구조화 데이터로 검색결과 리치하게 만들기 (Product·Review)

검색결과 화면을 자세히 보면 어떤 상품은 제목 아래에 별점과 리뷰 개수, 가격, 재고 상태까지 함께 나오는 걸 보신 적 있으실 거예요. 반면 우리 몰 상품은 그냥 제목과 설명 한 줄만 덩그러니 나오는 경우가 많죠. 이 차이가 바로 구조화 데이터(structured data)를 넣었는지 여부에서 갈립니다. 구조화 데이터는 페이지에 보이는 정보를 검색엔진이 정확히 이해할 수 있도록 코드 형태로 한 번 더 정리해서 알려주는 방식이에요. 사람 눈에는 안 보이지만 검색엔진 입장에서는 "이건 상품이고, 가격은 얼마고, 재고가 있고, 리뷰가 몇 개다"라는 걸 명확하게 읽을 수 있게 됩니다. 오늘은 쇼핑몰에서 가장 많이 쓰는 Product와 Review 구조화 데이터를 어떻게 넣고 어떤 효과를 기대할 수 있는지 정리해드릴게요.

구조화 데이터가 정확히 뭘 하는 걸까요

구조화 데이터는 보통 JSON-LD라는 형식으로 페이지 코드 안에 삽입됩니다. 예를 들어 상품명, 이미지, 가격, 통화, 재고 상태, 평균 별점, 리뷰 개수 같은 정보를 정해진 규격(스키마)에 맞춰 작성해두면, 구글이 이 정보를 읽고 검색결과나 구글 쇼핑 탭에 더 풍부한 형태로 보여줄 수 있는 후보로 고려합니다. 이렇게 검색결과에 별점이나 가격이 추가로 표시되는 걸 리치 결과(rich result)라고 불러요.

다만 여기서 오해하지 말아야 할 게 있어요. 구조화 데이터를 넣는다고 100% 리치 결과가 뜨는 건 아니라는 점입니다. 구글은 여러 신호를 종합해서 리치 결과 노출 여부를 결정하고, 특히 자사 사이트에 직접 등록한 리뷰 데이터보다는 제3자 리뷰 플랫폼의 데이터를 더 신뢰하는 경향이 있다는 점도 최근 몇 년간 여러 차례 언급됐어요. 그래도 구조화 데이터를 정확히 넣어두면 상품 정보 자체의 신뢰도가 올라가고, 구글 쇼핑 탭이나 다른 검색 기능에 노출될 가능성이 커진다는 점에서 여전히 넣을 가치가 충분합니다.

• Product 스키마: 상품명, 이미지, 설명, SKU, 가격, 재고 상태
• Review·AggregateRating 스키마: 평균 별점, 리뷰 개수
• Offer 스키마: 통화, 가격, 판매 조건, 배송 정보
• BreadcrumbList 스키마: 카테고리 경로(빵부스러기)

Product 스키마에 꼭 넣어야 할 항목

Product 스키마는 상품 하나를 검색엔진에게 소개하는 명함 같은 거예요. 이름과 이미지, 설명은 기본이고, 가장 중요한 건 offers 항목 안에 들어가는 가격과 재고 상태입니다. 가격은 통화 단위와 함께 정확한 숫자로 넣어야 하고, 재고 상태는 InStock(재고 있음), OutOfStock(품절), PreOrder(예약판매) 같은 정해진 값 중 하나를 써야 검색엔진이 올바르게 인식합니다.

여기서 실무적으로 가장 중요한 건 실제 상품 정보와 구조화 데이터의 내용이 항상 일치해야 한다는 점이에요. 품절된 상품인데 구조화 데이터에는 여전히 재고 있음으로 남아있거나, 할인가로 팔고 있는데 구조화 데이터에는 정가가 그대로 박혀 있으면 구글이 신뢰도를 낮게 평가할 수 있어요. 아임웹이나 카페24 같은 플랫폼을 쓰신다면 플랫폼이 자동으로 상품 정보 변경 시 구조화 데이터도 함께 갱신해주는 경우가 많은데, 만약 커스텀 코드로 직접 관리하고 있다면 가격이나 재고를 바꿀 때 구조화 데이터도 같이 확인하는 습관이 필요해요.

Review 스키마를 넣을 때 주의할 점

Review와 AggregateRating 스키마는 상품에 달린 리뷰 정보를 정리해서 알려주는 항목이에요. 평균 별점과 리뷰 개수를 넣으면 검색결과에 별 다섯 개 아이콘과 함께 리뷰 수가 표시될 가능성이 생깁니다. 다만 앞서 말씀드린 것처럼 자사 사이트에서 직접 수집한 리뷰 데이터는 구글이 리치 결과로 노출하는 데 더 엄격한 기준을 적용하는 추세라, 넣었다고 무조건 별점이 뜨지는 않는다는 점을 미리 알아두시면 실망을 줄일 수 있어요.

가장 중요한 원칙은 실제로 존재하는 진짜 리뷰 데이터만 넣어야 한다는 거예요. 구글은 가짜 리뷰나 존재하지 않는 평점을 구조화 데이터에 넣는 행위를 스팸 정책 위반으로 간주하고, 적발되면 리치 결과 노출이 제한되거나 수동 조치를 받을 수 있습니다. 우리 몰에 실제로 쌓인 리뷰 데이터를 정확하게 반영하는 것이 원칙이고, 리뷰가 아직 적은 신상품이라면 억지로 채우기보다는 리뷰가 쌓일 때까지 기다리는 게 안전해요.

• 실제 존재하는 리뷰·별점 데이터만 반영
• 리뷰 개수와 평균 별점을 상품 상세페이지에 실제로 표시되는 값과 일치시키기
• 리뷰가 없는 신상품은 무리하게 채우지 않기
• 정기적으로 실제 데이터와 구조화 데이터 값이 어긋나지 않는지 점검

넣은 뒤에는 반드시 검증하세요

구조화 데이터는 코드 하나만 틀려도 아예 인식이 안 될 수 있어요. 구글의 리치 결과 테스트 도구나 서치콘솔의 "향상된 기능" 리포트를 활용하면 우리 몰의 구조화 데이터가 제대로 인식되고 있는지, 오류나 경고가 있는지 확인할 수 있어요. 특히 상품을 대량으로 등록하는 몰이라면 템플릿 하나에 오류가 있으면 수백 개 상품 페이지가 한꺼번에 영향을 받을 수 있으니, 상품 등록 방식을 바꾸거나 플랫폼을 옮긴 직후에는 꼭 한 번씩 검증해보시길 권합니다. 저도 예전에 상세페이지 템플릿을 새로 바꾸면서 offers 항목의 통화 코드가 실수로 빠진 적이 있었는데, 서치콘솔 향상된 기능 리포트에서 경고가 뜬 덕분에 금방 발견하고 고쳤던 경험이 있어요.

아임웹이나 카페24를 쓰고 계신다면 플랫폼 자체적으로 기본적인 상품 구조화 데이터를 자동 생성해주는 경우가 많아요. 이 경우엔 별도로 코드를 넣을 필요 없이, 상품 정보(가격, 재고, 옵션)를 정확하게 입력하는 것만으로도 구조화 데이터가 자동으로 정확해집니다. 직접 코드를 추가하고 싶다면 개발자에게 요청하거나 관련 앱·위젯을 활용하는 방법도 있어요. 다만 플랫폼이 자동 생성해주는 항목과 직접 추가한 코드가 중복으로 들어가면 오히려 충돌이 날 수 있으니, 커스텀 코드를 넣기 전에는 플랫폼이 기본으로 어떤 항목을 이미 채워주고 있는지부터 확인하는 게 순서예요.

구조화 데이터, 실제로 어떤 효과를 기대할 수 있을까요

구조화 데이터를 넣었다고 매출이 갑자기 몇 배로 뛰는 마법 같은 효과를 기대하시면 실망하기 쉬워요. 대신 검색결과에서 우리 상품이 다른 상품들 사이에서 조금 더 눈에 띄게 되고, 가격과 재고 상태 같은 구체적인 정보가 미리 노출되면서 클릭률이 조금씩 올라가는 효과를 기대하는 게 현실적입니다. 실제로 리치 결과가 뜨는 상품과 안 뜨는 상품을 비교해보면, 리치 결과가 있는 쪽의 클릭률이 눈에 띄게 높게 나오는 경우가 많다는 여러 사례가 있어요.

구글 쇼핑 탭에 상품이 노출되려면 구조화 데이터 외에도 별도의 상품 피드 등록 절차가 필요한 경우가 많으니, 구조화 데이터만으로 쇼핑 탭 노출까지 자동으로 되는 건 아니라는 점도 함께 알아두시면 좋습니다. 구조화 데이터는 어디까지나 기본기이고, 그 위에 쇼핑 광고나 무료 상품 등록 같은 별도 절차를 얹어야 더 넓은 노출을 기대할 수 있어요. 순서를 정리하면 구조화 데이터로 기본기를 갖추고, 상품 피드를 등록하고, 그 위에 필요하다면 광고까지 얹는 단계로 생각하시면 됩니다.

브레드크럼(BreadcrumbList)도 함께 챙기면 좋아요

Product와 Review만큼 자주 언급되진 않지만, BreadcrumbList 스키마도 함께 넣어두면 검색결과에 "홈 > 여성의류 > 원피스"처럼 카테고리 경로가 URL 대신 표시되는 효과를 기대할 수 있어요. 손님 입장에서는 이 상품이 어느 카테고리에 속하는지 검색결과에서부터 미리 파악할 수 있고, 우리 몰 안에서도 상위 카테고리로 쉽게 이동할 수 있는 동선이 자연스럽게 만들어집니다.

대부분의 쇼핑몰 플랫폼은 상세페이지 상단에 이미 빵부스러기 형태의 경로 표시를 기본 UI로 제공하고 있어서, 이 부분에 구조화 데이터만 추가로 얹으면 되는 경우가 많아요. 상품 카테고리 분류를 명확하게 해두는 작업이 결국 브레드크럼 정확도에도 그대로 이어지니, 카테고리 정리가 안 돼 있다면 구조화 데이터를 넣기 전에 먼저 정리해두시는 걸 추천드립니다.

구조화 데이터까지 다 정리했다면 이제 가이드를 참고해서 상품 데이터 전반을 점검해보시길 권합니다. 구조화 데이터는 결국 상품 정보의 정확도가 기반이 되는 작업이에요.