우리 병원이 AI 답변에 안 나오는 진짜 이유 — MedicalOrganization 스키마부터 점검하라

환자가 챗GPT나 AI 검색창에 "○○동에서 임플란트 잘하는 치과"를 물었을 때, 왜 우리 병원이 아니라 옆 건물 병원만 답변에 등장할까요. 답은 냉정하게도 홈페이지가 예쁘냐 아니냐가 아니라, 'AI가 우리 병원 정보를 기계적으로 읽어낼 수 있느냐'에 달려 있습니다. 이 글은 그 판독의 뼈대인 MedicalOrganization 구조화 데이터가 무엇이고, 왜 AI 인용의 최소 조건인지, 그리고 오늘 당장 무엇부터 손봐야 하는지를 원장님 눈높이에서 단계별로 설명합니다.

많은 원장님이 광고비를 늘리고 블로그를 도배해도 AI 답변에는 좀처럼 이름이 오르지 않아 답답해합니다. 문제는 노력의 양이 아니라, AI가 이해할 수 있는 '형식'으로 정보를 주지 않았다는 데 있습니다. 사람 눈에 보이는 웹페이지와, 기계가 읽는 데이터는 전혀 다른 이야기입니다.

AI는 홈페이지를 '보지' 않는다 — 데이터를 '읽는다'

먼저 개념부터 풀어야 합니다. '구조화 데이터(structured data)'란 웹페이지 안에 사람 눈에는 안 보이지만 검색엔진과 AI가 읽으라고 심어둔, 정해진 형식의 정보 꼬리표입니다. 예를 들어 홈페이지 하단에 '서울시 강남구 …, 02-000-0000, 진료시간 오전 9시'라고 적어두면 사람은 이해하지만, 기계는 그것이 주소인지 전화번호인지 그냥 숫자인지 100% 확신하지 못합니다. 구조화 데이터는 여기에 '이건 주소', '이건 전화', '이건 진료과목'이라고 라벨을 붙여, 기계가 헷갈리지 않게 해주는 장치입니다.

AEO(Answer Engine Optimization·답변 엔진 최적화)란, 바로 이 답변 생성 AI가 우리 병원을 '정확히 이해하고 근거로 인용하도록' 만드는 작업 전체를 뜻합니다. 기존 검색이 '링크 10개를 나열'했다면, AI 검색은 '하나의 답을 문장으로 만들어' 제시합니다. 그 문장에 우리 병원 이름이 들어가느냐 마느냐가 이제 승부처인데, AI는 근거가 명확하고 형식이 깔끔한 정보를 우선적으로 끌어옵니다.

MedicalOrganization은 그 형식들 중에서도 '이 웹사이트의 주인은 의료기관이며, 이런 이름·주소·진료과목·진료시간을 가진 곳'이라고 선언하는 대표 유형입니다. 쉽게 말해 병원의 '기계 판독용 명함'입니다. 이 명함이 없으면 AI는 우리를 '정체 불명의 어떤 웹사이트'로만 인식하고, 답변에 자신 있게 인용하지 못합니다.

왜 하필 우리 병원만 사라지는가 — 손실의 구조

AI가 답을 만들 때는 '틀린 정보를 말하면 안 된다'는 압박을 강하게 받습니다. 그래서 정보가 모호하거나 서로 어긋나는 병원은 위험 회피 차원에서 아예 언급을 피하는 경향이 있습니다. 우리 병원이 답변에서 빠지는 것은 '나빠서'가 아니라 '확신을 줄 근거가 없어서'인 경우가 대부분입니다.

이때 발생하는 손실은 눈에 잘 안 보여서 더 무섭습니다. 광고는 클릭수라도 찍히지만, AI 답변에서의 누락은 '얼마나 많은 잠재 환자가 나를 못 보고 지나쳤는지' 흔적조차 남지 않습니다. 특히 신환의 상당수가 검색으로 병원을 처음 인지하는 지금, 첫 접점에서 빠진다는 것은 상담 예약까지의 깔때기 맨 위가 막힌다는 뜻입니다.

반대로 기회 프레임으로 보면, 경쟁 병원 대부분이 아직 구조화 데이터를 제대로 갖추지 않았습니다. 즉 지금은 '남들이 안 해서 조금만 제대로 해도 앞서 나가는' 초기 국면입니다. 광고처럼 매달 돈이 나가는 것이 아니라, 한 번 제대로 세팅하면 오래 효과가 지속되는 자산성 작업이라는 점도 중요합니다.

• 손실: AI 답변 누락 → 인지 자체가 안 됨 → 상담·예약 깔때기 상단 붕괴, 그런데 측정조차 어려움.
• 기회: 경쟁 병원 대부분 미비 → 초기 선점 가능, 한 번 세팅 시 지속 효과, 광고 대비 낮은 유지비.

MedicalOrganization 스키마의 핵심 필드 해부

스키마는 항목이 많아 보이지만, 원장님이 반드시 챙겨야 할 '뼈대 필드'는 정해져 있습니다. 각각이 AI에게 어떤 질문에 답해주는지로 이해하면 쉽습니다.

1. name(병원명): 간판·사업자등록·홈페이지에 쓰는 이름이 완전히 동일해야 합니다. '○○치과의원'과 '○○치과'가 섞이면 AI는 두 곳으로 오해할 수 있습니다.
2. address(주소): 시·구·도로명·건물번호·우편번호까지 쪼개 넣습니다. AI가 "○○동 근처" 질문에 답하려면 지역 매칭이 핵심입니다.
3. telephone(대표번호)·openingHours(진료시간): 환자가 가장 자주 묻는 정보이자, AI가 즉답으로 뽑아내기 좋은 항목입니다.
4. medicalSpecialty / department(진료과목): '무엇을 잘하는 곳인가'를 규정합니다. 임플란트·소아·교정 등 실제 진료 영역을 명시해야 관련 질문에 매칭됩니다.
5. geo(위도·경도)·sameAs(공식 채널 링크): 지도·플레이스와 연결하고, 네이버 플레이스·공식 SNS 등 다른 공식 채널 URL을 sameAs로 묶어 '이 병원들이 같은 곳'임을 증명합니다.

여기서 흔한 오해 하나. 스키마는 '없는 사실을 그럴듯하게 포장하는 도구'가 아닙니다. 실제 페이지에 보이는 정보와 스키마 내용이 어긋나면 오히려 신뢰가 깎입니다. 스키마는 '이미 사실인 것을 기계가 오해 없이 읽게' 하는 통역일 뿐, 과장의 수단이 아님을 명심해야 합니다.

오늘 당장 적용하는 5단계

실무는 다음 순서로 진행하면 실패가 적습니다. 개발 지식이 없어도 담당자·제작사에 이 순서대로 요청할 수 있습니다.

1. 정보 원본 확정: 병원명·주소·전화·진료시간·진료과목을 한 문서에 '단 하나의 정답'으로 정리합니다. 이게 흔들리면 이후 모든 단계가 어긋납니다.
2. 대표 페이지 선정: 보통 홈 또는 '병원소개' 페이지 하나를 MedicalOrganization의 대표 위치로 정합니다. 여러 페이지에 중복으로 남발하지 않습니다.
3. 스키마 삽입: 제작사에 'JSON-LD 형식의 MedicalOrganization 구조화 데이터를 넣어달라'고 명확히 요청합니다. (JSON-LD는 스키마를 심는 표준 방식의 이름입니다.)
4. 검증: 구글의 '리치 결과 테스트'나 스키마 검사 도구에 페이지 주소를 넣어 오류·경고가 없는지 확인합니다. 경고를 방치하면 무효 처리될 수 있습니다.
5. 색인 요청·기록: 검색엔진에 페이지를 다시 읽어달라고 요청하고, 적용 날짜와 내용을 기록해 이후 변화를 추적합니다.

이 다섯 단계 중 1번(정보 원본 확정)에 가장 많은 시간을 쓰는 것이 정상입니다. 기술이 아니라 '우리 병원 정보의 정답을 조직 내에서 합의'하는 일이 실제로 가장 어렵기 때문입니다.

흔한 실수 — 열심히 하고도 무효가 되는 경우

스키마를 넣었는데도 효과가 없다면 대개 아래 함정 중 하나에 빠진 것입니다.

• 페이지 내용과 불일치: 화면에는 안 보이는데 스키마에만 있는 정보(감춰진 진료과목 등)는 무효·감점 대상입니다. 반드시 실제 페이지에도 보여야 합니다.
• 정보 불일치(NAP 붕괴): 홈페이지·네이버 플레이스·간판의 이름·주소·전화가 조금씩 다르면 AI는 신뢰를 거둡니다. (NAP은 Name·Address·Phone의 약자로, 이 세 가지의 일관성을 뜻합니다.)
• 과욕: 존재하지 않는 인증·수상·평점을 스키마에 넣는 것. 단기적으로도 위험하고, 적발 시 신뢰가 크게 무너집니다.
• 방치: 진료시간·전화가 바뀌었는데 스키마는 옛날 그대로. 오래된 정보는 없느니만 못합니다.
• 중복 남발: 모든 페이지에 조직 스키마를 복붙해 기계를 혼란스럽게 만드는 경우.

현장 비유로 말하면, 스키마는 이력서와 같습니다. 자격증 칸에 실제 딴 것만, 정확한 이름으로, 최신 상태로 적어야 신뢰를 얻습니다. 없는 걸 적거나 옛 정보를 방치하면 오히려 감점입니다.

스키마를 넘어 — 일관성과 신뢰 신호

구조화 데이터는 필요조건이지 충분조건은 아닙니다. AI는 한 페이지만 보지 않고, 여러 출처를 교차 검증해 '이 병원 정보가 일관된가'를 판단합니다. 그래서 스키마와 함께 다음이 맞물려야 인용 확률이 올라갑니다.

첫째, 앞서 말한 NAP 일관성입니다. 홈페이지·지도·플레이스·SNS의 병원명과 주소, 전화가 글자 하나까지 같아야 합니다. 지점이 이전했거나 번호가 바뀌었다면 모든 채널을 같은 날 함께 수정하는 습관이 중요합니다.

둘째, 콘텐츠의 답변 친화성입니다. 환자가 실제로 묻는 질문(진료시간, 주차, 진료과목, 위치)을 페이지 안에서 짧고 명확한 문장으로 먼저 답해두면, AI가 그 문장을 그대로 인용하기 쉬워집니다. 스키마가 '뼈대'라면, 이런 질의응답형 콘텐츠는 '살'입니다. 다만 시술 효과·치료 결과를 단정하는 표현은 피하고, 정보 전달에 집중해야 합니다.

셋째, 공식 채널의 존재와 연결입니다. sameAs로 묶인 공식 채널이 실제로 운영되고 정보가 일치하면, AI는 '이 병원은 실체가 분명하다'는 신호로 받아들입니다.

효과를 확인하고 유지하는 법

세팅으로 끝이 아닙니다. 눈에 안 보이는 작업일수록 '검증과 유지'가 성패를 가릅니다. 다음을 주기적으로 점검하세요.

1. 구조 검증: 스키마 검사 도구에서 오류·경고 0을 유지합니다. 홈페이지를 개편할 때마다 스키마가 지워지는 사고가 잦으니 개편 직후 반드시 재확인합니다.
2. 실제 질의 테스트: 환자가 물을 법한 질문을 직접 AI 검색·챗봇에 넣어보고, 우리 병원이 어떻게(또는 왜 안) 언급되는지 정기적으로 관찰합니다. 표현이 어긋난 부분이 개선 힌트가 됩니다.
3. 정보 변경 프로토콜: 진료시간·번호·주소가 바뀌면 '원본 문서 → 홈페이지 → 스키마 → 플레이스 → SNS'를 한 번에 갱신하는 절차를 만들어 둡니다.

이 루틴이 자리 잡으면, 광고를 끄더라도 사라지지 않는 '검색 자산'이 병원에 쌓입니다.

무엇부터 할지 — 우선순위와 체크리스트

모든 것을 한 번에 할 필요는 없습니다. 효과 대비 노력이 큰 순서로 정리하면 다음과 같습니다.

• 1순위: 병원명·주소·전화 정답 확정 후 전 채널 통일(NAP). 가장 싸고 효과가 큽니다.
• 2순위: 대표 페이지에 MedicalOrganization 스키마 삽입 + 오류 없는지 검증.
• 3순위: 진료과목·진료시간·주차 등 자주 묻는 질문을 페이지에 명확한 문장으로 정리.
• 4순위: 공식 채널 sameAs 연결, 정기 점검 루틴 수립.

핵심은 '없는 것을 지어내는 것'이 아니라 '이미 사실인 것을 AI가 오해 없이 읽게 하는 것'입니다. 스키마는 통역이지 과장이 아닙니다.

우리 병원이 지금 AI 검색에서 어떤 상태인지, 스키마가 제대로 심겨 있는지, NAP이 어긋난 곳은 없는지는 몇 가지만 점검해도 금방 드러납니다. 스스로 진단하기 막막하다면, 현재 상태를 객관적으로 짚어주는 무료 진단으로 출발점을 잡아보시길 권합니다. 광고를 늘리기 전에, AI가 우리를 '읽을 수 있게' 만드는 이 기초 공사가 먼저입니다.