지난주 스레드에 온톨로지라는 개념을 마케터 버전으로 5분 만에 정리해서 올렸습니다. 가볍게 던진 글이었는데, 저장해두고 되묻는 반응이 예상보다 많았습니다. 그 반응을 보면서 이 개념을 짧은 스레드 한 편으로 끝내기에는 아깝다는 생각이 들었습니다. ATM 채널을 혼자 운영하면서 콘텐츠를 카테고리별로 쌓아 온 지 꽤 됐는데, 어느 순간부터 그 작업이 결국 브랜드를 하나의 개체로 정의하는 작업과 다르지 않다는 걸 체감했습니다. 그 실감을 온톨로지라는 이름으로 다시 정리해보려고 이 글을 씁니다.
온톨로지란 무엇인가 — 지식그래프·시맨틱 SEO와 어떻게 다른가
온톨로지를 한 줄로 정리하면 이렇습니다. 우리 분야에 무엇이 존재하고 그것들이 서로 어떻게 연결되는지를 컴퓨터도 읽을 수 있게 정의해둔 개념 지도입니다. 점은 개념입니다. 브랜드, 제품, 고객, 서비스 같은 것들이 점이 됩니다. 선은 관계입니다. 만든다, 좋아한다, 원한다, ~이다 같은 동사가 선이 됩니다. 온톨로지는 이 점과 선을 기계가 처리할 수 있는 형태로 정리해둔 것, 그게 전부입니다.
문제는 온톨로지, 지식그래프, 시맨틱 SEO라는 세 단어가 자주 뒤섞여 쓰인다는 점입니다. 실무자 입장에서 정리하면 순서가 명확해집니다. 온톨로지는 설계도입니다. 어떤 종류의 개체가 있고 어떤 종류의 관계가 가능한지 규칙을 정해둔 틀입니다. 구글의 지식그래프는 그 설계도 위에 실제 데이터를 채워 넣은 결과물입니다. 우리가 인물이나 브랜드를 검색했을 때 오른쪽에 뜨는 지식패널이 바로 그 결과물의 얼굴입니다. 그리고 시맨틱 SEO는 우리 콘텐츠가 그 지식그래프 안에 올라타도록 만드는 실무 기법입니다. 정리하면 온톨로지가 뼈대, 지식그래프가 그 뼈대에 실제로 채워진 근육, 시맨틱 SEO는 우리 브랜드의 근육을 그 자리에 붙이는 작업입니다.
이 구조가 실제로 웹에 구현되는 표준안이 schema.org 구조화 데이터입니다. 페이지에 Organization, Product, FAQPage 같은 마크업을 심으면, 우리가 온톨로지로 설계한 개념과 관계를 검색엔진과 AI가 그대로 읽어갈 수 있는 형태로 노출하게 됩니다. 구글 서치 센트럴 문서에서도 구조화 데이터가 검색 결과의 이해도를 높이고 리치 결과 노출 가능성을 높인다고 설명하는데, 이는 결국 온톨로지 개념을 웹페이지 코드 수준에서 실현한 것이라고 볼 수 있습니다.
AI가 브랜드를 아는 개체로 저장하는 원리
예전 구글은 단어를 매칭했습니다. 검색창에 넣은 문자열과 페이지에 적힌 문자열이 얼마나 비슷한지를 비교하는 방식이었습니다. 지금 구글, 챗지피티, 퍼플렉시티는 다르게 작동합니다. 단어가 아니라 엔티티와 그 엔티티 사이의 관계를 이해합니다. 러닝화 브랜드를 검색하면 AI는 그 브랜드를 하나의 개체로 인식하고, 그 개체가 무엇을 만들고 누구에게 사랑받는지 관계까지 탐색한 뒤 답을 만들어냅니다. 이것이 AEO, 즉 AI 검색 최적화와 GEO, 생성형 엔진 최적화가 다루는 핵심 원리입니다.
스레드에 올렸던 미니 예제를 좀 더 풀어보겠습니다. 브랜드가 러닝화를 만든다는 관계, 러닝화가 스포츠 제품이라는 관계, 러닝화가 20대 러너에게 사랑받는다는 관계, 이 세 가지 관계만 정리해두어도 AI는 아무도 직접 알려주지 않은 결론을 스스로 만들어냅니다. 이 브랜드는 스포츠 시장의 플레이어라는 결론입니다. 여기서 한 단계만 더 이어 붙이면 됩니다. 20대 러너가 건강관리에 관심이 많은 세그먼트라는 관계를 하나 더 얹으면, AI는 이 브랜드가 건강관리에 관심 있는 20대와도 연결된 개체라는 새로운 결론을 추가로 만들어냅니다. 누군가 그렇게 쓰라고 명시한 적이 없는데도 관계를 따라가며 새로운 사실을 도출하는 것, 이것이 온톨로지의 진짜 힘인 추론입니다.
반대로 이 관계가 어디에도 정리되어 있지 않으면 어떻게 될까요. 브랜드가 아무리 좋은 제품을 만들어도 AI 입장에서는 연결점 없는 낱개의 정보일 뿐입니다. AI 답변에 우리 브랜드가 아예 등장하지 않는 상태, 존재하는데 보이지 않는 상태에 놓이게 됩니다. 키워드를 아무리 많이 넣어도 이 문제는 해결되지 않습니다. 필요한 건 키워드 밀도가 아니라 관계의 설계입니다.
실무 체크리스트 — 온톨로지를 마케팅에 적용하는 4가지 방법
개념은 여기까지입니다. 이제 이 온톨로지 사고방식을 실제 업무에 어떻게 옮기는지, 네 가지 영역으로 나눠 체크리스트로 정리했습니다.
AEO GEO 최적화 체크리스트
AI 검색 결과에 우리 브랜드가 실제로 등장하게 만드는 작업입니다.
- 브랜드명과 대표 제품·서비스명을 한 문장으로 연결해 무엇을 하는 개체인지 명확히 정의해두었는가
- 자주 묻는 질문에 대한 답을 완결된 문장으로 페이지에 노출해 AI가 그대로 인용할 수 있게 해두었는가
- schema.org의 Organization, Product 마크업을 심어 개체 정보를 구조화된 형태로 제공하고 있는가
- 브랜드명을 검색했을 때 챗지피티, 퍼플렉시티, 구글 AI 오버뷰 같은 AI 검색 결과에 실제로 등장하는지 주기적으로 확인하는가
토픽 클러스터로 전문성 신호 주기
콘텐츠를 개념 지도처럼 엮어서 특정 주제에 대한 전문성을 AI와 검색엔진 모두에게 신호로 주는 작업입니다.
- 우리 카테고리의 핵심 주제 서너 개를 뽑아 허브 문서를 만들어두었는가
- 서브 주제 글이 허브 문서로, 허브 문서가 각 서브 글로 서로 연결되는 내부링크 구조를 갖추었는가
- 새 글을 쓸 때마다 이 개념이 기존 지도의 어느 지점에 연결되는지 먼저 따져보는가
저도 처음에는 그날그날 떠오르는 주제로 블로그를 채웠습니다. 그런데 어느 시점부터는 카테고리별 허브 글을 먼저 세워두고, 새 글을 쓸 때마다 그 글이 지도의 어느 위치에 붙는지 먼저 확인하는 방식으로 순서를 바꿨습니다. 겉으로 보면 콘텐츠 캘린더를 짜는 일처럼 보이지만, 실제로 하고 있던 작업은 ATM이라는 브랜드를 하나의 온톨로지로 조립하는 일이었습니다.
고객 데이터 구조화
세그먼트와 취향, 행동을 태그가 아니라 관계로 저장해 정교한 개인화를 가능하게 하는 작업입니다.
- 고객 데이터를 이름표 하나로 뭉뚱그리지 않고 관계 형태로 저장하고 있는가. 예를 들어 20대 러너라는 태그 대신 특정 제품을 구매했고 특정 콘텐츠 유형에 반응했다는 관계로 기록하는 방식
- CRM이나 마케팅 자동화 툴에서 세그먼트 사이의 관계를 조회할 수 있는가
- 다음 추천을 과거 구매 이력만이 아니라 관계 사슬을 따라 예측하고 있는가
AI 에이전트 RAG를 위한 지식 정리
사내 AI 에이전트나 RAG 검색증강생성이 참조하는 지식베이스가 온톨로지 형태로 잘 정리되어 있는지 점검하는 작업입니다.
- 브랜드와 제품에 대한 지식을 AI 에이전트가 읽을 별도 문서로 정리해두었는가
- 문서 안의 개념들이 서로 모순 없이 연결되어 있는가. 같은 제품을 두 문서가 다르게 설명하면 에이전트는 그대로 혼란에 빠집니다
- 지식 문서를 갱신할 담당자와 주기가 정해져 있는가
관계를 설계하는 것이 AI 시대 마케팅의 뼈대입니다
오늘 실천할 한 줄을 남기고 마치겠습니다. 우리 브랜드는 어떤 개체이고 무엇과 연결되어 있는가, 이 질문에 세 문장으로 답할 수 있다면 온톨로지의 절반은 이미 완성된 셈입니다. 저는 이 질문에 답하는 과정을 ATM 채널의 콘텐츠 구조를 다시 짜는 일로 직접 겪었고, 그 결론이 키워드 도배가 아니라 관계 설계라는 것을 이번 글에 정리했습니다.
이 주제를 처음 5분짜리 스레드로 던진 글과, 이 개념을 실제 화면으로 풀어 설명한 유튜브 영상도 함께 보시면 온톨로지가 실무에서 어떻게 작동하는지 더 입체적으로 이해하실 수 있습니다. AI 에이전트 팀을 실제로 어떻게 하나의 조직으로 구조화했는지는 직원 0명 콘텐츠 회사 만드는 법 EP.1에도 기록해 두었습니다.
작성자 소개
