Dataset 스키마로 데이터 리포트를 기계가 읽게 하려면 어떻게 하나요?

숫자를 발표하는 곳은 많지만, 그 숫자의 원 발행자로 인용되는 곳은 적다. 남이 내 통계를 퍼가 요약하면, AI와 검색엔진이 퍼간 쪽을 출처로 집는 일이 흔하다. Dataset 스키마는 "이 데이터의 정의·범위·파일은 여기 있다"를 기계가 읽는 형태로 못 박아, 데이터의 원점이 어디인지에 대한 신호를 만드는 도구다.

Dataset 스키마란

schema.org의 Dataset은 "어떤 주제(들)를 기술하는 구조화된 정보의 몸체"로 정의된 타입이다. 구글 공식 문서가 드는 예시는 CSV 표, 표들의 모음, 파일 묶음, 데이터를 담은 이미지, 머신러닝용 파일 등 — 요컨대 내려받거나 참조할 수 있는 데이터 덩어리다.

이 마크업의 대표 소비자가 구글 데이터셋 검색(Dataset Search)이다. 구글 공식 문서에 따르면 구글은 schema.org Dataset 마크업 또는 W3C DCAT 형식을 이해해 데이터셋 검색에 노출한다. 이 도구는 2020년 1월 베타를 벗어났고, 당시 약 2,500만 개 데이터셋을 색인했다고 밝혔다(구글 블로그 발표 기준). 누구든 자기 웹페이지에 개방 표준으로 데이터셋을 기술하면 노출 후보가 된다는 것이 공식 입장이다.

최소 JSON-LD — name·description·distribution

구글 기준 필수 속성은 name과 description 두 개다. description은 50~5,000자여야 하고, 구글은 모든 텍스트 속성의 앞 5,000자까지만 사용한다. 파일 자체는 distribution 속성 아래 DataDownload 객체로 기술한다.

{
  "@context": "https://schema.org",
  "@type": "Dataset",
  "name": "aeo.io.kr AI 인용율 원장 2026 Q3",
  "description": "고정 질문 20문항을 4개 AI 엔진(ChatGPT·Perplexity·구글 AI 오버뷰·네이버 AI 브리핑)에 던져 인용 여부를 분기마다 기록하는 데이터셋. 판정 기준은 공개 방법론 v1.0을 따르며, 측정 전 셀은 '측정 예정(pending)'으로 표기된다.",
  "url": "https://aeo.io.kr/reports/aeo-citation-ledger-2026q3/",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "creator": { "@type": "Organization", "name": "BYTEFORCE" },
  "temporalCoverage": "2026-07/2026-09",
  "variableMeasured": "AI 답변 내 인용 여부(cited/mentioned/absent)",
  "distribution": [{
    "@type": "DataDownload",
    "encodingFormat": "text/csv",
    "contentUrl": "https://aeo.io.kr/data/citation-ledger-2026q3.csv"
  }]
}

위 예시는 이 사이트의 인용율 원장에 실제로 적용된 마크업이고, contentUrl의 CSV도 실제로 내려받을 수 있다 — 다만 1차 측정 전이라 상태 값은 전부 '측정 예정(pending)'이다(빈 칸을 숫자로 채우지 않는 원칙 그대로). license·creator·temporalCoverage(기간)·variableMeasured(측정 변수) 같은 권장 속성을 채울수록 데이터셋 검색의 필터(형식·무료 여부 등)에 걸릴 표면이 넓어진다. JSON-LD 문법이 처음이라면 JSON-LD가 왜 필요한가요?부터 보면 된다.

리포트·통계 발행자에게 주는 함의

효과는 두 갈래다. 첫째, 노출 경로가 하나 늘어난다. 데이터셋 검색은 일반 웹 검색과 별도의 발견 경로라서, "○○ 통계 데이터"를 찾는 연구자·기자·분석가에게 직접 닿는다. 둘째, 원 출처 귀속의 근거가 생긴다. 데이터의 이름·범위·발행 조직·라이선스가 기계가 읽는 형태로 명시된 페이지는, 그 수치를 재인용한 2차 페이지보다 "원점"으로 판별될 근거가 많다. AI가 이 마크업 덕분에 반드시 원 발행자를 집는다고 보장할 수는 없지만, 출처 판별에 쓸 신호를 늘리는 방향인 것은 분명하다.

이 사이트도 예외가 아니다. 분기마다 갱신할 인용율 원장 — 현재 1차 측정 전이라 전 셀이 '측정 예정' 상태로 공개돼 있다 — 이 정확히 Dataset 마크업의 적용 대상이고, 발행 조직 정보는 Organization 타입 마크업과 짝을 이룬다 — 코드 없이 넣는 방법은 비개발자는 스키마(JSON-LD)를 어떻게 넣나요?에서 다룬다.

주의할 점 하나. Dataset은 실제 데이터가 있을 때 쓰는 타입이다. 수치 몇 개를 언급한 글에 붙이면 마크업 과장이며, 그 경우엔 Article이나 FAQPage가 맞다.

다음 단계

스키마 전반의 우선순위는 지금(2026년) AI 검색에 통하는 구조화 데이터는 무엇인가요?에서 잡고, 공공데이터를 근거로 권위를 쌓는 법은 공공데이터로 인용 권위를 어떻게 만드나요?로 이어진다. 마크업이 실제 인용으로 이어지는지는 내 사이트의 AI 인용을 어떻게 측정하나요?로 확인하면 된다.