지식 그래프 (Knowledge Graph)
지식 그래프(Knowledge Graph)는 인물, 기업, 상품, 장소 등 개체(entity)와 그 관계를 저장한 구조화 데이터베이스로, Google과 Naver 같은 검색 시스템이 특정 이름을 단순한 텍스트 문자열이 아니라 실제로 존재하는 확인된 개체로 인식하는 데 활용됩니다.
지식 그래프에 개체로 등록되면 브랜드가 다루어지는 방식이 달라집니다. 시스템이 특정 이름이 공식 웹사이트와 창업자, 상품 라인을 가진 특정 기업을 가리킨다는 사실을 인식하면, 새로운 언급이 등장할 때마다 추측 대신 확신을 가지고 해당 개체와 연결할 수 있습니다. 그래프는 이 정보를 노드와 엣지 형태로 저장합니다. 브랜드는 하나의 노드, 창업자도 하나의 노드, 물류 출발 도시도 하나의 노드입니다. 이들 사이의 관계(설립, 소재지, 제품 제조)는 엣지로 연결되어 각 사실에 의미를 부여합니다. 이 구조 덕분에 브랜드는 지식 패널에 표시될 수 있고, 유사한 이름의 다른 업체와 구분되며, 생성형 AI 엔진이 해당 카테고리에 관한 질문에 답할 때 정확하게 인용될 수 있습니다.
지식 그래프에 신호를 공급하는 주요 수단은 구조화 데이터와 교차 검증입니다. 사이트에 Organization 스키마를 적용하면 브랜드의 존재를 선언할 수 있으며, sameAs 속성으로 LinkedIn, Crunchbase, Wikidata, Wikipedia, 소셜 미디어 계정 등 권위 있는 프로필과 연결하면 그래프가 서로 일치하는 독립적인 참고 지점을 확보하게 됩니다. 이러한 출처들이 동일한 사실을 뒷받침할수록 개체는 더욱 강력하고 신뢰도 높은 존재로 인식됩니다. 이후 Product 스키마와 리뷰 스키마를 적용하면 상품 카탈로그와 고객 평가를 해당 개체에 연결할 수 있습니다. 그 결과 별점은 출처 불명의 페이지가 아니라 검증된 판매자의 것으로 읽힙니다.
Shopify에서 국내산 발효 화장품을 판매하는 스토어 '청아'를 예로 들겠습니다. 비슷한 이름의 한식당과 도예 공방이 존재하기 때문에, 검색 엔진은 '청아'라는 단어에 대해 여러 후보를 처리해야 합니다. 이 화장품 스토어가 Organization 스키마와 함께 공식 인스타그램, 네이버 브랜드 프로필, 관련 언론 보도를 sameAs로 연결하면, 그래프는 화장품 스토어 청아를 나머지와 분리하고 상품 리뷰를 올바른 노드에 귀속시킬 수 있습니다. 이 작업이 이루어지지 않으면 언급이 잘못된 개체에 분산되고, 쌓아온 리뷰가 브랜드 검색 가시성에 기여하지 못합니다.
이는 AI 검색과 직결되는 문제입니다. ChatGPT, Perplexity, Google AI Overviews 같은 엔진들은 개체 이해를 통해 질문이 실제로 어떤 브랜드에 관한 것인지, 어떤 사실을 신뢰할 수 있는지를 판단합니다. 깔끔하고 교차 검증된 개체로 인식된 브랜드는 자신감 있게 인용되기 쉽습니다. 반면 텍스트 문자열에 불과한 브랜드는 혼동되거나, 답변에서 누락되거나, 잘못 귀속될 가능성이 높습니다. 개체 식별 가능성은 AI 답변에 이름이 오르내리기 위한 조용한 전제 조건이 되고 있습니다.
한 가지 정직한 주의 사항이 있습니다. 지식 그래프는 직접 통제할 수 없으며, 강제로 항목을 추가할 방법도 없습니다. 스키마와 sameAs는 신호일 뿐이고, Google과 Naver는 무엇을 수집하고 신뢰할지 스스로 결정합니다. 프로필 간에 상충하는 정보가 있으면 개체 인식이 약화되거나 지연될 수 있으므로, 양보다는 일관성이 중요합니다. 단번에 켜는 스위치가 아니라 오랜 시간에 걸쳐 식별 가능하고 교차 검증된 존재로 자리 잡아 가는 과정으로 접근해야 합니다.