JSON-LD 구조화 데이터 완전 가이드

ChatGPT, Claude에게 인용되는 Schema.org 구현법

JSON-LD는 AI가 “이 회사의 전문 분야는 무엇인가”를 판단하는 핵심 재료가 됩니다.

1. JSON-LD 구조화 데이터란?

JSON-LD(JSON for Linking Data)는 Schema.org 어휘를 사용하여 웹 페이지의 정보를 기계가 읽을 수 있는 형태로 구조화하는 국제 표준 포맷입니다.

구글의 리치 스니펫 검색 결과 강화에 사용될 뿐만 아니라,

LLM이 페이지 내용을 정확하게 이해하고 인용하는 데에도 직접 활용됩니다.

HTML이 사람이 읽기 위한 페이지라면, JSON-LD는 AI가 이해하기 위한 구조화된 데이터입니다.

즉 JSON-LD는 웹 페이지에 다음과 같은 정보를 명확하게 전달합니다.

이 사이트는 어떤 회사(Organization)인가?

어떤 사람(Person)이 운영하는가?

어떤 서비스(Service)를 제공하는가?

어떤 콘텐츠(Book, FAQ 등)를 가지고 있는가?

이러한 정보가 구조화되어 있으면 AI는 사이트를 단순 텍스트가 아니라 하나의 지식 구조로 이해하게 됩니다.

JSON-LD는 웹페이지를 “문서(Document)”에서 “지식(Entity)”으로 바꾸는 기술입니다.

이 구조화 데이터 덕분에 AI는 사이트를 단순한 웹페이지가 아니라 하나의 조직, 사람, 서비스가 연결된 지식 엔티티로 인식하게 됩니다.

구현하는 스키마 목록

본 사이트에서는 총 11개의 Schema.org 스키마를 하나의 페이지에 배치하여

AI가 사이트의 조직, 사람, 서비스, 콘텐츠를 하나의 지식 구조로 이해하도록 설계합니다.

2. Organization 스키마 – 한국 기업 환경 적용

Organization 스키마는 사이트의 운영 주체가 어떤 조직인지 AI에게 명확하게 전달하는 가장 기본적인 구조화 데이터입니다.

검색엔진과 AI는 이 정보를 통해 다음과 같은 질문에 답할 수 있습니다.

이 사이트는 어떤 회사가 운영하는가?

회사의 공식 이름과 영문 이름은 무엇인가?

어디에 위치한 회사인가?

공식 웹사이트와 SNS는 무엇인가?

Organization 스키마가 없으면, AI는 이 사이트를 “회사 사이트”가 아니라 단순한 웹페이지로 인식할 수 있습니다.

특히 한국 환경에서는 주소, 전화번호, 네이버 블로그, GitHub 등 외부 채널을 함께 연결하면 AI가 동일 조직을 더 정확하게 식별할 수 있습니다.

---

{

"@context": "https://schema.org",

"@type": "Organization",

"name": "주식회사 샘플테크",

"alternateName": ["SampleTech Inc.", "샘플테크"],

"url": "https://example.co.kr/",

"email": "info@example.co.kr",

"telephone": "+82-2-XXXX-XXXX",

"foundingDate": "2025-04-01",

"address": {

"@type": "PostalAddress",

"streetAddress": "테헤란로 123",

"addressLocality": "강남구",

"addressRegion": "서울특별시",

"postalCode": "06234",

"addressCountry": "KR"

},

"sameAs": [

"https://linkedin.com/company/your-company",

"https://github.com/your-account",

"https://blog.naver.com/your-blog"

]

}

---

구현 포인트

3. Person 스키마 – 대표자 및 전문가 프로필

Person 스키마는 사이트를 운영하는 개인의 전문성과 권위(authority)를 AI에게 전달하는 구조화 데이터입니다.

검색엔진과 AI는 이 정보를 통해 다음과 같은 질문에 답할 수 있습니다.

이 사이트를 운영하는 사람은 누구인가?

어떤 회사와 연결되어 있는가?

어떤 전문 분야를 가지고 있는가?

Organization 스키마가 “회사 엔티티”를 만든다면, Person 스키마는 “전문가 엔티티”를 만듭니다.

즉 AI는 Person 스키마를 통해 이 사람이 어떤 분야의 전문가인지 판단하게 됩니다.

구현 예시

---

{

"@context": "https://schema.org",

"@type": "Person",

"name": "홍길동",

"alternateName": "Gildong Hong",

"jobTitle": "대표이사 / CEO",

"worksFor": {

"@type": "Organization",

"name": "주식회사 샘플테크",

"url": "https://example.co.kr/"

},

"knowsAbout": [

"LLMO (LLM Optimization)",

"AI 에이전트 설계",

"컨텍스트 엔지니어링",

"LLM 활용 시스템 개발",

"Astro 정적 사이트",

"RAG 설계"

],

"sameAs": [

"https://linkedin.com/in/your-account",

"https://github.com/your-account",

"https://velog.io/@your-account",

"https://brunch.co.kr/@your-account"

]

}

---

knowsAbout이 LLMO에서 결정적으로 중요한 이유

knowsAbout은 AI가 “이 사람은 어떤 분야의 전문가인가”를 판단할 때 직접 참조하는 필드입니다.

LLMO 관점에서는 AI에게 다음과 같은 신호를 보내는 역할을 합니다.

이 사람 → 어떤 분야 전문가

↓