소비자와 바이어는 AI에게 무엇을 묻는가?
가전·전자제품 카테고리의 AI 질문은 크게 세 유형입니다. ①선택형——「가성비 좋은 공기청정기 추천」 ②비교형——「A 모델과 B 모델 차이」 ③조건형——「원룸에 적합한 용량의 세탁기」. 이 질문들은 query fan-out으로 스펙·가격·리뷰·비교 하위 쿼리로 분해됩니다(쿼리 팬아웃). 소비자용 질문이 중심이지만, 「납품 가능한 제조사」 류의 B2B 바이어 질문도 같은 원리로 작동합니다.
어떤 정보가 신뢰 신호가 되는가?
- 측정 가능한 스펙: 「강력한 흡입력」이 아니라 「흡입력 210AW, 배터리 60분」 같은 수치. 그라운딩은 형용사를 걸러 냅니다.
- 인증·규격 정보: KC·CE·FCC 같은 안전 인증, 에너지 효율 등급——대조 가능한 사실이므로 교차 검증의 재료가 됩니다.
- Product 구조화 데이터: 제품명·가격·재고·평점을 JSON-LD로, 본문과 한 글자까지 일치하게(구조화 데이터).
- 리뷰의 양과 신선도: 평점 데이터는 상품 그라운딩의 1차 재료입니다(리뷰 관리).
답변 블록은 어떻게 쓰는가?
제품 페이지를 「이 제품은 ~한 사람을 위한 제품이다」라는 40~80단어의 직접 답변으로 시작하고, 스펙 표·자사 라인업 비교 표·사용 조건을 본문에 배치합니다. 「자사 라인업 비교」「경쟁 카테고리 대비 스펙 표」 같은 비교 콘텐츠는 팬아웃된 비교 쿼리의 직접 대응 자산입니다. 모든 주장에는 측정 조건이나 출처를 붙이세요——검증 가능한 문장만 인용 후보가 됩니다(답변 엔지니어링).
소스 그래프는 어디에 있는가?
가전 카테고리의 인용 재고를 조사하면 「최고의 X」 류 답변의 인용은 전문 리뷰 매체·비교 기사에 집중되어 있고, 가격·재고의 그라운딩 재료는 마켓플레이스에서 나옵니다. 한국 시장에서는 쿠팡·네이버쇼핑의 상품 정보가 교차 검증 소스로 기능하므로, 자사몰(1차 소스)과 마켓플레이스(검증 소스)의 상품명·스펙·가격 표기를 일치시키는 것이 선행 과제입니다(이커머스 GEO, 소스 그래프).
흔한 함정은 무엇인가?
첫째, 채널별 가격·스펙 불일치——자사몰과 마켓플레이스의 정보가 다르면 그라운딩 단계에서 탈락합니다. 둘째, 이미지·영상 중심 상품 페이지——텍스트로 서술되지 않은 스펙은 기계가 읽을 수 없습니다. 셋째, 신제품 출시 시 구형 정보 방치——단종 모델의 가격 페이지가 남아 있으면 불일치의 한쪽이 됩니다. 효과는 「추천·비교」 류 고정 질문 세트의 월간 실측으로 검증하세요(측정 SOP).