지식 그래프란 무엇인가요?
Knowledge graph는 엔티티와 그것들을 잇는 사실의 데이터베이스입니다. 가장 잘 알려진 것은 사람, 장소, 사물에 관한 수백만 개 항목을 담은 Google의 Knowledge Graph입니다. 지식 그래프는 페이지가 아니라 대상을 저장합니다. 각 엔티티와 그 사실, 그리고 다른 엔티티와의 연결입니다. 누군가 "Tesla"를 입력하면 검색 엔진은 이를 이용해 회사와 단위와 발명가를 구별합니다.
Google Knowledge Graph는 무엇인가요?
Google의 엔티티 데이터베이스입니다. Google은 사람, 장소, 사물 같은 실제 세계의 엔티티를 설명하는 수백만 개의 항목이 있다고 설명하며, 표준 schema.org 유형을 JSON-LD로 써서 일치하는 엔티티를 돌려주는 읽기 전용 Knowledge Graph Search API를 제공합니다(Google Knowledge Graph Search API, 2024년 4월 26일 업데이트).
Google은 이 API가 운영상 핵심적인 서비스로는 적합하지 않다고 경고하며, Cloud Enterprise Knowledge Graph로 옮기는 중이라고 말합니다. 그래프를 들여다보는 창일 뿐, 편집하는 수단은 아닙니다.
지식 그래프는 AI 답변과 어떤 관계가 있나요?
외부에서 볼 수 있는 한 간접적입니다. 지식 그래프는 검색 시스템이 질의가 어떤 엔티티에 관한 것인지 판단하도록 돕고, 그 결과는 검색하는 AI 엔진이 답하기 전에 읽는 내용이 됩니다.
어떤 엔진도 특정 답변이 검색한 페이지와 모델 기억보다 엔티티 데이터베이스에 얼마나 기댔는지 공개하지 않습니다. 깔끔한 엔티티 기록은 순위를 올리는 수단이 아니라 모호함을 줄이는 것으로 보세요.
실제 사례에서 지식 그래프는 어떻게 보이나요?
"Tesla"는 회사, SI 단위, Nikola Tesla라는 여러 엔티티로 해석되며, 각각 고유한 사실이 있습니다. 공개된 Tesla 사례(2026년 10월 4일)에서 Google AI Overviews는 "What is Tesla?"에 회사보다 먼저 단위로 시작해 답했습니다.
엔티티 그래프 덕분에 시스템은 이들을 구분해 둘 수 있습니다. 그런데도 답변은 단위부터 이야기했습니다. 엔티티가 두 개 있다는 것을 아는 것과 구매자가 뜻한 쪽을 고르는 것은 다르다는 뜻입니다.
브랜드의 사실은 어떻게 지식 그래프에 들어가나요?
대부분 이런 시스템이 읽는 곳에서 일관되게 설명되는 것으로 들어갑니다:
- 웹사이트: 이름, 카테고리, 설립, 위치가 담긴 간결한 회사 소개 페이지.
- 공식 프로필로 가는 sameAs 링크를 담은 Organization 마크업.
- 등재 기준 안에서 Wikidata 같은 공개 지식 베이스.
- 사이트와 한 단어도 다르지 않은 기업 및 리뷰 프로필.
Knowledge graph에 대해 자주 묻는 질문
우리 회사를 Google Knowledge Graph에 제출할 수 있나요?
그래프 자체에 대한 제출 양식은 없습니다. 보통 사이트와 권위 있는 프로필의 일관된 사실을 통해 엔티티로 인식됩니다.
지식 패널과 Knowledge Graph는 같은 것인가요?
지식 패널은 Google이 일부 검색에서 보여 주는 상자이고, Knowledge Graph는 그 뒤에 있는 데이터베이스입니다.
AI 챗봇은 지식 그래프를 쓰나요?
일부 시스템은 검색과 구조화된 데이터를 함께 쓰지만, 엔진은 어떤 답변이 그것에 얼마나 기대는지 공개하지 않습니다. 짐작하지 말고 답변을 측정하세요.
스키마 마크업을 하면 Knowledge Graph에 들어가나요?
직접적으로는 아닙니다. 조직에 대한 사실을 표준 형식으로 밝혀, 시스템이 사이트를 올바른 엔티티와 연결하도록 돕습니다.
관련 용어
- 엔티티
검색과 AI에서 엔티티는 회사, 제품, 사람, 장소처럼 시스템이 인식하고 비슷한 이름의 다른 것과 구별할 수 있는 하나의 고유한 대상입니다.
- Wikidata
Wikidata는 Wikipedia를 뒷받침하는 무료 공동 다국어 지식 베이스로, 엔티티에 관한 사실을 누구나 읽고 재사용할 수 있는 구조화된 진술로 저장합니다.
- 스키마 마크업(구조화된 데이터)
스키마 마크업 또는 구조화된 데이터는 페이지에 넣는 코드로, 보통 schema.org 어휘를 쓴 JSON-LD 형식이며 페이지와 그 주제에 관한 사실을 기계가 읽을 수 있는 형태로 적습니다.
- 엔티티 혼동
엔티티 혼동은 내 브랜드에 관한 AI 답변이 이름이 같거나 비슷한 다른 회사나 대상을 설명하거나, 그것으로 시작하는 경우입니다.
실전 예시: Tesla, 공개 AI 답변, 2026년 10월 4일: Proofsource가 Tesla를 대상으로 한 첫 스캔으로, 구매자 질문 25개와 브랜드 질문 5개를 네 엔진에 각각 한 번씩 물었습니다. 한 브랜드의 작은 표본이며, 벤치마크가 아니라 예시로 보여 드립니다.
