AI가 상품을 읽을 수 있게 만들기: JSON-LD 구조화 데이터 기초

AI는 상세페이지를 어떻게 읽는가

사람은 상세페이지의 이미지, 감성적인 카피, 레이아웃을 종합해서 구매를 결정합니다. AI 에이전트는 이런 방식으로 페이지를 읽지 않습니다. 대신 페이지 안에 코드로 심어둔 메타데이터, 그 중에서도 JSON-LD 형식의 Product 스키마 필드에서 정보를 직접 추출합니다. 즉 아무리 카피가 매력적이어도 그 내용이 구조화된 필드로 정리돼 있지 않으면 AI 입장에서는 '없는 정보'와 다르지 않습니다.

이 변화가 작지 않은 이유는, 지금까지 마케팅에서 쌓아온 노하우, 즉 사람의 감성을 움직이는 카피 작성 능력이 AI 추천 국면에서는 힘을 못 쓴다는 뜻이기 때문입니다. 실제로 AI가 실제 답변에서 인용한 페이지들을 조사해보니 65%가 이미 schema markup을 갖추고 있었습니다. 아직 갖추지 않은 판매자라면 이미 경쟁에서 한 발 늦은 셈입니다. 다만 이 65%라는 수치는 표본 범위가 공개되지 않은 업계 분석이라 '스키마만 넣으면 65% 확률로 인용된다'는 뜻으로 읽으면 안 됩니다. 인용된 페이지 쪽에서 거꾸로 본 비율이니, 스키마는 인용을 보장하는 조건이 아니라 인용 후보에 들어가기 위한 최소 조건에 가깝다고 이해하는 편이 정확합니다.

반드시 채워야 할 필드 목록

Product 스키마의 기본 필드는 name, description, brand, gtin13(국제 상품 코드), image, price, availability(재고 상태)입니다. 여기까지는 온라인 쇼핑몰을 운영해본 사람이라면 익숙한 항목들입니다. 다만 익숙하다는 것과 정확하다는 것은 다릅니다. name에 '무료배송', '역대급 할인' 같은 판촉 문구가 섞여 있으면 AI가 상품명을 잘못 인식하고, gtin13이 비어 있으면 같은 상품을 파는 다른 판매처와 동일 상품으로 묶이지 않습니다. 필드를 채우는 일보다 필드에 들어갈 값을 판촉 문구와 분리하는 일이 먼저입니다.

문제는 2026년형 AI 에이전트가 여기에 더해 다음 필드까지 요구한다는 점입니다.

• aggregateRating: 단순 평점이 아니라 검증 가능한 리뷰 개수까지 포함
• shippingDetails: 배송비와 배송 기간
• hasMerchantReturnPolicy: 반품 정책의 상세 조건
• additionalProperty: 사이즈, 컬러, 소재 등 상세 속성

이 필드들이 왜 중요한지는 다음 강의에서 다룰 AI의 추천 판단 기준과 직결됩니다. AI는 이 데이터를 통해 소비자의 반품·환불 리스크를 미리 가늠하기 때문에, 이 필드가 비어 있으면 아예 추천 후보에서 조용히 빠질 수 있습니다. 특히 additionalProperty는 "면 100% 반팔티 중에 사이즈 크게 나오는 것"처럼 조건이 붙은 질문에 우리 상품이 걸리느냐를 좌우하는 항목이라, 사람 눈으로 보는 상세페이지 이미지 안에만 적혀 있던 소재·핏·사이즈 정보를 텍스트 필드로 옮겨두는 작업이 실질적인 성과 차이를 만듭니다.

한 번 정비하면 여러 채널에서 쓰인다

이 작업의 투자 대비 회수가 좋은 이유는 특정 플랫폼 전용 작업이 아니기 때문입니다. 예를 들어 Perplexity Shopping은 여러 소매점 상품을 모아 보여주면서 상품 피드와 JSON-LD 스키마 양쪽으로 데이터를 수집합니다. 즉 별도 피드를 만들지 않아도 페이지에 심어둔 스키마만으로 수집 대상이 될 수 있다는 뜻입니다. 2강에서 본 ACP 카탈로그 제출도 요구하는 정보의 성격은 결국 같은 항목들이라, 스키마를 먼저 정리해둔 판매자는 어느 채널에 대응하든 준비 시간이 짧아집니다.

7강에서 다루겠지만 프로토콜들 사이에는 상호운용성이 거의 없습니다. 그 와중에 유일하게 재사용되는 자산이 정확한 상품 데이터입니다. 그래서 예산과 인력이 부족할수록 프로토콜 연동보다 이 작업을 먼저 끝내두는 게 순서가 맞습니다.

빠진 정보는 삭제가 아니라 강등이다

여기서 오해하기 쉬운 지점이 있습니다. 정확한 정보를 놓친 상품이 AI 고려 대상에서 완전히 제외되는 게 아니라는 점입니다. 실제로는 추천 순위에서 조용히 밀려나는 방식으로 손해를 봅니다. 눈에 보이는 오류 메시지나 경고가 뜨지 않기 때문에, 판매자 입장에서는 자기 상품이 왜 안 보이는지 원인을 파악하기가 더 어렵습니다. 그래서 주기적으로 스키마 검증 도구(Google의 Rich Results Test 등)로 우리 상품 페이지의 구조화 데이터가 제대로 인식되는지 점검하는 습관이 필요합니다.

한 번 넣고 끝나는 작업이 아니라는 점도 같이 챙겨야 합니다. 가격을 바꾸거나 옵션을 추가하거나 품절 처리를 했을 때 페이지 화면은 바뀌었는데 스키마 값은 예전 그대로 남아 있는 경우가 흔합니다. 이렇게 되면 AI가 잘못된 가격이나 재고 상태를 근거로 추천하게 되고, 소비자가 실제와 다른 정보를 받게 되는 문제로 이어집니다. 상품 정보를 수정하는 운영 절차 안에 '스키마 값도 같이 갱신됐는지 확인'을 한 줄 넣어두는 것만으로 이런 사고의 상당수를 막을 수 있습니다.