우리 병원만 AI 답변에서 사라지는 이유 — 원장님이 놓친 'MedicalOrganization 스키마' 한 줄

결론부터 말하면, 환자가 챗GPT나 제미나이에 '우리 동네 잘하는 병원'을 물었을 때 특정 병원만 반복해 등장하는 것은 우연이 아닙니다. 그 병원은 AI가 '읽고 신뢰할 수 있는 형식'으로 자기 정보를 정리해 둔 것이고, 빠진 병원은 정보가 없어서가 아니라 사람 눈에만 보이는 형식으로 두었기 때문입니다. 이 차이를 만드는 기본 뼈대가 바로 구조화 데이터, 그중에서도 의료기관용 스키마인 MedicalOrganization입니다.

많은 원장님이 이렇게 반문합니다. "우리 홈페이지에 진료과목도, 주소도, 전화번호도 다 적혀 있는데요?" 맞습니다. 사람은 그 페이지를 보고 이해합니다. 하지만 AI는 화면에 예쁘게 배치된 글자를 사람처럼 '보는' 것이 아니라, 데이터를 '읽어' 구조로 파악합니다. 페이지 어딘가에 흩어진 문장 속 '강남역 3번 출구'가 병원의 공식 주소인지, 오시는 길 안내인지, 근처 랜드마크인지 AI는 스스로 확신하지 못합니다. 확신하지 못하는 정보는 인용하지 않습니다. 이 글은 그 '확신'을 만들어 주는 방법을 다룹니다.

AI는 왜 '예쁜 홈페이지'가 아니라 '읽히는 데이터'를 인용하는가

먼저 개념부터 정리하겠습니다. 여기서 말하는 AEO는 'Answer Engine Optimization', 즉 '답변 엔진 최적화'입니다. 예전의 검색이 파란 링크 목록을 보여 줬다면, 지금의 챗GPT·제미나이·네이버 큐 같은 답변 엔진은 여러 출처를 종합해 하나의 문장으로 답합니다. 이때 AI는 아무 정보나 답에 넣지 않습니다. '이 정보가 확실히 이 병원의 것인가'를 판단할 근거가 있어야 인용합니다.

그 근거를 제공하는 표준 형식이 '구조화 데이터(structured data)'입니다. 쉽게 말해, 사람이 읽는 문장과 별개로 페이지 뒤편에 '이 병원의 이름은 X, 주소는 Y, 전화는 Z, 진료과목은 A·B'라고 기계가 오해 없이 읽도록 딱지를 붙여 두는 것입니다. 국제 표준인 Schema.org가 이 딱지의 규격을 정해 두었고, 병원·의원을 위한 규격이 MedicalOrganization입니다.

왜 이것이 결정적일까요. AI는 잘못된 답을 내놓는 것을 극도로 경계하도록 설계돼 있습니다. 특히 건강·의료처럼 사람의 삶에 직접 영향을 주는 영역에서는 근거가 약한 정보를 답에서 배제하는 경향이 강합니다. 결국 구조가 명확한 병원이 우선 인용되고, 정보가 문장 속에 흩어진 병원은 '존재는 하지만 확신할 수 없는 대상'으로 밀려납니다. 홈페이지 디자인이 아무리 세련돼도, 데이터가 읽히지 않으면 AI에게는 빈 페이지에 가깝습니다.

MedicalOrganization 스키마란 — AI가 읽는 우리 병원의 '신분증'

MedicalOrganization을 한마디로 표현하면 AI에게 제출하는 병원의 공식 신분증입니다. 사람으로 치면 주민등록증에 이름·주소·연락처가 정해진 칸에 들어 있어 누가 봐도 오해가 없는 것과 같습니다. 스키마는 병원 정보를 이렇게 '정해진 칸'에 넣어, AI가 이름은 이름 칸에서, 주소는 주소 칸에서 정확히 꺼내 쓰도록 합니다.

이 신분증에는 여러 항목이 들어갑니다. 병원의 공식 명칭, 도로명 주소, 대표 전화, 진료시간, 홈페이지 주소, 진료과목, 대표 이미지, 그리고 네이버·인스타그램 같은 공식 채널 링크까지 담을 수 있습니다. 항목 하나하나가 AI가 답을 조립할 때 쓰는 부품입니다. 부품이 많고 정확할수록 AI는 우리 병원을 더 구체적이고 자신 있게 소개합니다.

중요한 점은, 이 신분증은 사람에게는 보이지 않는다는 것입니다. 홈페이지 화면을 바꾸는 작업이 아니라, 페이지 소스 안에 JSON-LD라는 형식의 짧은 코드 한 덩어리를 넣는 일입니다. JSON-LD는 '기계가 읽는 정보 표기법'이라고 이해하면 됩니다. 디자인은 그대로 두고, AI를 위한 설명서만 뒤에 붙이는 셈이라 방문자 경험을 해치지 않으면서 AI 노출만 끌어올릴 수 있습니다. 비용 대비 효과가 큰 이유가 여기 있습니다.

스키마가 없으면 매일 잃는 것들

스키마를 방치했을 때의 손실은 눈에 잘 띄지 않아 더 위험합니다. 첫째, AI 답변에서의 누락입니다. 잠재 환자가 AI에게 지역·진료과목으로 병원을 물을 때, 우리 병원은 후보에조차 오르지 못합니다. 이것은 광고비를 쓰고도 노출이 안 되는 것과 달리, 아예 '경기장에 입장하지 못한' 상태입니다.

둘째, 정보 왜곡입니다. 스키마가 없으면 AI는 흩어진 문장을 스스로 추측해 조합합니다. 그 과정에서 이전 지점 주소, 예전 전화번호, 이미 종료된 이벤트가 현재 정보처럼 섞여 나올 수 있습니다. 환자가 잘못된 번호로 전화를 걸다 포기하는 손실은 집계조차 되지 않습니다.

반대로 기회 프레임으로 보면 이야기가 달라집니다. 아직 다수의 지역 병원이 스키마를 제대로 적용하지 않은 지금이 선점의 시기입니다. 검색광고는 경쟁이 붙을수록 단가가 오르지만, 구조화 데이터는 먼저 정확히 정리해 둔 병원이 오래 유리합니다. 한 번 잘 세팅하면 AI가 계속 참조하는 기준점이 되기 때문입니다. 아래처럼 정리할 수 있습니다.

• 잃는 것: AI 후보군 탈락, 옛 정보 노출로 인한 신뢰 훼손, 전화·예약 유실
• 얻는 것: 지역 검색 답변 선점, 정보 정확성 확보, 광고에 덜 의존하는 지속 노출

오늘 당장 채워야 할 핵심 필드

모든 항목을 완벽히 채우려다 시작을 미루는 것이 가장 흔한 실수입니다. 먼저 아래 '필수 6종'만 정확히 넣어도 AI가 병원을 식별하는 데 큰 차이가 납니다. 순서대로 점검하십시오.

1. 정식 명칭(name): 간판·사업자등록증과 완전히 같은 공식 이름. '치과', '의원' 등 표기까지 통일.
2. 주소(address): 도로명 기준 전체 주소. 층수·호수까지. 근처 랜드마크가 아니라 공식 주소여야 합니다.
3. 대표 전화(telephone): 지금 실제로 받는 번호. 지역번호 포함, 하나로 통일.
4. 진료시간(openingHours): 요일별 시간과 점심시간, 휴진일. 야간·주말 진료가 강점이면 반드시 명시.
5. 홈페이지·공식 채널(url·sameAs): 공식 홈페이지와 네이버 플레이스·공식 SNS 링크. AI가 교차 확인하는 근거가 됩니다.
6. 진료과목·전문분야(medicalSpecialty): 병원이 실제로 다루는 진료 영역. 뒤에서 더 자세히 다룹니다.

흔한 실수는 이 값을 '대충 비슷하게' 넣는 것입니다. 예를 들어 홈페이지 하단에는 구주소, 스키마에는 신주소가 들어가면 AI는 둘 중 무엇이 맞는지 판단을 유보합니다. 모든 채널의 값이 글자 하나까지 같아야 스키마의 효력이 삽니다. 이 일치성이 다음 섹션의 핵심입니다.

NAP 일관성 — 이름·주소·전화에 숨은 함정

AEO에서 NAP은 이름(Name)·주소(Address)·전화(Phone)를 뜻합니다. AI는 여러 출처에 흩어진 병원 정보를 대조해 '이게 같은 병원의 일관된 정보인가'를 확인합니다. 이때 채널마다 값이 조금씩 다르면, 사소해 보여도 AI에게는 '서로 다른 정보' 또는 '신뢰도 낮은 정보'로 읽힙니다.

현장에서 값이 어긋나는 경로는 정해져 있습니다. 홈페이지 개편 때 주소만 바꾸고 네이버 플레이스는 방치, 대표번호를 070으로 바꿨는데 옛 지역번호가 블로그에 남아 있음, 상호에 '연세'·'서울' 같은 수식어를 붙였다 뗐다 하는 경우 등입니다. 이런 불일치가 쌓이면 스키마를 넣어도 효과가 반감됩니다.

그래서 스키마 작업 전에 '정보 원본'을 먼저 하나로 확정해야 합니다. 다음 순서를 권합니다.

• 기준 문서 한 장을 만든다: 정식 명칭·도로명 주소·대표번호·진료시간을 확정해 적는다.
• 노출 채널을 전부 나열한다: 홈페이지, 네이버 플레이스, 카카오, 인스타그램, 블로그, 병원 소개 디렉터리 등.
• 채널을 하나씩 기준 문서와 대조해 철자·띄어쓰기·번호까지 동일하게 맞춘다.
• 마지막에 스키마에 같은 값을 넣는다.

이 작업만 해도 AI가 우리 병원 정보를 '흔들림 없는 사실'로 받아들일 확률이 눈에 띄게 올라갑니다. 스키마는 이 일관성 위에서만 제 힘을 냅니다.

진료과목·시술을 AI에게 정확히 알리는 법

병원이 AI 답변에서 원하는 것은 단순 노출이 아니라 '맞는 상황에서의 노출'입니다. 환자가 특정 진료를 물었을 때 등장하려면, 우리 병원이 그 진료를 다룬다는 사실이 AI에게 구조로 전달돼야 합니다. 이를 담당하는 항목이 진료 전문분야(medicalSpecialty)와 제공 서비스 정보입니다.

여기서 지켜야 할 원칙이 있습니다. 마케팅에서 다루는 각도는 어디까지나 '무엇을 진료·시술하는가'라는 사실이지, '이 시술이 얼마나 효과 있다'는 단정이 아닙니다. 효과·완치·부작용 없음 같은 표현은 의료광고 규정과도 맞지 않고, AI 역시 그런 단정적 주장을 신뢰 근거로 삼지 않습니다. 사실 위주로 정확하게, 과장 없이 기술하는 편이 오히려 인용 확률을 높입니다.

실행할 때는 이렇게 접근하십시오.

1. 병원이 실제로 다루는 진료 영역을 표준 용어로 정리한다(예: 보철, 교정, 임플란트 등 일반적으로 통용되는 명칭).
2. 각 진료를 소개하는 별도 페이지를 두고, 그 페이지의 내용과 스키마 정보가 서로 어긋나지 않게 한다.
3. 강점 진료는 별도 항목으로 구체화하되, 효과를 단정하는 문구 대신 다루는 범위와 대상을 중심으로 서술한다.

흔한 실수는 '없는 진료까지 넣어 노출을 늘리려는' 시도입니다. 실제 진료와 다른 정보를 넣으면 환자 경험에서 불일치가 드러나고, 장기적으로 신뢰를 잃습니다. 스키마의 힘은 '많이 적기'가 아니라 '정확히 적기'에서 나옵니다.

넣고 끝이 아니다 — 흔한 실수와 검증 방법

스키마를 넣었다고 곧바로 AI가 반영하는 것은 아닙니다. 검증과 관리가 이어져야 합니다. 자주 나오는 실수부터 짚겠습니다.

• 문법 오류: 코드에 쉼표·괄호가 하나 빠지면 스키마 전체가 무효가 됩니다. 반드시 검사 도구로 확인해야 합니다.
• 화면과 스키마의 불일치: 페이지에 안 보이는 정보를 스키마에만 넣는 것은 권장되지 않습니다. 사람이 보는 내용과 기계가 읽는 내용이 일치해야 합니다.
• 한 번 넣고 방치: 진료시간·전화·이벤트가 바뀌면 스키마도 함께 고쳐야 합니다. 오래된 스키마는 오히려 잘못된 정보를 굳힙니다.

검증은 어렵지 않습니다. 구글이 제공하는 '리치 결과 테스트'나 'Schema Markup Validator' 같은 무료 도구에 페이지 주소를 넣으면 스키마가 제대로 인식되는지, 오류가 없는지 바로 확인할 수 있습니다. 값이 정확히 표시되는지, 필수 항목이 빠지지 않았는지 눈으로 대조하십시오. 적용 후에는 실제로 AI에게 '○○동 △△ 진료 병원'처럼 물어보며 반영 여부를 주기적으로 점검하는 습관이 도움이 됩니다. 반영에는 시간이 걸리므로, 넣자마자 결과를 판단하지 말고 몇 주 단위로 관찰하는 것이 현실적입니다.

무엇부터 할지 — 우선순위 체크리스트

정리하면, 원장님이 오늘부터 밟을 순서는 명확합니다. 완벽을 노리지 말고 기본을 정확히 세우는 것이 핵심입니다.

1. 정보 원본 확정: 정식 명칭·주소·전화·진료시간을 한 장에 정리한다.
2. 채널 일관화: 홈페이지·네이버·SNS 등 모든 채널의 값을 원본과 글자까지 동일하게 맞춘다.
3. 필수 6종 스키마 적용: MedicalOrganization으로 이름·주소·전화·진료시간·공식채널·진료과목을 넣는다.
4. 검증: 무료 검사 도구로 오류를 없애고, 화면 정보와 일치하는지 확인한다.
5. 관찰·갱신: 몇 주 단위로 AI 답변을 점검하고, 정보 변경 시 스키마도 함께 고친다.

구조화 데이터는 화려한 마케팅이 아니라 기본기입니다. 그런데 이 기본기를 정확히 갖춘 지역 병원이 아직 많지 않기에, 지금 바로잡는 것만으로도 AI 답변에서의 위치가 달라질 수 있습니다. 만약 우리 병원 페이지에 스키마가 제대로 들어가 있는지, NAP 정보가 채널마다 일치하는지 스스로 확인하기 어렵다면, 현재 상태를 점검하는 무료 진단으로 출발점을 잡아 보시길 권합니다. 어디가 비어 있고 무엇부터 고쳐야 하는지 아는 것만으로도, 오늘의 한 걸음이 훨씬 분명해집니다.