기업 정보가 AI 검색에서 확인된다는 것
NBP코리아는 의료 디바이스 분야 기업입니다. 치로웹디자인이 사이트를 재구축한 뒤 진행한 ChatGPT 검색 테스트에서 회사 정보와 공식 사이트가 답변에 확인됐습니다. AI 답변은 질문, 시점, 사용자 환경에 따라 달라지므로 이 사례는 영구적인 순위나 인용을 보장하는 자료가 아니라 당시 관찰한 결과입니다.
이 결과를 만든 기술 구조 3가지를 공개합니다.
구조 1 — Entity SEO와 Knowledge Graph 정렬
표면: 회사 정보를 잘 적었다.
메커니즘: 검색 시스템은 회사명, 공식 URL, 소재지, 제품처럼 여러 페이지에 흩어진 정보를 하나의 'Entity(개체)'로 연결합니다. 구조화 데이터는 이 관계를 명시적으로 설명하는 보조 수단입니다.
구조: 5종 스키마가 한 페이지에서 일관되게 연결돼야 합니다.
- Organization 스키마 (법인 정체성)
- Person 스키마 (대표·핵심 인력)
- Place 스키마 (소재지)
- Product/Service 스키마 (취급 제품)
- SameAs 속성 (공식 SNS·외부 등재 링크)
다섯 가지가 같은 회사를 일관되게 가리키도록 NBP코리아 사이트의 본문과 스키마를 코드 레벨에서 정리했습니다.
구조 2 — 시맨틱 마크업 + llms.txt 결합
표면: HTML 잘 짰다.
메커니즘: 시맨틱 마크업(<article>, <section>, <nav>)은 문서 영역의 역할을 명확히 하고, 크롤러와 보조 기술이 콘텐츠 구조를 이해하는 데 도움을 줍니다.
구조: llms.txt에는 회사 정보와 핵심 콘텐츠 페이지를 요약했습니다. 이 파일은 공개 제안 단계의 보조 문서이며 OpenAI나 Google 검색 노출의 공식 필수 요건은 아닙니다.
NBP코리아 사이트는 시맨틱 마크업으로 전체 구조를 짜고, llms.txt에 회사 핵심 정보 페이지를 명시했습니다. AI가 회사를 물어보면 가장 빠르게 찾을 수 있는 경로가 마련된 셈입니다.
구조 3 — 첫 100자 정의문 + 인과 구조
표면: 회사 소개 잘 썼다.
메커니즘: 페이지 도입부에 대상과 핵심 사실을 먼저 쓰면 사용자와 검색 시스템 모두 문서의 주제를 빠르게 파악할 수 있습니다. 특정 글자 수만으로 인용 여부가 결정되는 것은 아닙니다.
구조: NBP코리아의 회사 소개 페이지 도입부에는 회사명·업종·창립 시점·대표 제품·인증이 압축돼 있습니다. 정의문("X는 Y 분야의 회사입니다") + 시점("2010년 설립") + 1차 데이터(제품군·인증번호)를 함께 제시해 사람과 검색 시스템이 회사의 실체를 빠르게 이해하도록 구성했습니다.
왜 이 사례가 중요한가
대기업이 AI에 인용되는 것은 자연스럽습니다. 위키피디아 항목, 미디어 보도, 외부 백링크가 이미 풍부합니다.
규모가 작은 기업일수록 웹사이트 안의 회사명, 제품명, 인증, 연락처가 서로 충돌하지 않도록 정리하는 일이 중요합니다. 다만 구조와 코드만으로 외부 평판이나 권위를 대체할 수는 없습니다. 치로의 AEO 작업 방식에서 실제 적용 범위를 확인할 수 있습니다.
자주 묻는 질문
모든 중소기업에서 단독 인용이 가능한가요? 보장할 수 없습니다. 업종, 질문, 기존 인지도, 외부 출처, 콘텐츠 품질과 크롤링 상태가 함께 작용합니다. 치로는 인용을 약속하는 대신 정보 불일치와 기술적 차단 요소를 줄입니다.
이 작업에 얼마나 걸리나요? 사이트 구축 일정은 범위에 따라 정해지며, 이후 검색 시스템이 다시 크롤링하고 답변에 반영하는 시점은 통제할 수 없습니다. 배포 후 크롤링 가능 여부와 실제 질문 세트를 지속해서 점검합니다.
인용된 결과가 사라질 수도 있나요? 가능합니다. AI 답변은 모델과 검색 인덱스, 질문 표현에 따라 바뀝니다. 실제 정보가 변경됐을 때 본문과 스키마를 함께 갱신하고, 반복 측정으로 변화를 확인해야 합니다.