우리 병원이 AI 답변에 안 나오는 진짜 이유 — 검색엔진은 몰라도 '기계가 읽는 병원 정보'는 챙겨야 합니다

환자가 챗GPT나 구글의 AI 답변창에 "○○동에서 임플란트 잘하는 치과"라고 물었을 때 우리 병원 이름이 빠지는 이유는, 실력이 부족해서가 아니라 'AI가 우리 병원을 읽을 수 없어서'인 경우가 대부분입니다. 이 글은 그 보이지 않는 벽의 정체인 '구조화 데이터(기계가 이해하도록 정리한 병원 정보)'를 설명하고, 원장이 오늘 당장 무엇부터 적용해야 하는지를 순서대로 짚습니다.

많은 원장이 홈페이지에 후기와 시술 설명을 정성껏 채웁니다. 그런데도 AI 답변에서 계속 밀린다면, 문제는 '무엇을 썼느냐'가 아니라 '그 정보를 기계가 알아볼 수 있게 표시했느냐'에 있을 가능성이 큽니다. 사람 눈에는 병원명·진료과목·위치가 또렷이 보여도, AI는 화면의 예쁜 글씨가 아니라 페이지 뒤에 숨은 '데이터 태그'를 읽습니다. 그 태그가 없으면 AI에게 우리 병원은 '이름 없는 웹페이지'일 뿐입니다.

AI는 우리 병원 홈페이지를 '읽지' 않는다 — '분류'한다

사람은 홈페이지를 보고 "아, 강남에 있는 정형외과구나"라고 자연스럽게 이해합니다. 하지만 AI는 문장을 감상하지 않습니다. AI는 수억 개의 웹페이지 중에서 질문에 맞는 후보를 '빠르게 분류'해야 하고, 이때 가장 신뢰하는 것이 바로 구조화 데이터(structured data)입니다. 구조화 데이터란 '이 페이지의 주체는 병원이고, 이름은 △△, 진료과목은 정형외과, 주소는 여기'라고 기계가 오해 없이 읽도록 정해진 형식으로 표시해 둔 정보입니다.

이것이 중요한 이유는 손실 관점에서 분명합니다. 구조화 데이터가 없으면 AI는 우리 페이지의 정보를 '추측'해야 합니다. 추측에는 오류와 누락이 따르고, 확신이 없는 정보는 인용되지 않습니다. 즉 후기가 아무리 좋아도 '분류표'에 이름이 안 올라가 있으면 애초에 후보군에 들지 못합니다. 기회 관점에서 보면 반대입니다. 표준 형식으로 정보를 정리해 둔 병원은 AI가 '확실히 아는 병원'으로 취급해, 지역·진료과목 질문이 들어올 때 우선 후보로 끌어올립니다.

여기서 등장하는 것이 스키마(schema)입니다. 스키마란 구글·검색엔진·AI가 공통으로 약속한 '정보 표기 사전'이라고 이해하면 됩니다. 그중 의료기관을 위한 전용 항목이 MedicalOrganization(의료기관)으로, 병원·의원·클리닉이 자신을 '의료기관'이라고 정확히 선언하는 표준 단어입니다. 일반 회사(LocalBusiness)로 뭉뚱그리는 것과 의료기관으로 명시하는 것은, AI 입장에서 '가게'와 '병원'만큼 다른 신호입니다.

왜 하필 MedicalOrganization인가 — 일반 업체와 병원은 신뢰 기준이 다르다

AI, 특히 의료 관련 답변을 다룰 때는 정보의 정확성에 훨씬 보수적입니다. 건강과 직결되는 주제일수록 출처가 불분명한 곳은 인용을 꺼립니다. 이때 '우리는 등록된 의료기관이며, 진료과목·의료진·위치가 이렇게 명확하다'는 구조화된 선언은 AI에게 '이 출처는 인용해도 되는 실제 기관'이라는 최소한의 자격 증명이 됩니다.

구체적으로 MedicalOrganization 스키마에는 다음과 같은 정보를 담을 수 있습니다.

• 병원명(정식 명칭)과 대표 URL — 간판명과 사업자명, 홈페이지 주소가 흔들림 없이 일치해야 합니다.
• 진료과목(medicalSpecialty) — 치과·정형외과·피부과 등 우리가 실제로 다루는 영역을 표준 용어로 표기합니다.
• 주소·좌표·전화·진료시간 — 지역 질문의 핵심 판단 근거입니다.
• 의료진 정보(소속 의사) — 이름·전문 분야를 연결하면 기관의 실재성이 강해집니다.
• 동일 기관을 가리키는 다른 페이지(sameAs) — 구글 비즈니스 프로필, 네이버, SNS 등 같은 병원을 가리키는 링크를 묶어 줍니다.

흔한 실수는 이 정보를 홈페이지 '소개' 문단에 글로만 써 두고 끝내는 것입니다. 사람은 읽지만 기계는 태그가 없으면 이를 '공식 병원 정보'로 승격시키지 않습니다. 반대로 지나친 욕심도 문제입니다. 실제로 하지 않는 진료과목을 넣거나, 페이지 내용과 다른 정보를 태그에만 채우면 신뢰가 오히려 깎이고 인용에서 배제될 수 있습니다. 원칙은 하나입니다 — 화면에 보이는 사실과 태그가 100% 일치할 것.

정보의 '일관성'이 실력보다 먼저다 — NAP를 통일하라

AI가 여러 출처를 대조할 때 가장 먼저 확인하는 것이 이름(Name)·주소(Address)·전화(Phone), 이른바 NAP의 일관성입니다. 홈페이지에는 '서울 강남구 ○○로 12', 구글 지도에는 '○○로 12길', 네이버에는 옛 주소가 남아 있다면, AI는 이 셋을 같은 병원으로 확신하지 못합니다. 확신이 없으면 인용하지 않습니다.

지금 당장 점검할 항목을 순서대로 정리하면 이렇습니다.

1. 홈페이지·구글 비즈니스 프로필·네이버 플레이스·SNS에 적힌 병원명이 글자 하나까지 같은지 확인합니다.
2. 주소를 도로명 기준으로 완전히 통일하고, 층·호수 표기 방식까지 맞춥니다.
3. 대표 전화번호를 하나로 정하고 모든 채널에 동일하게 반영합니다.
4. 진료시간·휴진일을 최신으로 갱신하고, 임시 휴진도 반영합니다.
5. 이전·상호 변경 이력이 있다면 과거 정보가 남아 있는 오래된 등록처를 찾아 수정합니다.

이 작업은 화려하지 않지만 효과는 즉각적입니다. 값비싼 콘텐츠를 늘리기 전에, '흩어진 우리 병원 정보를 한 사람의 얼굴로 통일하는 것'이 AI 인용의 토대이기 때문입니다. 현장 비유로 말하면, 실력 좋은 의사가 명함마다 다른 직함과 전화번호를 쓰고 다니는 셈입니다 — 상대가 신뢰하기 어렵습니다.

구조화 데이터를 실제로 넣는 3가지 현실적 경로

원장이 코드를 직접 다룰 필요는 없습니다. 다만 담당자나 제작 업체에 '무엇을 해야 하는지'를 정확히 지시할 수 있어야 합니다. 적용 경로는 크게 세 가지입니다.

1. 홈페이지에 직접 스키마 삽입 — 웹 제작사에 'MedicalOrganization 스키마를 JSON-LD(페이지에 심는 표준 데이터 형식) 방식으로 넣어 달라'고 요청합니다. 가장 근본적이고 통제력이 높은 방법입니다.
2. 플랫폼 기능 활용 — 사용하는 홈페이지 솔루션에 구조화 데이터 입력란이 있으면 그곳에 병원 정보를 채웁니다. 코드 없이 가능한 경우가 많습니다.
3. 외부 신뢰 채널부터 정비 — 구글 비즈니스 프로필과 네이버 플레이스처럼 이미 구조가 잡힌 플랫폼의 정보를 완벽히 채우는 것도 사실상의 구조화 데이터입니다. 홈페이지 개편이 당장 어렵다면 여기부터 시작하세요.

넣은 뒤에는 반드시 검증해야 합니다. 구글이 제공하는 무료 '리치 결과 테스트'나 '스키마 검사' 도구에 페이지 주소를 넣으면, 태그가 올바르게 인식되는지, 오류·경고가 있는지 확인할 수 있습니다. 흔한 실수는 '넣었다'에서 멈추는 것입니다. 오타 하나로 태그가 무효 처리되어 있어도 화면상으로는 전혀 표가 나지 않으므로, 검증 단계를 건너뛰면 노력 전체가 물거품이 됩니다.

스키마만으로는 부족하다 — AI가 '인용하고 싶은 문장'을 함께 준비하라

구조화 데이터는 '후보 자격'을 줍니다. 하지만 실제로 답변에 인용되려면 AI가 그대로 가져다 쓰기 좋은 '깔끔한 사실 문장'이 페이지에 있어야 합니다. AI는 애매하고 장황한 홍보 문구보다, 질문에 곧바로 답하는 명료한 문장을 선호합니다.

실무적으로는 이렇게 준비합니다.

• 각 진료 페이지 첫 문단을 '이 페이지는 무엇을, 누구를 위해 다루는지'를 2~3문장으로 완결하는 요약으로 시작합니다.
• 환자가 실제로 묻는 질문을 소제목으로 만들고 바로 아래 짧고 정확하게 답합니다(자주 묻는 질문 형식).
• 위치·주차·예약·진료시간처럼 결정에 직결되는 정보를 문장으로 명확히 적습니다.
• 과장 표현과 단정적 효과 주장을 피합니다 — AI는 검증 불가한 과대 문구가 있는 출처를 신뢰도에서 낮춥니다.

여기서 주의할 점은 '자주 묻는 질문' 역시 스키마(FAQ 구조화 데이터)로 표시할 수 있다는 것입니다. 즉 구조화 데이터와 좋은 문장은 대립이 아니라 짝입니다. 좋은 문장을 쓰고, 그 문장을 기계가 알아보게 태그로 감싸는 것 — 이 둘이 함께 갈 때 인용 확률이 올라갑니다.

흔한 오해와 함정 — '했는데 왜 안 되지'의 대부분은 여기서 갈린다

구조화 데이터를 적용하고도 효과를 못 보는 병원에는 공통된 함정이 있습니다. 먼저 즉효를 기대하는 것입니다. AI와 검색엔진이 바뀐 정보를 다시 읽고 신뢰를 재평가하는 데는 시간이 걸립니다. 며칠 만에 판단하지 말고 수 주 단위로 봐야 합니다.

다음은 불일치입니다. 태그에는 '피부과'라고 넣었는데 페이지 본문은 온통 미용 시술 홍보뿐이라면, AI는 태그와 내용의 어긋남을 감지하고 신뢰를 낮춥니다. 또 하나는 중복·충돌 정보입니다. 과거에 만든 랜딩페이지, 폐쇄하지 않은 옛 홈페이지, 방치된 블로그에 다른 주소·전화가 남아 있으면 AI는 어느 것이 진짜인지 판단을 유보합니다. 마지막은 검증 생략으로, 앞서 말했듯 오류가 있어도 화면엔 보이지 않으므로 반드시 도구로 확인해야 합니다.

일반화된 예시를 들면 이렇습니다. A병원과 B병원의 진료 실력과 후기 수가 비슷한데, A는 홈페이지·구글·네이버의 정보가 완벽히 일치하고 진료과목이 표준 태그로 선언돼 있으며, B는 채널마다 정보가 조금씩 다릅니다. 지역·진료과목을 묻는 AI 질문에서 A가 우선 인용되는 경향이 나타나는 것은 실력 차이가 아니라 '읽히는 정도'의 차이입니다.

오늘부터의 우선순위 — 무엇을 먼저, 무엇을 나중에

모든 것을 한 번에 할 필요는 없습니다. 투입 대비 효과가 큰 순서로 정리하면 다음과 같습니다.

1. 정보 통일(가장 먼저) — 홈페이지·구글 비즈니스 프로필·네이버의 병원명·주소·전화·진료시간을 오늘 안에 하나로 맞춥니다.
2. 공식 채널 완성 — 구글 비즈니스 프로필과 네이버 플레이스의 모든 항목(진료과목·사진·소개·시간)을 빈칸 없이 채웁니다.
3. 홈페이지 스키마 적용 — 제작사에 MedicalOrganization 구조화 데이터를 요청하고, 무료 검증 도구로 확인합니다.
4. 인용용 문장 정비 — 주요 진료 페이지 첫 문단 요약과 자주 묻는 질문을 명료하게 다듬습니다.
5. 정기 점검 — 분기마다 정보 일치 여부와 태그 오류를 재확인합니다.

정리하면, AI 답변에 우리 병원이 나오게 하는 출발점은 새로운 광고가 아니라 '우리 병원 정보를 기계가 오해 없이 읽게 만드는 일'입니다. 구조화 데이터는 그 기반이고, NAP 통일은 그 기반의 주춧돌입니다. 지금 우리 병원 정보가 채널마다 얼마나 일치하는지, 홈페이지에 의료기관 스키마가 제대로 들어가 있는지부터 점검해 보시길 권합니다. 스스로 확인이 어렵다면, 현재 상태가 어느 수준인지 무료로 진단받아 보는 것도 방향을 잡는 데 도움이 됩니다.