구조화된 데이터 최적화 전략

 

1. 서론: SEO를 넘어 GEO 시대로의 전환

검색 환경은 사용자가 입력한 키워드와 웹페이지 콘텐츠를 단순히 매칭하던 전통적인 SEO(검색 엔진 최적화) 시대를 지나, 대규모 언어 모델(LLM)이 사용자 의도를 깊이 이해하고 직접 답변을 생성하는 생성형 검색 경험(SGE)의 시대로 진입하고 있습니다. 이러한 변화의 중심에서 '구조화된 데이터 개선'은 더 이상 기술적 보완책이 아닌, 도서 플랫폼의 핵심 경쟁력을 좌우하는 전략적 과제로 부상했습니다. 명확하고 신뢰할 수 있는 데이터를 제공하는 웹사이트만이 미래 검색 환경에서 AI의 선택을 받을 수 있기 때문입니다.

 

본 교육 자료는 개발자와 마케터가 유기적으로 협업하여 다가오는 생성형 검색 엔진 최적화(GEO, Generative Engine Optimization) 시대에 확고한 우위를 점할 수 있도록 실질적인 지식과 전략을 제공하는 것을 목표로 합니다. 도서가 가진 상업적 속성과 지식 콘텐츠로서의 속성을 모두 표현하는 엔티티 모델링부터, 사용자의 구매 의도를 정확히 포착하는 판매자 리스팅 최적화, 그리고 외부 데이터베이스와 연결하여 권위를 쌓는 지식 그래프 연동에 이르기까지, 상세 페이지를 하나의 강력한 데이터 자산으로 구축하는 구체적인 방법론을 다룰 것입니다.

 

2. 왜 구조화된 데이터가 중요한가?

생성형 AI 시대에 구조화된 데이터는 웹사이트가 검색 엔진 및 AI 에이전트와 소통하는 가장 정교하고 효과적인 언어입니다. 단순히 검색 결과에 별점이나 가격을 표시하는 것을 넘어, 우리의 웹사이트가 검색 엔진 봇과 AI 에이전트 모두에게 '기계가 읽기 쉬우면서(Machine-Readable)' 동시에 '신뢰할 수 있는(Authoritative)' 정보원으로 인식되도록 만드는 것이 필수적입니다. 아래 핵심 용어들을 이해하는 것은 성공적인 GEO 전략의 첫걸음입니다.

• 시맨틱 웹 (Semantic Web): 웹페이지를 구성하는 객체(Entity)들의 속성과 관계를 기계가 이해할 수 있도록 만드는 개념입니다. 예를 들어, '이문열'이라는 텍스트가 단순한 문자열이 아니라 '소설 삼국지의 작가인 특정 인물'임을 이해하게 하는 기술적 기반입니다.
• 구조화된 데이터 (Structured Data): 웹페이지의 콘텐츠가 어떤 의미를 가지는지 검색 엔진에게 명확하게 알려주기 위해 표준화된 형식으로 정리한 데이터입니다. '이 책의 가격은 30,000원'이라는 정보를 price: 30000, priceCurrency: "KRW" 와 같이 기계가 즉시 해석할 수 있는 형태로 제공하는 것입니다.
• Schema.org: 구조화된 데이터를 작성할 때 사용하는 어휘(Vocabulary)의 표준입니다. '책(Book)', '사람(Person)', '가격(Offer)' 등 세상의 모든 개념을 정의하고, 각 개념이 어떤 속성을 가질 수 있는지 약속한 일종의 '데이터 사전'입니다.
• JSON-LD: 구글이 가장 권장하는 구조화된 데이터 구현 형식입니다. HTML 구조와 분리하여 <script> 태그 안에 데이터를 독립적으로 작성할 수 있어 유지보수가 용이하고 복잡한 데이터 구조를 표현하는 데 유리합니다.
• 생성형 검색 엔진 최적화 (GEO, Generative Engine Optimization): 생성형 AI가 사용자의 질문에 답변을 생성할 때, 자사의 콘텐츠가 신뢰할 수 있는 정보원으로 인용되고 추천되도록 최적화하는 모든 활동을 의미합니다.

결론적으로, 구조화된 데이터는 검색 결과에서 시각적 우위를 점하는 리치 결과(Rich Results) 노출의 필수 조건일 뿐만 아니라, AI가 생성하는 답변의 신뢰도(Trustworthiness)와 인용 가능성(Citability)을 결정하는 핵심 척도입니다. 이제 이 개념들을 바탕으로 도서 상세 페이지를 최적화하는 구체적인 전략을 살펴보겠습니다.

 

3. 전략 1: 도서 엔티티의 이중성 표현 (Product & Book Schema)

도서 상품은 '상거래 대상(Product)'이라는 속성과 '문화적 저작물(Book)'이라는 두 가지 정체성을 동시에 가집니다. 이 이중성을 기술적으로 어떻게 구현하느냐는 검색 엔진이 우리 페이지를 단순 판매 페이지로 볼 것인지, 아니면 권위 있는 정보원으로 인식할 것인지를 결정하는 첫 번째 갈림길입니다.

 

3.1. 스키마 모델 선택: 하이브리드 모델의 당위성

도서 상세 페이지의 스키마를 설계할 때 우리는 세 가지 모델을 고려할 수 있습니다. 최상위 엔티티를 Product로 설정하되, additionalType 속성을 활용하여 Book의 속성을 상속받는 등의 하이브리드 모델이 가장 진보된 전략입니다. 각 모델의 장단점을 비교하면 전문 온라인 서점이 나아가야 할 방향이 명확해집니다.

모델 구분	구조적 특징	장점	단점	권장 대상
Product 단일 모델	@type: "Product"	구글 머천트 리스팅 연동이 용이하고 구현이 간단합니다.	도서 고유의 속성(작가, 판본, 시리즈 등)을 표현하는 데 한계가 있습니다.	일반 잡화점 내 도서 코너
Book 단일 모델	@type: "Book"	서지 정보를 풍부하게 표현할 수 있어 지식 그래프 연동에 유리합니다.	가격, 배송, 반품 등 쇼핑 관련 리치 결과 노출이 제한될 가능성이 있습니다.	도서관, 리뷰 사이트, 출판사 소개 페이지
하이브리드 모델	최상위 엔티티 Product + Book 속성 내포	쇼핑 기능의 장점과 풍부한 서지 정보 표현의 장점을 모두 수용하여 상업적, 정보적 의도를 모두 만족시킵니다.	JSON-LD 구조의 복잡도가 증가하며, 속성 간 충돌이 없도록 정교한 설계가 필요합니다.	전문 온라인 서점 (권장)

 

하이브리드 모델은 GEO 관점에서 매우 강력한 전략입니다. 이 모델은 AI에게 "이 페이지는 즉시 구매 가능한 상품이면서, 동시에 해당 도서에 대한 깊이 있는 정보를 제공하는 권위 있는 지식 페이지"라는 명확한 신호를 보냅니다. 이는 사용자가 상품 추천을 원할 때뿐만 아니라, 책의 내용이나 작가에 대한 질문을 할 때에도 우리 페이지가 신뢰할 수 있는 인용 근거로 활용될 가능성을 극대화합니다.

 

 

3.2. 식별자 체계 정교화: 엔티티 권위 구축의 시작

엔티티를 명확하게 식별하는 것은 데이터의 신뢰도를 구축하는 첫 단추입니다. 전 세계의 데이터베이스와 우리 상품을 연결하는 핵심 열쇠인 식별자 체계를 정교하게 관리해야 합니다.

ISBN과 GTIN의 통합 관리

구글 머천트 센터와 검색 엔진은 GTIN(Global Trade Item Number)을 기준으로 상품을 식별하고 매칭합니다. 도서의 경우, 13자리 ISBN(ISBN-13)이 곧 GTIN-13과 동일한 역할을 합니다. 따라서 gtin 또는 isbn 속성에 반드시 13자리 ISBN을 제공해야 합니다. 과거에 사용되던 10자리 ISBN은 더 이상 권장되지 않으므로 반드시 13자리로 변환하여 사용해야 합니다. ISBN 정보가 누락되면 구글은 해당 도서 데이터의 노출을 제한할 수 있으며, 이는 AI가 특정 도서 엔티티와 우리 페이지를 확실하게 연결하는 결정적인 단서를 잃는 것과 같습니다.

@id (Node Identifier)의 중요성

@id 속성은 JSON-LD 내의 해당 엔티티에 고유한 URI(예: https://www.yoursite.com/book/12345#product)를 부여하여, 지식 그래프의 독립된 노드(Node)로 기능하게 합니다. 이 고유 ID가 페이지 로드 시마다 변하거나 존재하지 않는다면, 검색 엔진은 방문할 때마다 새로운 개체로 인식하여 엔티티 권위(Entity Authority)가 누적되지 않는 심각한 문제가 발생합니다. 안정적인 @id는 사이트 내 다른 페이지나 외부 사이트에서 이 특정 상품 엔티티를 명확하게 참조할 수 있게 하여, 웹의 지식 그래프에 우리 데이터를 더욱 깊숙이 편입시키는 역할을 합니다.

엔티티의 명확한 식별은 거래형 검색 의도를 포착하는 다음 단계의 기반이 됩니다.

 

4. 전략 2: 구매 의도 포착을 위한 판매자 리스팅(Merchant Listing) 최적화

구글은 Product Snippet과 Merchant Listing 경험을 구분합니다. 그 이유는 'Product Snippet'이 "이 책은 무슨 내용인가?"와 같은 정보 탐색 의도(Informational Intent)를 충족시키는 반면, 'Merchant Listing'은 "이 책을 어디서 가장 싸게 살 수 있는가?"와 같은 거래 의도(Transactional Intent)를 만족시키기 위함입니다. 우리의 목표는 단일 페이지에서 두 가지 의도를 모두 원활하게 충족시키는 데이터를 구조화하는 것입니다.

4.1. 가격 및 재고 정보의 정밀성

Offer 객체 내의 가격과 재고 정보는 가장 기본적이면서도 정확성이 생명인 속성들입니다.

• 가격 표기: price 속성에는 통화 기호 없이 숫자만 입력하고, priceCurrency 속성에는 반드시 ISO 4217 표준 통화 코드(예: KRW)를 명시해야 합니다.
• 재고 상태 세분화: '재고 있음'과 같은 단순 텍스트 대신, Schema.org에서 정의한 표준 URL 값(예: https://schema.org/InStock, https://schema.org/OutOfStock, https://schema.org/PreOrder)을 사용해야 합니다. 특히 예약 판매의 경우, PreOrder 상태와 함께 발송 시작 가능일인 availabilityStarts 속성을 명시하면 사용자의 구매 결정을 효과적으로 유도할 수 있습니다.
• 가격 유효 기간 명시: 할인가를 적용할 때는 priceValidUntil 속성을 사용하여 해당 가격의 유효 기간을 명시하는 것이 중요합니다. 이 정보는 "지금 할인 중인 책은?"과 같은 AI의 시의성 있는 질문에 우리 상품이 우선적으로 추천될 수 있는 결정적인 데이터가 됩니다.

4.2. 배송 및 반품 정책의 구조화

최근 구글은 shippingDetails와 merchantReturnPolicy 속성을 페이지 내 JSON-LD로 직접 구현할 것을 강력히 권장하고 있습니다. 배송료, 배송 기간, 무료 배송 기준 등을 상세히 마크업하면 사용자는 검색 결과 화면에서 총 구매 비용을 예측할 수 있습니다. 또한, '30일 이내 반품 가능'과 같은 정책 정보를 구조화하면 검색 결과에 반품 정책 배지가 노출되어 경쟁사 대비 높은 주목도를 확보하고 사용자의 신뢰를 얻을 수 있습니다. 이는 "내일 이 책을 받아보려면 총비용이 얼마인가요?"와 같은 AI의 질문에 우리 페이지의 데이터가 직접적인 답변 소스로 활용되게 합니다.

4.3. 로컬 인벤토리 연동 (오프라인 매장)

오프라인 서점을 함께 운영한다면, LocalBusiness 및 InStoreOnly 속성을 활용하여 온라인 상세 페이지에 오프라인 매장의 재고 정보를 연동할 수 있습니다. 온라인 주문 후 매장에서 수령하는 옵션이 있다면, pickupSLA 속성을 함께 마크업하여 픽업 가능 시간을 명시할 수 있습니다. 이는 "근처 서점에서 바로 살 수 있는 책"을 찾는 로컬 검색 사용자에게 우리 매장을 노출시키는 강력한 무기가 됩니다. GEO 관점에서 이는 "내 주변에서 이 책 재고 있는 곳 찾아줘"와 같은 AI의 위치 기반 질의에 최우선 추천 후보가 될 수 있는 핵심 근거를 마련하는 것입니다.

단순한 거래 정보를 넘어 도서가 가진 풍부한 서지 정보를 깊이 있게 다루는 것이 GEO 전략의 핵심입니다.

5. 전략 3: 지식 그래프 연결을 통한 권위 확보

도서 상품은 작가, 시리즈, 판본 등 풍부한 문맥 정보를 담고 있습니다. 이러한 정보를 정교하게 구조화하는 것은 단순 SEO를 넘어, AI가 우리 사이트를 해당 도서에 대한 '지식의 보고'로 인식하게 만드는 GEO 전략의 핵심입니다.

5.1. 기여자(Contributor) 정보의 엔티티화

작가 이름을 단순 텍스트로 처리하면 동명이인 문제를 해결할 수 없으며, 해당 인물에 대한 추가 정보를 제공하지 못합니다. 작가, 번역가 등의 정보를 Person 또는 Organization 엔티티로 확장하고, sameAs 속성을 사용하여 위키피디아, ISNI, VIAF 등 외부의 권위 있는 데이터 소스와 연결해야 합니다. 이 연결은 검색 엔진이 우리 페이지의 정보가 특정 인물에 대한 검증된 정보임을 확신하게 만들어 지식 패널 노출 확률을 높이고, AI가 "이문열 작가의 다른 작품은?"과 같은 질문에 답변할 때 우리 페이지의 신뢰도를 극대화합니다.

5.2. 시리즈 및 연관 도서의 구조화

도서가 시리즈물의 일부일 경우, BookSeries 타입을 활용하고 hasPart(시리즈가 포함하는 개별 도서)와 isPartOf(개별 도서가 속한 시리즈) 속성을 통해 도서 간의 관계를 명확히 해야 합니다.

GEO 인사이트: 대규모 언어 모델(LLM)은 명시적인 순서 데이터(position 속성 등)가 제공될 때 환각(Hallucination) 현상 없이 정확한 순서 정보를 제공할 수 있습니다. "해리포터 시리즈 순서대로 알려줘"와 같은 질문에 우리의 구조화된 데이터가 정답의 소스로 직접 활용될 수 있습니다.

5.3. 판본(Edition)과 포맷(Format)의 명확한 구분

동일한 작품이라도 양장본, 전자책 등 다양한 포맷으로 존재합니다. BookFormatType 속성을 사용하여 https://schema.org/Hardcover(양장본), https://schema.org/EBook(전자책) 등 표준화된 타입으로 명확히 구분해야 합니다. 만약 한 페이지에서 여러 포맷을 옵션으로 제공한다면, ProductGroup 스키마와 hasVariant 속성을 사용하여 이들이 하나의 작품에 속한 변형 상품임을 명시해야 합니다. 이는 사용자가 작품 자체를 검색할 때 구글이 이 페이지를 모든 포맷을 아우르는 단일 대표 페이지로 인식하게 하여, 여러 유사 페이지로 검색 권위가 분산되는 것을 막아줍니다.

데이터 구조화뿐만 아니라 페이지 내의 텍스트 콘텐츠 자체를 AI 친화적으로 만드는 방법을 다룰 차례입니다.

6. 전략 4: AI 답변 생성을 위한 콘텐츠 구조화

구글 SGE와 같은 생성형 검색 엔진은 리뷰나 상세 설명 같은 비정형 텍스트를 직접 분석하여 요약된 답변을 제공합니다. 따라서 텍스트 데이터 자체를 구조화하는 것은 AI의 콘텐츠 이해도를 높이는 데 결정적인 역할을 합니다.

6.1. 리뷰 데이터의 심층 구조화: 장단점 명시

단순한 별점(ratingValue)을 넘어, 리뷰 본문(reviewBody)을 포함하는 것은 기본입니다. 더 나아가 최신 구글 가이드라인은 positiveNotes(장점)와 negativeNotes(단점) 속성을 사용하여 리뷰의 핵심 내용을 명시적으로 마크업할 것을 권장합니다.

GEO 인사이트: positiveNotes와 negativeNotes로 구조화된 데이터는 AI가 "이 책에 대한 독자들의 장단점은?"과 같은 질문에 답변할 때, 복잡한 자연어 처리(NLP) 과정을 생략하고 데이터를 직접 추출할 수 있게 만듭니다. 이는 우리 사이트의 리뷰 데이터를 AI에게 가장 효율적이고 정확한 고품질 정보원으로 만들어 인용 가능성을 극대화합니다.

6.2. FAQPage 스키마의 전략적 활용

구글이 검색 결과에서 FAQ 리치 스니펫의 시각적 노출은 줄였지만, FAQPage 스키마의 전략적 가치는 여전히 유효합니다. AI는 이 스키마를 통해 콘텐츠의 질문-답변 구조를 명확히 이해하고, 답변 생성의 핵심 재료로 활용합니다. 특히 배송, 반품, 도서 상태 등 거래와 관련된 FAQ는 "이 서점에서 구매하면 반품은 어떻게 하나요?"와 같은 AI의 구체적인 질문에 대한 정확한 출처가 될 수 있습니다.

 

6.3. Speakable 스키마와 음성 검색 대비

AI 비서와 음성 검색의 사용이 증가함에 따라 speakable 스키마의 중요성이 커지고 있습니다. 도서의 핵심 줄거리나 작가 소개처럼 음성으로 전달하기 적합한 부분에 이 속성을 적용하면, 구글 어시스턴트와 같은 AI 비서가 사용자에게 정보를 음성으로 읽어줄 때 우리 콘텐츠를 우선적으로 선택할 확률이 높아집니다.

지금까지 논의한 모든 전략을 실제로 웹사이트에 구현하고 검증하는 기술적인 방법을 설명할 차례입니다.

 

7. 기술 구현 및 검증 가이드

아무리 훌륭한 전략이라도 기술적 구현의 무결성이 뒷받침되지 않으면 무용지물입니다. 데이터의 정확성과 동기화를 보장하기 위한 핵심 기술 요건들을 반드시 준수해야 합니다.

7.1. JSON-LD 동적 렌더링 아키텍처

구글이 가장 권장하는 JSON-LD 포맷은 HTML 구조와 분리되어 유지보수가 용이합니다. 특히 가격, 재고처럼 실시간으로 변하는 데이터는 정적으로 관리해서는 안 됩니다. 서버 사이드 렌더링(SSR) 시점에 최신 데이터베이스 정보를 조회하여 JSON-LD를 동적으로 생성하고 페이지에 주입하는 아키텍처가 필수적입니다. 만약 페이지에 표시된 가격과 JSON-LD 내의 가격이 다를 경우, 구글은 이를 '가격 불일치(Price Mismatch)'로 간주하여 심각한 페널티를 부과할 수 있습니다.

7.2. 구글 머천트 센터(GMC) 피드와의 동기화

페이지 내 구조화된 데이터는 구글 머천트 센터(GMC)에 제출하는 제품 피드 데이터와 완벽하게 일치해야 합니다. 구조화된 데이터가 정확하면, 피드 정보가 일시적으로 갱신되지 않았더라도 구글이 웹페이지를 크롤링하여 가격과 재고를 자동으로 업데이트해주는 '자동 아이템 업데이트' 기능이 활성화되어 광고 중단을 막는 중요한 안전장치 역할을 합니다.

7.3. 검증 및 지속적인 유지보수

구현 후에는 반드시 아래 두 가지 도구를 사용하여 교차 검증을 수행해야 합니다.

도구	목적	주요 확인 사항
Google Rich Results Test	구글 검색 기능(리치 결과) 노출 여부 확인	필수 속성 누락, 구글 파싱 오류, 검색 결과 미리보기
Schema Markup Validator	Schema.org 표준 문법 준수 여부 확인	논리적 구조 오류, 표준 외 속성 사용 여부

 

또한, 구글 서치 콘솔(GSC)의 '판매자 리스팅' 및 '제품 스니펫' 보고서를 주기적으로 모니터링하여 '경고(Warning)'와 '유효하지 않음(Invalid)'으로 표시된 항목들을 지속적으로 해결해 나가야 합니다.

이제 모든 전략과 기술적 구현을 종합하여 최종 결론을 내릴 시간입니다.

8. 결론: GEO 시대의 성공을 위한 전략적 자산 구축

지금까지 살펴본 바와 같이, 도서 이커머스 상세 페이지의 구조화된 데이터 최적화는 단순한 SEO 기술 과제를 넘어, 다가오는 GEO 시대를 대비하는 '전략적 자산 구축' 과정입니다. 이는 우리의 웹사이트를 단순한 판매처가 아닌, AI와 사용자 모두에게 신뢰받는 지식 플랫폼으로 격상시키는 핵심적인 활동입니다.

본 가이드에서 제시된 핵심 성공 전략은 다음과 같습니다.

• 하이브리드 모델링: Product와 Book 스키마의 정교한 융합을 통해 상업적 가치와 정보적 가치를 모두 극대화합니다.
• 판매자 리스팅 최적화: 가격, 재고, 배송, 반품 등 거래 의도를 충족시키는 모든 속성을 완벽하게 구현합니다.
• 엔티티 중심 설계: 식별자를 명확히 하고 외부 지식 그래프와 연동하여 데이터의 권위를 구축합니다.
• AI 친화적 콘텐츠: 리뷰, FAQ 등 텍스트 콘텐츠를 구조화하여 AI의 답변 생성을 직접적으로 돕습니다.

 

AI와 검색 엔진은 명확하고 구조화된 데이터를 선호합니다. 오늘 논의된 전략들을 단계적으로 실행에 옮기는 것은 미래 검색 환경에서 독보적인 경쟁력을 확보하고 지속 가능한 성장을 이끄는 가장 확실한 길이 될 것입니다.

 

도서 상세 페이지용 최적화된 JSON-LD 코드 예시

하이브리드 모델, 판매자 리스팅 필수 속성, GEO 최적화 요소(sameAs, speakable 등)를 모두 포함한 포괄적인 예시

<script type="application/ld+json">
{
  "@context": "https://schema.org",  
    {
      "@type": "BreadcrumbList",
      "@id": "https://www.example.com/books/isbn-9791168473690#breadcrumb",
      "itemListElement": [
        { "@type": "ListItem", "position": 1, "name": "홈", "item": "https://www.example.com" },
        { "@type": "ListItem", "position": 2, "name": "도서", "item": "https://www.example.com/books" },
        { "@type": "ListItem", "position": 3, "name": "경제/경영", "item": "https://www.example.com/books/business" }
      ]
    },
    {
      "@type":["Book", "Product"],
      "@id": "https://www.example.com/books/isbn-9791168473690#product",
      "name": "트렌드 코리아 2025",
      "description": "2025년 대한민국 소비 트렌드를 전망하는 김난도 교수의 대표적인 트렌드 분석서. 뱀의 해를 맞아 옴니보어 소비자를 집중 분석한다.",
      "image": [
        "https://www.example.com/images/trend2025-front.jpg",
        "https://www.example.com/images/trend2025-3d.glb"
      ],
      "sku": "BIZ-2025-001",
      "gtin13": "9791168473690",
      "isbn": "979-11-6847-369-0",
      "bookFormat": "https://schema.org/Hardcover",
      "numberOfPages": 450,
      "inLanguage": "ko",
      "datePublished": "2024-10-05",
      "author": [
        {
          "@type": "Person",
          "name": "김난도",
          "sameAs": [
            "https://ko.wikipedia.org/wiki/김난도",
            "https://isni.org/isni/0000000460481234"
          ]
        },
        {
          "@type": "Person",
          "name": "전미영"
        }
      ],
      "publisher": {
        "@type": "Organization",
        "name": "미래의창",
        "sameAs": "http://www.miraebook.co.kr"
      },
      "workExample": {
        "@type": "Book",
        "isbn": "979-11-6847-369-0",
        "bookEdition": "초판",
        "bookFormat": "https://schema.org/Hardcover"
      },
      "brand": {
        "@type": "Brand",
        "name": "미래의창"
      },
      "aggregateRating": {
        "@type": "AggregateRating",
        "ratingValue": "4.7",
        "reviewCount": "342",
        "bestRating": "5",
        "worstRating": "1"
      },
      "review": {
        "@type": "Review",
        "author": { "@type": "Person", "name": "독서왕" },
        "datePublished": "2024-10-10",
        "reviewRating": { "@type": "Rating", "ratingValue": "5" },
        "reviewBody": "매년 챙겨보는 책입니다. 올해 분석도 날카롭네요.",
        "positiveNotes": {
          "@type": "ItemList",
          "itemListElement": [
            { "@type": "ListItem", "position": 1, "name": "트렌드 분석이 명확함" },
            { "@type": "ListItem", "position": 2, "name": "실무 적용 가능성 높음" }
          ]
        }
      },
      "offers": {
        "@type": "Offer",
        "url": "https://www.example.com/books/isbn-9791168473690",
        "priceCurrency": "KRW",
        "price": "19000",
        "priceValidUntil": "2025-12-31",
        "itemCondition": "https://schema.org/NewCondition",
        "availability": "https://schema.org/InStock",
        "hasMerchantReturnPolicy": {
          "@type": "MerchantReturnPolicy",
          "applicableCountry": "KR",
          "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
          "merchantReturnDays": 15,
          "returnMethod": "https://schema.org/ReturnByMail",
          "returnFees": "https://schema.org/FreeReturn"
        },
        "shippingDetails": {
          "@type": "OfferShippingDetails",
          "shippingRate": {
            "@type": "MonetaryAmount",
            "value": 0,
            "currency": "KRW"
          },
          "deliveryTime": {
            "@type": "ShippingDeliveryTime",
            "handlingTime": {
              "@type": "QuantitativeValue",
              "minValue": 0,
              "maxValue": 1,
              "unitCode": "d"
            },
            "transitTime": {
              "@type": "QuantitativeValue",
              "minValue": 1,
              "maxValue": 2,
              "unitCode": "d"
            }
          }
        },
        "seller": {
          "@type": "Organization",
          "name": "예스24",
          "sameAs": "https://www.yes24.com"
        }
      }
    }
  ]
}
</script>