"재규어"는 동물일까요, 자동차 브랜드일까요?
"머큐리"는 행성일까요, 금속일까요, 자동차 회사일까요?
Contents
엔티티 기반 검색이란? 키워드에서 엔티티로의 전환SEO 최적화 키워드만으로는 부족한 이유엔티티 구조 명확하게 정의된 실체Knowledge Graph(지식 그래프)로 엔티티 관리엔티티 구조와 관계 기반 정보 이해관계망으로 이해하는 엔티티엔비디아 엔티티 관계 예시Schema.org 스키마 마크업SEO에서 엔티티의 역할SEO 관점 – Knowledge Graph와 검색 결과 개선🔗엔티티(Entity)란? SEO에서 키워드 대신 엔티티를 쓰는 이유GEO에서 엔티티의 역할AI가 답변을 생성하는 과정AI가 출처를 선택하는 기준엔티티가 불명확한 경우AI가 신뢰하는 출처의 공통점외부 신뢰 DB 연결엔티티 중심으로 AI 검색 시대를 준비하세요👉 검색최적화 전문가 리드젠랩에게 전략 문의하러 가기🔗관련 콘텐츠엔티티 구조 관련 자주 묻는 질문 (FAQ)엔티티 SEO는 기존 SEO와 완전히 다른가요?Schema.org 마크업을 직접 작성해야 하나요?엔티티 구조화는 언제 반영이 되나요?ChatGPT와 같은 생성형 AI의 등장 후 검색의 방식이 근본적으로 변했습니다.
SEO 시대에는 목표 키워드를 제목과 본문에 반복하면 됐습니다. 하지만 AI 시대의 검색 최적화는 다릅니다.
AI는 모든 웹사이트를 공평하게 인용하지 않습니다. 특정 조건을 충족한 사이트만 '신뢰할 만한 출처'로 선택합니다. 그 조건이 바로 엔티티 기반 정보 구조입니다. 검색창에 입력하는 키워드가 아니라, 우리 회사가 누구이고 제품이 무엇이며 어떤 관계를 맺고 있는지 명확하게 구조화해야 합니다.
이 글에서는 AI 검색 시대에 왜 엔티티가 중요한지, 그리고 키워드 중심 전략이 한계에 부딪히는 이유를 구조적으로 살펴보겠습니다.
엔티티 기반 검색이란? 키워드에서 엔티티로의 전환
SEO 최적화 키워드만으로는 부족한 이유
💡
위 예시처럼 같은 단어가 완전히 다른 의미를 가질 수 있습니다. 사용자가 "재규어 가격"을 검색했을 때 동물원 입장료가 나온다면 검색엔진으로서 실패입니다. 사용자는 자동차 가격 정보를 원했을 가능성이 높기 때문입니다.
이것이 키워드 중심 SEO는 단어의 빈도와 위치를 최적화할 수는 있지만, 그 단어가 실제로 무엇을 의미하는지, 어떤 맥락에서 사용되는지 명확하게 전달하기 어렵습니다.
구글은 이 문제를 해결하기 위해 2012년 Knowledge Graph를 도입하며 키워드에서 엔티티 중심으로 전환하기 시작했습니다. 2015년 RankBrain, 2019년 BERT(Bidirectional Encoder Representations from Transformers) 같은 AI 알고리즘을 통해 문맥과 의미를 이해하는 능력을 더욱 강화했습니다.
엔티티 구조 명확하게 정의된 실체
엔티티(Entity)는 명확하게 정의할 수 있는 실체를 의미합니다. 사람, 회사, 제품, 서비스, 장소, 브랜드, 기술, 이벤트 등 고유하게 식별 가능한 대상입니다.
‘재규어’라는 단어는 여러 의미를 가지지만, '재규어(자동차 브랜드)'라는 엔티티는 하나입니다. 한글로 '재규어', 영어로 'Jaguar', 일본어로 'ジャガー'라고 써도 모두 같은 엔티티를 가리킵니다.
구글은 각 엔티티에 고유 식별자(ID)를 부여합니다. 이를 통해 언어나 표현 방식이 달라도 동일한 대상임을 인식할 수 있습니다.
엔티티 예시
회사: 테슬라, 소프트뱅크, 엔비디아
제품: 모델 Y, 비전 프로, H100 GPU
장소: 기가팩토리, 실리콘밸리, 판교 테크노밸리
이벤트: CES 2026, 테슬라 AI 데이, 소프트뱅크 월드
Knowledge Graph(지식 그래프)로 엔티티 관리
구글은 Knowledge Graph라는 대규모 데이터베이스를 통해 수십억 개의 엔티티와 그 관계를 관리합니다. Knowledge Graph는 검색엔진이 개별 웹페이지가 아니라, 사람·장소·기업·제품처럼 명확히 식별 가능한 대상을 이해하기 위한 기반 구조입니다.
Knowledge Graph 작동 방식
엔티티 정보 수집: 위키피디아, 위키데이터, 공식 웹사이트, 신뢰할 수 있는 데이터베이스에서 엔티티 정보를 수집합니다.
고유 ID 부여: 각 엔티티에 고유 식별자를 부여합니다. 이를 통해 언어나 표기법이 달라도 같은 대상임을 인식합니다.
관계 저장: 엔티티 간 관계를 저장합니다. 예를 들어 '테슬라 → 창립자 → 일론 머스크', '모델 Y → 제조사 → 테슬라' 같은 관계망을 구축합니다.
검색 결과 제공: 이렇게 정리된 엔티티 정보는 지식 패널뿐 아니라, AI Overview와 같은 생성형 검색 결과에도 활용됩니다.
예를 들어 ‘에펠탑’을 검색하면 위치, 높이, 건축 연도, 관련 장소 등이 구조화된 형태로 노출됩니다. 이 정보는 Knowledge Graph에 저장된 엔티티 데이터를 기반으로 지식 패널에 표시되거나, AI Overview에서 요약된 답변으로 제공됩니다.
엔티티는 단순한 키워드나 명사가 아닙니다. 명확한 정의와 속성, 그리고 다른 엔티티와의 관계를 함께 가지는 정보 단위로 검색엔진과 AI가 대상을 이해하고 신뢰 여부를 판단하는 기준이 됩니다.
엔티티 구조와 관계 기반 정보 이해
엔티티는 단독으로 존재하지 않으며 다른 엔티티와의 관계 속에서 의미를 갖습니다.
관계망으로 이해하는 엔티티
관계망으로 엔티티를 설명드리겠습니다.
"테슬라 모델 Y는 테슬라가 2020년에 출시한 전기 SUV이다"
이 한 문장에 여러 엔티티와 그 관계가 담겨 있습니다.
제품 엔티티: 모델 Y
회사 엔티티: 테슬라
날짜 엔티티: 2020년
제품 카테고리: 전기 SUV
이 엔티티들은 다음과 같은 관계로 연결됩니다.
모델 Y → 제조사 → 테슬라
모델 Y → 출시일 → 2020년
모델 Y → 제품 유형 → 전기 SUV
검색엔진과 생성형 AI는 이러한 관계를 구조화된 데이터로 인식하고 저장합니다. 예를 들어 사용자가 “2020년에 테슬라가 출시한 SUV는 무엇인가요?”라고 질문하면 이 관계망을 기반으로 정확한 답을 도출합니다.
엔비디아 엔티티 관계 예시
B2B 기술 기업인 엔비디아를 엔티티 관계로 표현하면 다음과 같습니다.
H100 GPU (제품)
제조사: 엔비디아 (회사)
출시일: 2022년 3월 (날짜 정보)
발표 행사: GTC 2022 (이벤트)
핵심 기술: Transformer Engine (기술)
CEO: 젠슨 황 (사람)
본사: 캘리포니아 산타클라라 (장소)
주요 고객: OpenAI, Microsoft Azure (회사)
이렇게 엔티티와 엔티티의 관계를 명확하게 구조화하면, 검색엔진과 AI는 정확한 정보를 빠르게 제공할 수 있습니다.
B2B 기업일수록 제품-기술-고객사-이벤트의 관계를 명확하게 구조화하는 것이 중요합니다. 복잡한 기술 제품일수록 엔티티 관계가 명확해야 검색엔진과 AI가 정확하게 이해할 수 있기 때문입니다.
Schema.org 스키마 마크업
웹페이지에서 이런 엔티티 관계를 기계가 이해할 수 있게 표현하는 방법이 Schema.org 구조화 마크업입니다.
HTML의 <head> 섹션이나 <body> 내부에 JSON-LD 형식으로 삽입합니다.
{
"@context": "<https://schema.org>",
"@type": "Product",
"name": "H100 GPU",
"brand": {
"@type": "Organization",
"name": "엔비디아"
},
"releaseDate": "2022-03-22",
"category": "AI 가속기"
}
사람이 읽는 본문에서 “H100은 엔비디아의 최신 GPU 시스템입니다.”라는 문장은 자연스럽게 이해됩니다.
하지만 검색엔진이나 AI 입장에서는 “H100”이 제품명인지, 코드명인지, 다른 대상인지 확실하지 않을 수 있습니다. “엔비디아” 역시 회사인지, 브랜드인지, 단순한 키워드인지 추가 해석이 필요합니다.
반면 스키마 마크업을 통해 Product와 Organization 같은 타입을 명시하면 검색엔진은 정보를 오해 없이 정확하게 인식합니다.
🔗데이터 마크업, 스키마 마크업이란? SEO 마케터를 위한 총정리
SEO에서 엔티티의 역할
SEO 관점 – Knowledge Graph와 검색 결과 개선
전통적인 SEO에서도 엔티티는 중요합니다. 구글은 Knowledge Graph를 통해 엔티티를 이해하고, 사용자에게 정확한 정보를 제공합니다.
1. 동음이의어 정확한 구분
사용자가 "재규어"를 검색할 때 구글은 주변 검색어, 위치, 검색 이력을 분석해 동물과 자동차 중 어느 엔티티를 원하는지 파악합니다.
웹페이지에 엔티티 구조가 명확하면 구글은 "이 페이지는 재규어(자동차) 엔티티에 관한 것"이라고 정확하게 인식합니다. 동물 재규어를 찾는 사람에게는 노출하지 않습니다.
2. 지식 패널 노출
브랜드나 제품 엔티티가 Knowledge Graph에 등록되면 검색 결과 오른쪽에 지식 패널이 나타납니다. 회사 정보, 로고, 설립 연도, 대표자, 주요 제품 등이 한눈에 보입니다.
지식 패널에 노출되면 브랜드 신뢰도가 높아지고, 클릭률도 증가합니다. 이를 위해서는 위키피디아 등재, 구글 비즈니스 프로필 등록, 공식 웹사이트의 구조화 마크업이 필요합니다.
3. 관련 검색어 제안
엔티티 관계를 기반으로 추천을 제공합니다. 예를 들어 '테슬라'를 검색하면 '일론 머스크', '모델 Y', '기가팩토리' 같은 관련 엔티티를 함께 제안합니다.
🔗엔티티(Entity)란? SEO에서 키워드 대신 엔티티를 쓰는 이유
GEO에서 엔티티의 역할
생성형 AI 시대에는 엔티티가 더욱 중요합니다. ChatGPT, Perplexity, Google Gemini 같은 AI는 웹을 크롤링해 정보를 수집하고, 사용자 질문에 답변할 때 신뢰할 수 있는 출처를 선택해 인용합니다.
AI가 답변을 생성하는 과정
사용자 질문 분석
관련 엔티티 파악
웹에서 해당 엔티티 정보 검색
여러 출처 중 신뢰도 높은 것 선택
정보 종합해 답변 생성
이 과정에서 3-4단계가 중요합니다. AI는 모든 웹페이지를 공평하게 취급하지 않습니다. 특정 조건을 충족한 사이트를 우선적으로 선택합니다.
AI가 출처를 선택하는 기준
엔티티가 명확하게 정의되어 있는가?
제품명, 회사명, 날짜, 장소 등 핵심 엔티티가 명확하게 표시되어 있어야 합니다.공식 출처와 연결되어 있는가?
위키피디아, 공식 홈페이지, 공식 유튜브 채널 등 신뢰 데이터베이스와 연결되어 있어야 합니다.구조화 마크업으로 기계가 읽을 수 있는가?
Schema.org 같은 구조화 데이터로 기계가 100% 정확하게 이해할 수 있어야 합니다.여러 신뢰 출처가 동일한 정보를 제공하는가?
공식 사이트, 위키피디아, 주요 언론사 등 여러 곳에서 일관된 정보를 제공하면 신뢰도가 높아집니다.
엔티티가 불명확한 경우
AI는 엔티티 관계를 기반으로 정보를 학습합니다. 만약 웹페이지에 "우리 제품은 업계 최고입니다"라고만 써 있고 제품명, 회사명, 출시일, 기술 스펙 등 엔티티 정보가 명확하지 않으면 AI는 이를 신뢰하기 어려워 인용 확률이 떨어집니다.
반대로 "H100 GPU는 엔비디아가 2022년 3월 GTC 2022에서 발표한 GPU 시스템입니다. Transformer Engine을 탑재했으며, OpenAI와 Microsoft Azure가 주요 고객입니다"처럼 엔티티와 관계가 명확하면 AI는 이를 신뢰 정보로 인식할 가능성이 높습니다.
AI가 신뢰하는 출처의 공통점
AI가 우선적으로 인용하는 경향이 있는 출처는 다음과 같습니다.
위키피디아 (엔티티 정보가 구조화됨)
공식 홈페이지 (Schema.org 마크업 적용)
주요 IT·비즈니스 매체 (TechCrunch, Bloomberg 등)
공식 유튜브 채널
학술 논문 데이터베이스
정부·공공기관 사이트
위 출처 속 정보들은 주로 엔티티가 명확하게 정의되고, 관계가 구조화되어 있습니다.
ChatGPT에 "엔비디아 H100 GPU 성능은?"이라고 물어보면, AI는 엔비디아 공식 사이트, 위키피디아, TechCrunch 같은 IT 매체를 우선적으로 인용하는 경향이 있습니다. 해당 매체는 모두 엔티티 구조가 명확합니다.
같은 정보를 다루는 개인 블로그가 있어도, 엔티티 구조가 없으면 AI가 인용할 가능성이 상대적으로 낮습니다. 콘텐츠 품질과 별개로, 기술적 구조가 신뢰도 판단에 영향을 미치는 것입니다.
외부 신뢰 DB 연결
Schema.org 마크업에는 sameAs 속성이 있습니다. 이를 통해 외부 신뢰 데이터베이스와 연결할 수 있습니다.
"sameAs": [
"<https://ko.wikipedia.org/wiki/엔비디아>",
"<https://www.nvidia.com/>",
"<https://www.youtube.com/nvidia>"
]
이렇게 하면 "내 웹사이트의 엔비디아 엔티티는 위키피디아, 공식 사이트, 공식 유튜브의 엔비디아와 같은 대상입니다"라고 선언하는 것입니다.
AI는 이 연결을 확인하고 정보의 일관성을 검증합니다. 여러 신뢰 출처가 동일한 엔티티를 가리키면 신뢰도가 높아집니다.
엔티티 중심으로 AI 검색 시대를 준비하세요
검색의 미래는 키워드가 아닌 엔티티입니다. 구글은 Knowledge Graph로, AI는 엔티티 관계 학습으로 정보를 이해합니다.
내 브랜드, 제품, 서비스가 무엇인지 명확하게 정의하고, 다른 엔티티와의 관계를 구조화하세요. Schema.org 마크업을 적용하고, 위키피디아 같은 외부 신뢰 DB와 연결하세요.
특히 B2B 기업은 복잡한 기술 제품과 서비스를 다루기 때문에 엔티티 구조화가 더욱 중요합니다. 제품-기술-고객사-이벤트의 관계를 명확하게 정의해야 검색엔진과 AI가 정확하게 이해하고, 잠재 고객에게 올바른 정보를 전달할 수 있습니다.
이것이 SEO에서도, GEO에서도 경쟁력을 유지하는 방법입니다.
더 전문적인 GEO/AEO 전략이 필요하다면, 리드젠랩과 함께하세요.
👉 검색최적화 전문가 리드젠랩에게 전략 문의하러 가기
🔗관련 콘텐츠
엔티티(Entity)란? SEO에서 키워드 대신 엔티티를 쓰는 이유
AI 답변이 선택하는 브랜드 되는 법 - AEO GEO 최적화 콘텐츠 전략 총정리 (2026)
Canonical Tag 캐노니컬 태그 핵심 정리| 검색엔진은 어떤 URL을 기준으로 볼까?
엔티티 구조 관련 자주 묻는 질문 (FAQ)
엔티티 SEO는 기존 SEO와 완전히 다른가요?
아니요. 엔티티 SEO는 기존 SEO의 진화된 형태입니다. 키워드 최적화, 양질의 콘텐츠, 백링크, 페이지 속도 등 기존 SEO 원칙은 여전히 중요합니다. 다만 여기에 엔티티 구조화가 추가된 것입니다. 이미 SEO를 잘하고 있다면 구조화 마크업을 추가하고, 외부 신뢰 DB와 연결하는 작업을 진행하면 됩니다.
Schema.org 마크업을 직접 작성해야 하나요?
워드프레스, 카페24, 아임웹 같은 CMS는 플러그인으로 자동 생성할 수 있습니다. Yoast SEO, Rank Math, All in One SEO 같은 플러그인이 Schema.org 마크업을 자동으로 추가합니다. 직접 개발하는 사이트라면 개발자와 협업해 JSON-LD 형식으로 추가하거나, Google의 구조화 데이터 마크업 도우미를 활용할 수 있습니다.
엔티티 구조화는 언제 반영이 되나요?
구글이 페이지를 다시 크롤링하고 Knowledge Graph에 반영하는 데 보통 2-4주가 걸립니다. 지식 패널 같은 시각적 변화는 더 오래 걸릴 수 있습니다. AI 학습 데이터에 반영되는 것은 AI 모델의 업데이트 주기에 따라 다르지만, 일반적으로 수개월이 소요될 수 있습니다. 하지만 한 번 제대로 구조화하면 장기적으로 지속적인 효과를 얻을 수 있습니다.
참고자료
Share article