Ahrefs Blog

스키마 마크업(JSON-LD)을 추가하는 것이 AI 검색 엔진(ChatGPT, Google AIO 등)의 인용률을 높여준다는 기존의 믿음이 대규모 데이터 분석 결과 사실이 아닌 것으로 드러났습니다. Ahrefs의 연구에 따르면, 스키마 추가는 AI 인용량에 유의미한 상승을 가져오지 못했으며, 오히려 일부 플랫폼에서는 미미한 하락세가 관찰되었습니다.

스키마 마크업은 검색 엔진이 웹페이지의 정보를 정확히 이해하도록 돕는 구조화된 데이터 코드로, 구글의 리치 결과(Rich Results)를 생성하여 클릭률을 높이는 핵심 기술입니다. 특히 최근에는 ChatGPT, Gemini와 같은 AI 에이통 및 AI 검색 환경에서 제품과 서비스를 추천하기 위한 필수적인 데이터 표준으로 역할이 확장되고 있습니다.

Claude Skills는 단순한 일회성 프롬프트를 넘어, 특정 작업이 감지되면 자동으로 실행되는 재사용 가능한 명령어 패키지(Agent Skills)입니다. 이를 통해 사용자는 반복적인 프롬프트 입력 없이도 일관된 품질의 결과물을 얻을 수 있으며, 효율적인 AI 워크플로우 구축이 가능합니다.

AI 검색 엔진(AEO) 시대에 맞춰, AI와 인간 모두가 정보를 빠르게 파악할 수 있도록 돕는 효율적인 글쓰기 프레임워크를 제안합니다. 핵심 결론을 앞에 배치하는 BLUF 방식과 확신에 찬 선언적 문장 사용이 AI 인용 확률을 높이는 핵심입니다.

AI의 지식은 학습 데이터(Training Data), 검색 증강 생성(RAG), 그리고 API/MCP와 같은 실시간 도구 접근이라는 세 가지 계층을 통해 형성됩니다. 이 구조를 이해하는 것은 AI의 답변 신뢰도를 판단하고, 기업의 브랜드 가시성을 AI 검색 엔진 내에서 확보하는 데 필수적입니다.

생성형 AI가 프롬프트에 따라 콘텐츠를 생성하는 수동적 도구라면, 에이전트 AI는 목표를 달성하기 위해 스스로 계획을 세우고 도구를 사용하여 실행하는 자율적 시스템입니다. 이 기술적 전환은 AI의 역할을 단순한 '보조자'에서 스스로 업무를 완수하는 '디지털 워커'로 변화시키고 있습니다.

AI 키워드 리서치는 단순한 아이디어 생성을 넘어, 실시간 SEO 데이터와 연결된 '에이전틱 AI'를 통해 데이터 분석 및 자동화 단계로 진화하고 있습니다. 핵심은 LLM의 추론 능력과 실제 검색 데이터(Volume, KD 등)를 MCP와 같은 프로토콜로 결합하여 환각 현상을 제거하고 정확한 인사이트를 도출하는 것입니다.

Ahrefs의 마케팅 디렉터 Ryan Law가 Claude Code와 23개의 전문 스킬 파일을 활용해, 며칠이 걸리던 콘텐츠 제작 프로세스를 6~12분으로 단축시킨 '콘텐츠 엔지니어링' 사례를 소개합니다. 이 시스템은 단순한 AI 활용을 넘어 인간의 편집 전문성을 모방한 에이전틱 워크플로우(Agentic Workflow)를 구축하여 고품질의 초안을 자동 생성합니다.

ChatGPT는 검색된 URL 중 약 5중 50%만을 최종 인용하며, 이 과정에서 페이지 전체를 읽기 전 제목과 스니펫 등을 통한 '게이트키핑' 단계를 거칩니다. 특히 검색(search) 유형의 인용률이 88%로 압도적으로 높아, 검색 엔진 랭킹 유지가 AI 인용을 확보하는 핵심 전략임을 보여줍니다.