Ask Maps 출시: 내 리스팅의 위치 속성이 Gemini 추천을 결정하는 이유

2026년 3월 12일, Google이 Maps 최초 출시 이후 로컬 검색 역사상 가장 큰 변화를 내놨다. Ask Maps는 Google Maps에 직접 내장된 Gemini 기반 대화형 AI 레이어로, 미국과 인도 Android/iOS에서 정식 오픈했다. 기존 Q&A 기능을 완전히 갈아엎었다. 장소를 나열하는 게 아니라 추론하는 자연어 인터페이스다.

사람들이 이제는 '카페 강남'이라고 안 친다. '근처에 와이파이 빠르고 야외 테라스 있고 크루아상 맛있는 카페, 아침 7시 전에 여는 곳'이라고 물어본다. Ask Maps는 3억 개 넘는 장소 데이터베이스에서 각 리스팅의 구조화된 데이터를 읽어서 속성과 쿼리를 대조하고, 엄선된 추천 목록을 내놓는다. 파란 링크 10개가 아니라, 직접적인 대화형 답변.

이게 로컬 비즈니스가 발견되는 방식을 완전히 바꾼다. 그리고 위치 데이터가 풍부한 비즈니스가 선택받고 있다.

Ask Maps가 실제로 작동하는 방식

기존 Google Maps 검색은 세 가지 축으로 돌아간다. 근접성, 리뷰, 키워드 관련성. Ask Maps는 네 번째를 추가했다. 속성 매칭. 이게 게임을 바꾸는 부분이다.

'몽마르트르 근처에 조용한 중정과 지하철 접근성 좋은 부티크 호텔'이라고 물어보면, Ask Maps는 반경 내 호텔을 단순 필터링하는 게 아니라 쿼리를 구조화된 의도로 분해한다.

• 엔티티 타입: 호텔 (부티크)
• 지리적 앵커: 파리 몽마르트르 동네
• 편의시설 조건: 조용한 중정
• 교통 조건: 지하철 접근성 우수

그리고 각 후보 리스팅 데이터를 스캔해서 각 조건을 확인하거나 부정할 수 있는 검증 가능한 신호를 찾는다. '파리 중심부에 위치'라고만 쓴 호텔은 Ask Maps에 아무 정보도 못 준다. 'Abbesses역(12호선) 180m, 몽마르트르 지구 Rue Lepic, 도로 소음 차단된 내부 중정'이라고 쓴 호텔은 필요한 걸 다 준다.

Google 로컬 검색팀 내부 테스트에 따르면, 완전한 속성 데이터가 있는 리스팅은 리뷰 점수는 비슷하지만 속성이 불완전한 리스팅보다 Ask Maps 결과에 3.2배 더 많이 노출됐다. 결론은 명확하다. 대화형 쿼리에서 데이터 완성도가 리뷰 수량을 이겼다.

'얇은 위치 데이터'가 현실에서 뭘 의미하는지

내 리스팅 데이터는 괜찮다고 생각하는 비즈니스가 많다. 영업시간, 사진, 리뷰 다 있는 Google 비즈니스 프로필에 웹사이트 푸터에 주소도 있다. 키워드 기반 Maps 검색엔 그걸로 충분했다. Ask Maps엔 아니다.

얇은 위치 데이터는 리스팅이 '당신이 뭔가요?'에는 답하지만 '당신 주변은 어떤가요?'에는 못 답하는 상태다. 구체적으로 뭐가 빠져 있냐면:

동네 맥락. 리스팅이 '바르셀로나'라고 하지만 '보른 지구, Santa Maria del Mar에서 200m'라고 안 한다. Ask Maps가 '보른 레스토랑'이나 '고딕 지구 근처 호텔' 쿼리와 매칭하려면 동네 수준의 세밀함이 필요하다.

교통 접근성. 주소는 있는데 가장 가까운 지하철역, 버스 정류장, 전차 노선이랑 도보 거리 데이터가 없다. 여행자가 '대중교통 편리한 호텔'을 찾아도 네 리스팅은 매칭 근거가 없다.

주변 POI 참조. 리스팅이 고립돼 있다. 주변에 뭐가 있는지 구조화된 데이터가 없다. 해변, 공원, 박물관, 쇼핑 거리, 병원, 공항. Ask Maps는 랜드마크나 주변 명소를 참조하는 쿼리와 네 리스팅을 매칭 못 한다.

구체적인 편의시설 속성. Google 비즈니스 프로필에 'WiFi: 있음'은 있는데 속도 정보가 없다. 스키마 마크업에 '수영장'은 있는데 실내/야외/온수/계절 운영 여부가 없다. Ask Maps는 구체성을 다룰 수 있다. 쿼리와 같은 수준의 구체성으로 매칭되는 리스팅이 이긴다.

거리 데이터. '해변 근처'는 측정 불가다. 'Barceloneta 해변에서 340m, 도보 6분'은 Ask Maps에 검증 가능한 거리를 제공한다.

Ask Maps가 가장 높게 평가하는 5가지 지리 속성

출시 이후 Ask Maps 결과의 쿼리 패턴 분석과 관찰 가능한 랭킹 동작을 기반으로, 속성 매칭에서 가장 높은 비중을 차지하는 위치 데이터 카테고리 5가지다.

1. 교통 정류장 거리 (도보 시간 포함)

Ask Maps는 교통 관련 쿼리를 엄청나게 많이 처리한다. '역 근처', '교통 편리', '차 없이 다니기 좋음'은 대화형 장소 쿼리에서 가장 자주 쓰이는 조건이다. 가장 가까운 정류장의 이름, 노선, 도보 거리를 구조화 데이터로 명시한 리스팅이 측정 가능한 우위를 갖는다.

포함할 내용: 가장 가까운 지하철역 이름, 노선 번호, 미터와 분 단위 도보 거리. 버스 정류장이나 전차 정류장도 필요하면 추가. 예시: '폰타나역(L3), 도보 4분(320m).'

2. 동네 및 지구 식별

Ask Maps는 동네를 공간적 단위로 이해한다. '크로이츠베르크 레스토랑'이나 '마레 지구 호텔' 같은 쿼리는 도시 수준 주소가 아니라 명시적인 동네 연결이 있는 리스팅과 매칭된다.

포함할 내용: 동네나 지구 이름, 유명 하위 지역과의 관계. containedInPlace 스키마를 쓰고 비즈니스 설명에 동네 이름을 넣어라.

3. 근처 랜드마크 및 POI까지의 거리

관광·숙박 쿼리에서 랜드마크 거리는 핵심 매칭 신호다. '콜로세움 근처 호텔', '센트럴파크 근처 아파트', '에펠탑 걸어갈 수 있는 레스토랑'. 주요 POI까지의 검증된 거리를 심어놓으면 Ask Maps가 구체적인 숫자로 대조할 수 있다.

포함할 내용: 가장 관련 있는 주변 5~10개 POI까지의 도보 거리(미터와 분). 관광지, 해변, 공원, 쇼핑 구역, 병원, 공항.

4. 편의시설 구체성과 완성도

Ask Maps는 '수영장 있음'과 '연중 운영되는 온수 야외 수영장 있음'을 구별한다. 편의시설 데이터가 구체적이고 망라적일수록 매칭할 수 있는 쿼리가 늘어난다. 편의시설 데이터는 산문 설명에 파묻지 말고 amenityFeature 스키마 배열로 구조화해야 한다.

포함할 내용: 검색 가능한 모든 편의시설과 세부 사항. '주차장'이 아니라 '무료 현장 주차, 2대 가능'. 'WiFi'가 아니라 '무료 WiFi, 200Mbps'. '레스토랑'이 아니라 '자체 레스토랑, 아침 7:00-10:30, 저녁 18:00-22:00'.

5. 지역 밀도 신호

Ask Maps는 주변 지역의 밀도와 특성도 평가한다. 레스토랑이 밀집한 지역에 있는 리스팅은 '식당 많은 곳' 쿼리에 대한 신뢰도가 높아진다. 조용한 주거 지역에 있는 리스팅은 '관광객 없는 조용한 곳'에 매칭된다. 이런 밀도 신호는 수동으로 만들기 어렵지만 지리 데이터 API가 정확하게 생성한다.

포함할 내용: 데이터로 뒷받침된 주변 지역 특성 묘사. 레스토랑 밀도, 나이트라이프 집중도, 녹지 접근성, 상업/주거 비율.

비교: GeoEnrich 데이터 유무에 따른 호텔 리스팅

리스본 알파마 지구의 부티크 호텔로 실제 시나리오를 보자.

이전: 얇은 리스팅 데이터

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "Casa do Alfama",
  "description": "리스본 중심부의 매력적인 부티크 호텔.",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Rua de São Miguel 15",
    "addressLocality": "Lisbon",
    "postalCode": "1100-544",
    "addressCountry": "PT"
  },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "WiFi", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true }
  ]
}

이 리스팅은 '리스본 호텔' 쿼리에는 매칭된다. 하지만 '파두 박물관 근처 알파마 조용한 호텔, 28번 트램 접근 좋음'에는 매칭 안 된다. 실제로 그런 곳이어도 마찬가지다.

이후: GeoEnrich 데이터로 강화

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "Casa do Alfama",
  "description": "리스본에서 가장 오래된 지구인 알파마의 부티크 호텔. 파두 박물관에서 150m, 28번 트램 정류장(Largo das Portas do Sol)에서 90m, Santa Apolónia 지하철·기차역까지 도보 5분. 프라이빗 중정을 향한 조용한 내부 객실. 테주강 전망의 루프탑 테라스.",
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 38.71120,
    "longitude": -9.12870
  },
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Rua de São Miguel 15",
    "addressLocality": "Lisbon",
    "postalCode": "1100-544",
    "addressCountry": "PT"
  },
  "containedInPlace": {
    "@type": "Place",
    "name": "Alfama",
    "address": {
      "@type": "PostalAddress",
      "addressLocality": "Lisbon",
      "addressCountry": "PT"
    }
  },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "Free WiFi", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Rooftop Terrace", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "River View Rooms", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Quiet Interior Courtyard", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Daily Breakfast", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Luggage Storage", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "24-Hour Reception", "value": true }
  ],
  "hasMap": "https://maps.google.com/?cid=YOUR_CID"
}

이 강화된 리스팅은 '알파마 조용한 호텔', '파두 박물관 근처 호텔', '28번 트램 근처 호텔', '리스본 강뷰 부티크 호텔', 'Santa Apolónia역 근처 호텔'에 다 매칭된다. 1개 쿼리에서 수백 개 쿼리로 커버리지가 넓어진 거다.

오늘 내 리스팅 데이터를 진단하는 방법

새 데이터 추가 전에 현재 상태를 먼저 측정해라. MapAtlas AEO Checker에 리스팅 URL을 넣으면 AI 시스템들이 실제로 쓰는 구조화 데이터 신호를 평가해 준다. 대부분의 비즈니스에서 공통으로 발견되는 문제들:

1. 좌표 정보 없음. 스키마에 geo 블록이 없거나 GBP 핀 위치와 좌표가 안 맞음.
2. 동네 연결 없음. 시 수준 주소만 있고 containedInPlace나 동네 참조 없음.
3. 편의시설 배열이 비어 있거나 최소. 구체적인 목록 대신 2-3개 일반 편의시설만 있음.
4. 거리 데이터 없음. 주변 POI, 교통 정류장, 랜드마크에 대한 구조화된 참조가 전혀 없음.
5. 설명과 스키마 불일치. 웹사이트 글에는 주변 명소 얘기가 있는데 Ask Maps가 파싱할 수 있는 구조화 마크업엔 없음.

AEO Checker가 이 갭들을 각각 플래그로 표시하고 리스팅의 AI 가시성을 0-100으로 점수 매긴다. 2026년 3월에 스캔된 14,000개 이상의 리스팅 중앙값 점수가 34점이었다. 개선 여지가 충분하다.

MapAtlas API로 구현하는 단계

데이터 갭을 채우는 구체적인 워크플로우다.

1단계: GeoEnrich로 위치 컨텍스트 생성

GeoEnrich API에 좌표를 넣으면 구조화된 위치 컨텍스트를 돌려준다. 동네 이름, 카테고리와 도보 거리 포함 주변 POI, 노선 정보 포함 교통 정류장, 지역 밀도 특성, 랜드마크 거리. API 한 번 호출로 수작업이면 몇 시간 걸릴 데이터가 나온다.

curl -X GET "https://api.mapatlas.com/v1/geoenrich?lat=38.7112&lng=-9.1287&radius=500" \
  -H "Authorization: Bearer YOUR_API_KEY"

응답에 각 주변 POI, 교통 정류장, 랜드마크의 구조화 객체가 포함된다. Schema.org 마크업에 바로 넣을 수 있게 사전 포맷팅되어 있다.

2단계: 스키마 마크업 구축

GeoEnrich 출력으로 완전한 LocalBusiness, Hotel, Restaurant, VacationRental 스키마 블록을 만든다. 포함할 것들:

• geo: 소수점 5자리 이상의 정밀 좌표
• containedInPlace: GeoEnrich에서 가져온 동네 이름
• 구체적인 속성이 있는 완전한 amenityFeature 배열
• 검증된 거리와 랜드마크 참조가 담긴 description
• sameAs: GBP, SNS 프로필, 디렉터리 리스팅 링크
• hasMap: Google Maps 리스팅 링크

3단계: Google 비즈니스 프로필 업데이트

GBP에 구조화 데이터를 반영한다:

• 카테고리에서 가능한 구체적인 편의시설 속성 추가
• 같은 거리 데이터를 비즈니스 설명에 업데이트
• 핀 위치가 스키마 좌표와 정확히 일치하는지 확인
• 해당 시장에서 Google이 허용하면 주소에 동네나 지구 추가

4단계: 모니터링 및 반복

Ask Maps는 살아있는 시스템이다. Google이 기반 모델을 정기적으로 업데이트하고, 다른 비즈니스들이 최적화하면서 경쟁 환경도 바뀐다. AEO Checker로 매달 점수를 추적해라. 주변에 새 POI가 생기면(새 지하철역, 새 랜드마크, 새 핫플) GeoEnrich를 다시 돌리고 스키마를 업데이트해라.

5단계: 전체 포트폴리오로 확장

여러 리스팅을 관리한다면(호텔 체인, 식당 그룹, 부동산 포트폴리오) GeoEnrich API가 좌표를 배치 처리한다. 전체 위치 데이터베이스를 API에 넣고 한 번에 모든 리스팅의 강화된 스키마를 생성해라. Ask Maps 가시성 향상이 가장 빠른 비즈니스들은 플래그십 하나만이 아니라 전체 포트폴리오를 강화한 곳들이다.

기회의 창이 닫히고 있다

Ask Maps 출시된 지 한 달도 안 됐다. 유료 광고 없다. 랭킹 완전 오가닉이고 데이터 기반이다. 지금 위치 데이터를 강화하는 비즈니스는 시간이 지날수록 복리로 쌓이는 매칭 이력을 만들고 있다. Ask Maps가 내 리스팅을 쿼리에 성공적으로 매칭할 때마다, 그 쿼리 패턴과 내 리스팅 사이의 연결고리가 강화된다.

6개월 후에 경쟁자들이 신경 쓰기 시작할 때, 선점한 비즈니스는 이미 수천 건의 성공 매칭 이력을 쌓아놨을 거다. 그 격차를 좁히는 데는 엄청난 시간과 노력이 든다.

GeoEnrich API가 데이터를 만든다. AEO Checker가 기준선을 측정한다. 실제 작업은 리스팅당 한 번의 스키마 업데이트다. 거기서 만들어지는 경쟁 우위는 계속된다.

Ask Maps는 지금 돌아가고 있다. 쿼리가 지금 이 순간에도 발생하고 있다. 유일한 질문은 내 리스팅에 선택받을 데이터가 있냐는 것이다.

관련 글:

• Google Ask Maps: 부동산 리스팅 최적화 가이드
• Gemini AI가 로컬 비즈니스를 추천하는 방법
• 로컬 비즈니스 AI 인용을 위한 JSON-LD 스키마
• 내 AI 가시성 점수 무료로 확인하기