"
    • "빠르다"보다 "0→100km/h 3.2초"
      같은 수치 정보를 신뢰하고 비교합니다.
  • 정량 정보가 많을수록:
    • AI 요약 정확도 상승
    • 비교 검색 노출
    • 추천 응답 인용 확률 증가

모범 구조 예시

<section>
  <p>가격: 46,750원</p>
  <p>무게: 250g</p>
  <p>치수: 어깨 46cm / 가슴 54cm / 총장 72cm (M)</p>
  <p>배송: 평균 2~5일</p>
</section>
3. 엔티티(브랜드) 일관성
브랜드명 일관성 (Entity: Title & OG) ● 불가능 CHK_BRAND_CONSISTENCY
▼

가이드

구분 내용
점검 항목 Title과 og:site_name 브랜드 문자열 일치
진단 코드 CHK_BRAND_CONSISTENCY
권장 기준 <title> 내 브랜드명과 <meta property="og:site_name"> 값이 완전히 동일
비교 범위 대소문자, 공백, 특수문자, 약어, 법인표기 포함
목적 AI·검색엔진이 동일 브랜드 엔티티로 인식

다음 두 위치의 브랜드명은 문자 하나까지 완전 동일해야 합니다.

  1. HTML <title>
  2. Open Graph <meta property="og:site_name">

예시 (정상)

<title>abc몰 - 무선청소기</title>
<meta property="og:site_name" content="abc몰">

예시(비정상)

<title>ABC몰 - 무선청소기</title>
<meta property="og:site_name" content="ABC Mall">

기술적 근거

  • AI와 검색엔진은 브랜드를 문자열 엔티티로 인식합니다.
  • Title과 og:site_name이 다르면:
    • 서로 다른 브랜드로 판단
    • 소셜 미리보기·AI 요약·지식그래프 연결 실패
    • GEO(Entity Authority) 점수 하락
  • 완전 일치 시:
    • 브랜드 통합 인식
    • AI 답변 출처 신뢰도 상승
    • 소셜·검색·AI 결과에서 동일 브랜드로 묶임
브랜드명 일관성 (Entity) ● 불가능 LLM_BRAND_ENTITY_CONSISTENCY
▼

가이드

구분 내용
점검 항목 브랜드명 표기 문자열 일관성
진단 코드 LLM_ORG_BRAND_STRING_CONSISTENCY
권장 기준 title, og:site_name, 헤더/푸터, Organization.name가 동일한 문자열
주의 사례 "ABC몰" vs "ABC Mall", "ABC" vs "ABC Corp" 처럼 철자·공백·약어 불일치
목적 AI가 하나의 브랜드 엔티티로 정확히 인식하도록 통합

다음 위치에 노출되는 브랜드명은 완전히 동일한 문자열로 통일합니다.

  1. <title>
  2. og:site_name
  3. 헤더 로고 텍스트
  4. 푸터 회사명
  5. JSON-LD Organization.name
  6. 스키마 내 brand.name

공백, 대소문자, 한글/영문 혼용, 주식회사 표기 등도 통일 기준을 정해야 합니다.

예)

  • ❌ ABC몰 / ABC Mall / ABC / ABC Corp 혼용
  • ⭕ ABC몰 (모든 위치에서 동일하게)

기술적 근거 요약

  • AI와 검색엔진은 문자열 단위로 엔티티를 식별합니다.
  • 표기가 다르면:
    • 서로 다른 브랜드로 인식
    • 리뷰·평점·신뢰 신호가 분산
    • AI 요약 시 출처 통합 실패
  • 동일 문자열 유지 시:
    • 브랜드 지식 그래프 통합
    • AI 답변 인용 확률 상승
    • GEO(Entity Authority) 점수 상승

권장 구조 예시

<head>
  <title>모비튠 - 체크 셔츠 남방</title>
  <meta property="og:site_name" content="모비튠">
  <script type="application/ld+json">
  {
    "@context": "https://schema.org",
    "@type": "Organization",
    "name": "모비튠"
  }
  </script>
</head>
<body>
  <header><h1>모비튠</h1></header>
  <footer>모비튠</footer>
</body>
📝 개요: Trust(E-E-A-T)는 Experience(경험), Expertise(전문성), Authoritativeness(권위성), Trustworthiness(신뢰성)을 의미하며,
Google과 AI 모델이 콘텐츠 신뢰도를 평가하는 핵심 요소입니다.
1. 신뢰(TrustWorthiness)
CS 정보 ● 불가능 CHK_CUSTOMER_SUPPORT
▼

가이드

구분 내용
점검 항목 고객센터 연락처 및 운영시간 노출
진단 코드 LLM_CS_INFO_PRESENT
권장 기준 전화번호 + 이메일 + 운영시간 명시
예시 1544-0000 / 평일 09:00~18:00
적용 위치 푸터, 고객센터 페이지, 상품 상세 하단, JSON-LD

카페24 운영자 설정 방법

관리자 화면에서 아래 경로로 설정합니다.

  1. 관리자 메인 → 쇼핑몰 설정 → 기본 설정 → 쇼핑몰 정보 → 내 쇼핑몰 정보
  2. 고객센터 정보 입력:
    • 상담/주문 전화번호
    • 상담 이메일 주소
    • (선택) 팩스 번호
  3. CS 운영 시간 입력
    예: 평일 09:00~18:00 (점심 12:00~13:00)
  4. 모바일 표시 여부: '표시함'
  5. 저장

설정한 정보는:

  • PC 쇼핑몰
  • 모바일 쇼핑몰
  • 푸터 / 고객센터 영역에 자동 노출됩니다.

메이크샵 설정 방법

공식 링크를 참고하여 설정합니다.

고도몰 운영자 설정 방법

관리자 화면에서 아래 경로로 설정합니다.

기본설정 → 기본정책 → 기본 정보 설정

각 항목 별 설정 값을 입력합니다.

  1. 쇼핑몰 기본 정보
  2. 회사 정보
  3. 고객센터

기술적 근거

  • 명확한 CS 정보는:
    • 구매 전 불안 해소
    • 반품·환불 신뢰도 상승
    • AI·검색엔진의 Trust 신호(E-E-A-T) 강화
  • Google·AI는 다음을 신뢰 신호로 봅니다:
    • 실제 연락 가능한 전화번호
    • 운영시간
    • 사업자와 연결되는 공식 채널

권장 구조 예시

<section id="cs">
  <h2>고객센터</h2>
  <p>전화: 1544-0000</p>
  <p>이메일: help@brand.co.kr</p>
  <p>운영시간: 평일 09:00~18:00 (점심 12:00~13:00)</p>
</section>
브랜드 신뢰 신호 ● 불가능 CHK_TRUST_SIGNALS
▼

가이드

구분 내용
점검 항목 고객 후기 및 평점 노출
진단 코드 LLM_BRAND_TRUST_REVIEWS
권장 기준 리뷰 수 + 평균 평점 + 실제 후기 텍스트
예시 ★4.9 (총 124개 리뷰)
적용 위치 상품 상세, 리뷰 탭, JSON-LD Review/AggregateRating

카페24 운영자 설정 방법

  1. 관리자 → 게시판 → 게시판 설정(또는 게시판 관리) 이동
  2. 상품 사용 후기 게시판(게시판 ID: 4번) 선택
  3. '평점 기능 사용' → '사용함' 으로 설정
  4. 저장
    주의
    • 평점 기능은 상품 사용 후기 전용 게시판에서만 활성화됩니다.
    • 설정 후 리뷰 목록, 개별 리뷰, 댓글에 별점이 함께 노출됩니다.

메이크샵 운영자 설정 방법

공식 링크를 참고하여 설정합니다.

고도몰 운영자 설정 방법

관리자 → 게시판 → 게시판 관리 → 게시판 리스트 → 상품후기 → 수정 → 기본설정 → PC쇼핑몰 사용여부, 모바일쇼핑몰 사용여부 → 사용 설정

기술적 근거

  • 리뷰·평점은:
    • 구매 전환율에 가장 큰 영향을 주는 요소
    • Google·AI가 E-E-A-T(Experience, Expertise, Authority, Trust) 판단 시 최우선 참고 신호
  • 리뷰가 많고, 평점이 명확히 표시되면:
    • AI 요약 답변에서 "사용자 평가 기준 추천"
    • 쇼핑 비교 카드, 별점 스니펫 노출 가능성 상승

권장 노출 구조

<section id="reviews">
  <h2>고객 후기</h2>
  <p>평점: ★4.9 / 5 (총 124개 리뷰)</p>
  <div class="review">
    <p>"착용감이 정말 편하고 재구매 의사 있습니다."</p>
  </div>
</section>

또는 JSON-LD:

"aggregateRating": {
  "@type": "AggregateRating",
  "ratingValue": "4.9",
  "reviewCount": "124"
}
사업자 정보 ● 불가능 CHK_BUSINESS_INFO
▼

가이드

구분 내용
점검 항목 사업자 정보의 푸터 고정 노출
진단 코드 LLM_BUSINESS_INFO_FOOTER
권장 기준 모든 페이지 하단에 동일한 사업자 정보 표시
목적 사이트 전체 신뢰 일관성 확보
  • 사업자 정보는:
    • 모든 페이지 공통 푸터에 노출
    • 스크롤 최하단에서 항상 확인 가능
    • 모바일·PC 동일하게 표시

권장 노출 구조

<footer>
  <p>상호: 주식회사 인라이플</p>
  <p>대표자: 홍길동</p>
  <p>사업자등록번호: 113-86-60934</p>
  <p>통신판매업신고번호: 2024-서울구로-0001</p>
  <p>주소: 서울 구로구 디지털로 272, 501호</p>
  <p>고객센터: 1544-0000</p>
</footer>
법적 필수 고지 (전자상거래법) ● 불가능 CHK_LEGAL_DISCLOSURE
▼

가이드

구분 내용
점검 항목 전자상거래법상 사업자 정보 고지
진단 코드 LLM_LEGAL_NOTICE_ECOMMERCE
권장 기준 상호, 사업자등록번호, 주소, 연락처 필수
적용 위치 사이트 푸터, 회사소개, 약관 페이지, JSON-LD

카페24 운영자 설정 방법

  1. 관리자 → 쇼핑몰 설정 → 기본 설정 → 내 쇼핑몰 정보
  2. 쇼핑몰 사업자 정보 설정
    • 상호
    • 대표자명
    • 사업자등록번호
    • 통신판매업 신고번호
    • 사업장 주소
    • 고객센터 전화번호
  3. 저장

설정한 정보는 푸터 및 법적 고지 영역에 자동 노출됩니다.

메이크샵 운영자 설정 방법

공식 링크를 참고하여 설정합니다.

고도몰 운영자 설정 방법

관리자 화면에서 아래 경로로 설정합니다.

기본설정 → 기본정책 → 기본 정보 설정

각 항목 별 설정 값을 입력합니다.

  1. 쇼핑몰 기본 정보
  2. 회사 정보
  3. 고객센터

기술적 근거

  • 전자상거래법상 필수 고지는:
    • 법적 의무
    • 소비자 신뢰 확보
    • AI·검색엔진의 Trust(E-E-A-T) 평가 핵심 요소
  • 사업자 정보가 불명확하면:
    • AI 인용 제외 가능성
    • 검색 신뢰도 하락
    • 결제·전환율 저하

권장 노출 구조

<footer>
  <p>상호: 주식회사 인라이플</p>
  <p>대표자: 홍길동</p>
  <p>사업자등록번호: 113-86-60934</p>
  <p>통신판매업신고번호: 2024-서울구로-0001</p>
  <p>주소: 서울 구로구 디지털로 272, 501호</p>
  <p>고객센터: 1544-0000</p>
</footer>
정책 (환불·반품·배송) ● 불가능 CHK_POLICIES
▼
점검 항목 환불, 반품, 배송 정책 명시
진단 코드 CHK_POLICIES
권장 기준 필수 정책 3가지 모두 명시
  • 환불 정책: 환불 기간, 환불 조건, 환불 방법, 수수료 명시
  • 반품 정책: 반품 기한, 반품 조건, 배송 책임, AS 기간
  • 배송 정책: 배송 기간, 배송료, 배송 방법, 추적 정보
  • 명확한 정책이 있으면 고객 신뢰도와 함께 AI 신뢰도도 높아집니다.
  • 정책이 불명확하거나 부당하면 AI는 '저신뢰' 사이트로 분류합니다.
2. 권위(Authoritativeness)
공식성 ● 불가능 CHK_OFFICIAL_STATUS
▼

가이드

구분 내용
점검 항목 브랜드 공식성 및 표기 일관성
진단 코드 LLM_BRAND_OFFICIAL_CONSISTENCY
권장 기준 동일한 브랜드명 표기 + '공식몰/공식판매처' 명시
예시 "브랜드A 공식 판매처", "BrandA Official Store"

다음 위치에서 브랜드 표기를 완전히 동일한 문자열로 유지하고, 공식 판매처임을 명확히 표시합니다.

  1. 페이지 Title
  2. H1(대표 제목)
  3. 헤더 로고 텍스트
  4. 푸터 회사/브랜드명
  5. JSON-LD Product.brand / Organization.name
  6. 상품 상세 상단 문구
    예: 브랜드A 공식 스토어, 브랜드A 정품 판매처

권장 표기 방식

  • ⭕ "브랜드A 공식 판매처"
  • ⭕ "BrandA Official Store"
  • ❌ "브랜드 A", "Brand-A", "브랜드에이", "Brand A Corp" 혼용

공백, 대소문자, 영문/한글 혼용, 법인명 접미어까지 표준 표기 1종만 사용합니다.

기술적 근거

  • AI와 검색엔진은 다음을 종합해 공식성(Authority)을 판단합니다.
    • 브랜드 문자열 일치 여부
    • 구조화 데이터의 brand / Organization 일관성
    • "공식몰", "정품", "Authorized" 같은 명시적 신호
  • 일관되게 "공식 판매처"로 인식되면:
    • AI 추천·비교 답변에서 우선 인용
    • 가짜·리셀러와 구분
    • 브랜드 지식 그래프에서 공식 엔티티로 고정

권장 구조 예시

<header>
  <h1>브랜드A 공식 판매처</h1>
</header>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "브랜드A",
  "url": "https://www.brandA.com"
}
</script>
3. 경험(Experience)
실사용 기반 문장 ● 불가능 CHK_AUTHENTIC_LANGUAGE
▼

가이드

구분 내용
점검 항목 실사용·체험 기반 문장 포함
진단 코드 LLM_REAL_USAGE_STATEMENTS
권장 기준 실제 사용 상황·효과·맥락이 드러나는 구체 문장
예시 "반려동물 털 제거에 유용했습니다."
적용 위치 리뷰, 후기 요약, 사용 예시 섹션, Q&A, 본문 설명

다음과 같은 경험형 문장을 최소 1개 이상 포함합니다.

  • 사용 상황: 언제, 어디서, 어떤 조건에서
  • 체감 효과: 무엇이 좋아졌는지
  • 사용자 맥락: 누구에게, 어떤 목적에 적합한지
  • 권장 문장 형태
    • "○○ 상황에서 사용했을 때 △△ 효과를 느꼈습니다."
    • "△△ 용도로 사용해 보니 ○○ 부분이 특히 만족스러웠습니다."
    • "아이/반려동물/민감피부/출장 등 실제 사용 환경을 명시"

기술적 근거

  • Google과 AI는 E-E-A-T 중 Experience(실제 사용 경험) 신호를 매우 중요하게 평가합니다.
  • 구체적인 체험 문장이 있으면:
    • 단순 상품 설명이 아닌 '사용자 검증 정보'로 인식
    • AI 추천·요약 답변에서 인용 확률 상승
    • 구매 신뢰도 및 전환율 증가

권장 구조 예시

<section id="usage">
  <h2>실사용 예시</h2>
  <p>반려동물 털이 많은 소파에 사용해보니 한 번의 흡입으로도 대부분 제거되어 청소 시간이 크게 줄었습니다.</p>
  <p>키 170cm 기준 M사이즈 착용 시 어깨와 기장이 편안하게 맞아 출근용으로 활용하기 좋았습니다.</p>
</section>