2025년 현재, 전체 검색 쿼리의 60% 이상이 더 이상 링크 클릭으로 이어지지 않는다는 사실을 알고 계신가요? 구글의 AI 오버뷰, ChatGPT, Perplexity와 같은 생성형 AI가 사용자의 질문에 직접 답변을 제공하면서, 기존 검색 결과 페이지(Search Engine Results Page, SERP) 상위에 랭크되던 사이트들조차도 유기적 트래픽을 대폭 상실하고 있습니다. 이는 단순한 검색 트렌드의 변화가 아니라 디지털 접점 자체가 재편되고 있다는 신호입니다. 고객이 원하는 정보를 요약된 형식으로 받아보는 시대에서 귀사의 웹사이트는 검색의 최종 목적지였던 지위를 위협받고 있습니다. 특히 오프라인 중심 업종의 비즈니스일수록 이러한 흐름에 더욱 민감하게 반응해야 합니다.
지역 기반 매장이나 서비스 업종을 운영하는 CEO라면, “우리 동네 근처 추천 맛집”이나 “이사 청소 어느 업체가 괜찮은지” 같은 질문을 고객이 생성형 AI에 직접 묻는 상황을 상상해보셨을 것입니다. 이 순간, 고객은 두 번의 클릭과 여러 검색 결과를 비교하는 수고를 덜고 AI가 요약해준 한 줄의 답변에 의존하게 됩니다. AI가 귀사의 이름과 서비스를 포함하지 않았다면, 당신은 고객의 고려 대상에서 이미 배제된 것입니다. 바로 이 지점에서 단순한 검색엔진최적화(SEO)만으로는 부족함을 느끼게 됩니다. 지금 필요한 것은 검색에 그치지 않고, AI가 당신의 콘텐츠를 ‘답변’으로 채택하도록 유도하는 전략, 즉 답변엔진최적화(AEO)입니다.
AEO는 단순한 유행어나 마케팅 수사가 아닙니다. 이는 지역 비즈니스의 생존을 위한 필수 전략으로 부상한 이유가 명확합니다. 과거 오프라인 업종의 사이트는 ‘키워드 잡기’와 ‘백링크 수량’에 집중했다면, AEO 환경에서는 해당 비즈니스의 위치, 서비스 내용, 신뢰도 정보가 자연어로 구조화되어 AI가 이해하기 쉬운 형태로 준비되어 있어야 합니다. 예를 들어, 고객이 “주말에 오픈하는 정형외과 추천해 줘”라고 질문했을 때, AI는 게시글 본문뿐만 아니라 JSON-LD라는 스키마 데이터를 참고해 해당 병원의 영업시간, 휴무일, 진료 과목을 종합적으로 분석한 후 답변을 생성할 것입니다. 만약 귀사의 사이트가 이런 데이터 구조화를 마치지 못했다면, 아무리 좋은 콘텐츠를 가지고 있어도 AI의 답변 추천 목록에서 제외될 가능성이 높아집니다.
이 글은 오프라인 중심 업종의 CEO분들이 AEO 대행 업체를 선정할 때 중요한 두 가지 척도를 제공합니다. 첫째는 ‘JSON-LD 스키마가 실제로 AI에 읽히고 있는가’, 둘째는 ‘사이트 본문 전체가 자연어로 친화적으로 구성되어 AI가 이해할 수 있는 문장 단위의 응답을 생성할 수 있는가’입니다. 사이트 진단 결과만으로도 업체의 진정한 능력이 드러나는 이 두 포인트를 놓치지 않는다면, 불필요한 비용을 지출하지 않고도 검색 패러다임의 변화에 제대로 대응할 수 있게 됩니다. 지금부터 각 척도가 AEO 최적화에서 차지하는 중요성과 현장 사례를 하나씩 살펴보며 구체적인 진단 방법을 안내해 드리겠습니다.
AEO 업체 진단 첫 번째 체크포인트 – JSON-LD 스키마가 진짜 작동하는가?
AEO 업체의 역량을 평가할 때 가장 먼저 들여다봐야 할 지점은 JSON-LD 스키마가 단순히 코드 조각으로 존재하는지, 아니면 실제로 정보를 제공하고 해석 가능한 상태로 구현되어 있는지입니다. 상당수의 SEO 업체들이 “스키마 마크업을 적용했습니다”라는 말로 서비스를 설명하지만, 실상은 테스트 도구에서 오류가 발견되지 않는 수준에 그치는 경우가 많습니다. 문제는 구글 검색 결과를 넘어 생성형 AI 환경에서 정보가 올바르게 읽히는지 여부에 있습니다. 현재 ChatGPT, Perplexity, 구글 AI 오버뷰 등은 전통적인 HTML 마크업만으로는 정보를 충분히 활용하지 않습니다. 이들이 참조하는 표준이 바로 구조화된 데이터이며, 그중에서도 JSON-LD 포맷이 가장 널리 채택되고 있습니다.
이 항목을 무료 진단 단계에서 명확히 분석해주는 업체인지 확인하는 과정이 필수적입니다. 진단 보고서에 ‘Schema 적용 완료’ 같은 단순한 문구만 등장한다면, 그 업체는 표면적인 SEO 작업 수준에 머물러 있을 가능성이 높습니다. 실제로 정적 HTML 페이지에 JSON-LD 스크립트를 단순히 붙여넣은 경우, 검색 엔진 크롤러는 이를 인식할 수 있어도 당신의 매장 위치나 영업시간 같은 핵심 정보를 문맥 파악형 AI 모델이 재구성할 때는 누락되거나 잘못 해석될 여지가 있습니다. 여러분이 진단 단계에서 확인해야 할 것은 파편화된 코드의 존재 여부가 아니라, 그 스키마가 다양한 AI 서비스에서 각각 어떻게 해석되고 추출되는지입니다.
구글 AI 오버뷰, ChatGPT, Perplexity에서의 스키마 해석 차이
JSON-LD 스키마가 제대로 작동한다는 의미는 특정 검색 엔진 하나에서만 유효한 것이 아닙니다. 구글의 AI 오버뷰는 LocalBusiness나 FAQ 스키마 정보를 기반으로 요약 카드를 구성합니다. 예를 들어 오프라인 업종을 운영한다면 LocalBusiness 스키마 내부에 포함된 openingHours, address, telephone 항목이 각각 어떤 형식으로 입력되었는지가 결과물의 신뢰도를 결정합니다. 만약 영업시간 정보가 배열이 아니라 단순 문자열로 입력되어 있다면, 구글은 이를 명확하게 인지하지 못하고 스니펫 생성을 생략할 수 있습니다.
ChatGPT와 Perplexity의 폭발적인 사용량을 생각해보면, LangChain이나 RAG 기반 시스템이 웹사이트를 분석할 때 JSON-LD 구조를 얼마나 충실히 따르고 있는지가 관건입니다. 이들 AI는 사이트를 크롤링할 때 특정 태그보다도