브랜드 엔티티 구축 가이드
Arthur · xeolab 대표 · 2026-09-09 발행 · 2026-10-09 수정 · 읽는 시간 6분
이름을 더 퍼뜨리기 전에, 동명의 다른 회사와 우리를 구별할 사실부터 맞춘다. 구별이 안 되는 상태에서 언급이 늘면 남의 평판을 받아 온다.
핵심 요약
브랜드 엔티티 구축은 '우리 회사가 누구인지'를 여러 출처에서 똑같이 말하게 만드는 일이다. 핵심은 순서다. 이름을 더 퍼뜨리기 전에, 동명의 다른 회사와 우리를 구별할 사실(지역·업종·운영사·연락처)부터 하나로 확정하고 홈페이지·공식 프로필·제3자 출처가 그 사실을 같은 표기로 말하게 한다. 구별이 안 된 상태에서 언급이 늘면 남의 평판이 섞여 들어온다.
같은 이름의 반찬가게 두 곳
가상의 상황을 하나 두겠다. 마포에 '정이네반찬'이 있고 수원에도 '정이네 반찬'이 있다. 띄어쓰기만 다르다. 마포 가게가 블로그 후기를 열심히 쌓아서 '마포 반찬가게 추천' 답변에 올라갔는데, AI가 전화번호는 수원 가게 걸, 영업시간은 마포 가게 걸 섞어 말한다. 수원 가게에 달린 '배송이 늦다'는 후기까지 마포 가게 설명에 붙는다. 언급은 늘었는데 평판은 남의 것을 받아 온 셈이다.
생성형 AI는 검색 결과를 읽고 답을 쓴다(검색 증강 생성, RAG). 이때 '정이네반찬'이라는 글자가 아니라 '어느 지역의 어떤 업종, 이런 특징의 그 가게'라는 실체를 묶어 이해하려 한다. 묶을 단서가 부족하면 위처럼 섞인다. 엔티티 구축은 그 단서를 만드는 일이고, 그래서 우리는 언급을 늘리는 작업보다 앞에 둔다.
1단계. 하나의 표기 확정(NAP)
이름(Name)·주소(Address)·전화(Phone)와 한 줄 설명을 하나로 정하고 모든 곳에 그대로 쓴다. 위 예라면 '정이네반찬 마포점(마포구 ○○동, 2015년부터)'처럼 지역과 구별 정보를 이름 옆에 붙인다.
- 한글 표기와 영문 표기를 각각 하나로, 띄어쓰기·기호까지 고정
- 한 줄 설명(무엇을 누구에게)을 짧게 확정하고 홈페이지·프로필·보도자료에 같은 문장을 쓴다. 동명 브랜드가 있으면 지역·업종을 꼭 넣는다
- 법인명과 브랜드명이 다르면 둘의 관계를 홈페이지에 명시(운영사 표기)
2단계. 홈페이지에서 선언(구조화 데이터)
schema.org Organization에 법인명·로고·주소·설명을 넣고 sameAs에 공식 프로필 URL을 나열한다. 구글은 구조화 데이터를 '페이지 내용을 기계가 이해하는 표준 형식'으로 안내한다.
- Organization: name·legalName·url·logo·address·description·sameAs
- 수상·인증·멤버십은 award·memberOf 로, 가능하면 주최 측 페이지 링크와 함께
- 서비스·가격은 Service/Offer 로, 화면 표기와 정확히 같은 값으로 적는다(불일치는 신뢰를 깎는다)
3단계. 제3자 출처 쌓기
AI가 교차 확인할 수 있는 외부 출처가 많을수록 우리 설명이 '사실'로 굳는다. 여기서도 문장을 복제하는 것보다 서로 모순되는 사실(옛 주소·옛 전화)을 먼저 고치는 게 효과가 크다. 띄어쓰기 차이와 주소 불일치는 같은 무게가 아니다.
- 네이버 플레이스·구글 비즈니스 프로필(지역 업종 필수). 옛 주소·전화가 남아 있는지 먼저 확인한다
- 기업정보·채용 플랫폼, 협회·학회·공공 지원사업 선정 페이지
- 보도자료·언론 기사에는 회사 설명 문장을 1단계 표기 그대로 제공한다
- 위키형 사이트는 직접 편집보다 근거가 될 공개 자료를 먼저 만든다
4단계. 측정으로 확인
브랜드명 질문('OO는 어떤 회사야?')과 비브랜드 질문('OO 업종 추천')을 함께 측정하면, AI가 우리를 올바른 실체로 설명하는지(혼동·환각)와 추천 질문에 등장하는지를 분리해서 볼 수 있다. 위 반찬가게라면 브랜드명 질문에서 전화번호가 어느 가게 것인지가 첫 확인 항목이다.
자주 묻는 질문
위키백과에 회사 문서를 만들면 되나요?
직접 작성은 정책상 어렵고 삭제되기 쉽습니다. 먼저 보도자료·공공기관 선정·협회 등재 같은 공개 근거를 만들면 제3자가 인용할 수 있고, AI도 그 근거를 읽습니다.
지점이 여러 개면 어떻게 하나요?
본사 Organization 아래 각 지점을 LocalBusiness 로 선언하고, 지점별 플레이스·비즈니스 프로필에 같은 상호 체계를 씁니다.
AI가 우리를 다른 회사와 섞어 말합니다.
동명 브랜드가 있을 때 흔합니다. 한 줄 설명에 지역·업종을 넣어 구분 정보를 늘리고, 구조화 데이터와 공식 프로필의 설명을 그 문장으로 통일하세요. 섞여 들어온 정보(전화·후기)의 원출처를 찾아 바로잡고, 교정 전후를 측정으로 확인합니다.
출처
플랫폼 공식 문서·동료심사 연구·공개 통계만 인용한다.
- 1.Lewis 외, 「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」, NeurIPS 2020 (arXiv 2005.11401)
- 2.Google Search Central — Introduction to structured data markup
- 3.schema.org — Getting started
- 4.Google Search Central — Creating helpful, reliable, people-first content (E-E-A-T)(2026-10 접속 기준)