엔티티(Entity)는 사람, 장소, 조직, 제품처럼 검색엔진이 문자열이 아니라 하나의 실체로 식별해 다루는 대상이다. 이름이 달라도 같은 대상이면 하나로 묶고, 이름이 같아도 다른 대상이면 갈라놓는 것이 엔티티의 기능이다.
한국어에서 엔티티는 데이터베이스 설계 단위, HTML 문자 참조, 챗봇의 의도 인식 단위를 가리키기도 한다. 이 문서는 검색엔진과 AI 검색이 다루는 엔티티를 설명한다.
검색이 단어 대조에서 의미 이해로 넘어간 지점이 엔티티다. AI 검색이 브랜드를 알아보는 단위도 키워드가 아니라 엔티티다.
키워드는 사용자가 입력한 글자이고, 엔티티는 그 글자가 가리키는 대상이다. 같은 글자가 여러 대상을 가리킬 수 있기 때문에 둘은 일대일로 대응하지 않는다.
구글은 2012년 지식 그래프를 공개하면서 이 전환을 “문자열이 아니라 실체(things, not strings)“라는 말로 요약했다. 당시 발표에 따르면 지식 그래프는 객체 5억 개 이상과 그 객체들 사이의 사실 및 관계 35억 개 이상을 담고 있었다 (Google, Introducing the Knowledge Graph: things, not strings).
같은 발표가 든 예가 타지마할이다. 검색어 “Taj Mahal”이 인도의 건축물인지 블루스 뮤지션인지를 구분하는 것이 엔티티가 하는 일이다.
| 구분 | 키워드 | 엔티티 |
|---|---|---|
| 정체 | 사용자가 입력한 글자 | 글자가 가리키는 대상 |
| 개수 | 표기마다 별개 | 표기가 달라도 하나 |
| 동음이의 | 구분하지 못함 | 다른 대상으로 분리 |
| 저장 위치 | 색인의 단어 목록 | 지식 그래프의 노드 |
| 관계 | 없음 | 다른 엔티티와 연결 |
이 표의 세 번째 줄이 실제로 어떻게 작동하는지는 ‘엔티티’라는 단어 자체가 보여준다.
2026년 8월 22일 구글 한국어 검색에서 ‘엔티티’를 조회한 결과, 1페이지 8건 중 검색 분야의 엔티티를 다룬 문서는 2건뿐이었다. 나머지 6건은 데이터베이스 설계, HTML 문자 참조, 챗봇 의도 인식, 게임 용어를 설명했다.
같은 글자에 최소 다섯 개의 서로 다른 대상이 붙어 있다는 뜻이다. 키워드만 세는 방식으로는 이 여섯 건과 두 건을 구분할 방법이 없다.
지식 그래프라는 별도의 데이터베이스에 대상을 등록하고, 웹에서 모은 사실을 그 대상에 붙이는 방식이다.
구글은 지식 그래프를 “인물, 장소, 사물에 관한 수많은 사실이 저장된 데이터베이스”로 정의하고, 그 덕분에 “에펠탑의 높이는?” 같은 사실 질문에 답할 수 있다고 설명한다 (구글, Google 지식 그래프의 작동 방식).
정보가 들어오는 경로는 세 가지다.
등록된 엔티티에는 고유 식별자가 붙는다. 구글의 지식 그래프 검색 API는 이 식별자를 g.co/kg로 시작하는 값으로 돌려주고, 응답 형식은 schema.org 유형과 JSON-LD 규격을 따른다 (구글, Google 지식 그래프 검색 API).
식별자가 붙는다는 것이 핵심이다. 표기가 ‘서치폴라리스’든 ‘Search Polaris’든 같은 식별자에 묶이면 검색엔진에게는 하나의 대상이다.
구글이 참조하는 schema.org의 분류를 따르면, 모든 엔티티는 가장 일반적인 유형인 Thing 아래 열한 개의 하위 유형으로 갈라진다 (schema.org, Thing).
| 유형 | 가리키는 대상 | 마케팅에서 자주 쓰는 예 |
|---|---|---|
| Organization | 조직과 기업 | 회사, 브랜드, 기관 |
| Person | 사람 | 대표, 저자, 전문가 |
| Place | 장소 | 매장, 지점, 사옥 |
| Product | 제품 | 상품, 소프트웨어 |
| Event | 사건과 행사 | 세미나, 출시일 |
| CreativeWork | 창작물 | 문서, 영상, 강의 |
| Intangible | 형태 없는 대상 | 서비스, 등급, 가격 |
나머지 네 유형인 Action, BioChemEntity, MedicalEntity, Taxon은 각각 행위와 생화학 물질, 의학 개념, 생물 분류군을 다룬다.
브랜드가 가장 먼저 챙길 유형은 Organization이다. 회사가 엔티티로 인식되지 않으면 그 아래 딸린 제품과 사람도 묶일 자리가 없다.
AI 검색은 페이지 순위를 보여주는 대신 답을 만들어 주므로, 브랜드가 답변 안에 등장하려면 먼저 검색엔진이 그 브랜드를 하나의 대상으로 알고 있어야 하기 때문이다.
Ahrefs가 브랜드 75,000개를 분석한 결과, AI 개요 노출과 가장 강하게 연결된 요소는 자사 사이트 지표가 아니라 웹 전반에서 브랜드 이름이 언급된 양이었다. 브랜드 웹 언급의 상관계수는 0.664로 백링크의 0.218을 크게 앞섰다 (Ahrefs, An Analysis of AI Overview Brand Visibility Factors).
링크 없이 이름만 등장한 언급이 링크보다 강하게 움직였다는 것은, 검색엔진이 세는 단위가 링크가 아니라 대상이라는 뜻이다.
질문이 갈라지는 방식도 엔티티를 요구한다. 구글은 AI 개요와 AI 모드가 “여러 개의 관련 검색어를 실행하는 검색 확장 기법”으로 답을 만든다고 설명한다 (구글 검색 센터, AI 기능 및 웹사이트).
갈라진 하위 질의마다 다른 표기가 쓰이므로, 표기가 하나의 엔티티로 묶여 있지 않으면 어느 갈래에서도 온전히 잡히지 않는다. 이 구조는 쿼리 팬아웃에 정리했다.
웹에 흩어진 정보를 하나의 대상으로 묶일 만큼 충분하고 일관되게 만들어야 한다.
구글은 지식 패널이 “공개된 인터넷에서 충분한 정보를 가져올 수 있는 경우 검색 알고리즘에 의해 자동으로 생성된다”고 밝힌다. 신청해서 만드는 것이 아니라 정보량이 임계에 닿으면 생기는 구조다.
sameAs에 공식 채널 주소를 나열한다. 구글은 조직 스키마 예시에서 sameAs를 배열로 여러 프로필을 잇는 방식을 보여준다 (구글 검색 센터, 조직 스키마 마크업).구조화된 데이터는 그 자체로도 성과가 확인된 방식이다. 구글은 로튼 토마토가 개별 페이지 100,000개에 구조화된 데이터를 추가해 해당 페이지의 클릭률을 그렇지 않은 페이지보다 25% 높였다고 소개한다 (구글 검색 센터, 구조화된 데이터 마크업 소개).
문서 하나를 인용되게 만드는 작업은 인용 최적화에, 그 결과를 세는 방법은 AI 가시성에 정리했다. 엔티티 정비를 SEO와 GEO 전반에 어떻게 얹는지는 각 문서에서 다룬다.
정착된 번역어가 없어 대개 ‘엔티티’로 음차하고, 문맥에 따라 ‘개체’나 ‘실체’로 옮긴다. 국내 표기는 ‘엔티티’와 ‘엔터티’가 함께 쓰이는데, 데이터베이스 분야에서는 ‘엔터티’가, 검색과 마케팅 분야에서는 ‘엔티티’가 더 흔하다.
구글 한국어 문서는 지식 그래프 맥락에서 ‘항목’이라는 표현을 쓴다 (구글, Google 지식 그래프 검색 API).
다른 말이다. 데이터베이스의 엔터티는 테이블로 구현할 데이터 묶음을 설계할 때 쓰는 모델링 단위이고, 검색의 엔티티는 실제 세상에 존재하는 대상 하나를 가리킨다.
둘 다 ‘구분되는 대상’이라는 어원을 공유하지만 다루는 층이 다르다. 데이터베이스 쪽은 스키마를 설계하는 사람의 개념이고, 검색 쪽은 검색엔진이 세상을 인식하는 단위다.
서치폴라리스가 AI 검색 가시성을 진단하고 GEO 실행까지 대행합니다.