챗GPT가 우리 병원을 추천하기까지: AI 검색 최적화 전후, 진단 점수는 이렇게 달라진다

AI 검색 최적화(AI가 답변을 만들 때 우리 병원을 참고·추천하도록 정보를 정리하는 일)의 성과는 어느 날 갑자기 오지 않고, 여러 항목의 '진단 점수'가 하나씩 올라가며 만들어집니다. 이 글은 최적화를 하기 전 대부분의 병원이 멈춰 있는 지점과, 최적화 후 점수가 오르는 순서를 일반화된 사례로 단계별로 보여줍니다. 특정 병원의 실측이 아니라, 여러 현장에서 반복적으로 나타나는 개선 경로를 예시로 정리한 것입니다.

먼저 흔한 장면 하나. 원장님은 진료를 잘합니다. 재진율도 높고 후기도 좋습니다. 그런데 환자가 챗GPT나 네이버 AI, 구글의 AI 요약창에 "○○동에서 임플란트 잘하는 치과 추천해줘"라고 물으면, 화면에는 늘 옆 건물 병원만 뜹니다. 원장님 병원은 실력이 부족해서가 아니라, AI가 읽을 수 있는 형태로 존재하지 않기 때문에 후보에서 빠집니다. 억울하지만, 뒤집어 말하면 정보만 제대로 정리하면 따라잡을 수 있다는 뜻이기도 합니다.

'진단 점수'란 무엇이고 왜 점수로 봐야 하는가

AI 검색 최적화의 상태를 감(感)으로 관리하면 무엇을 고쳤는지, 무엇이 남았는지 알 수 없습니다. 그래서 우리는 병원의 온라인 정보를 여러 항목으로 쪼개 점수화합니다. 대표적으로 기본 정보의 정확성·일관성, 구조화 데이터(뒤에서 설명합니다) 적용 여부, 질문형 콘텐츠의 양과 질, 신뢰 신호(후기·전문성 표기·출처), 그리고 이 모든 것이 서로 모순 없이 맞물리는지를 봅니다.

점수로 보는 이유는 두 가지입니다. 첫째, 손실을 눈에 보이게 만듭니다. "우리 병원은 지금 100점 만점에 30점 수준"이라고 하면, 나머지 70점만큼의 문의·예약이 매달 조용히 옆 병원으로 흘러가고 있다는 뜻이 됩니다. 둘째, 기회를 순서로 만듭니다. 어느 항목이 몇 점 부족한지 알면, 가장 적은 노력으로 가장 큰 점수를 올릴 곳부터 손댈 수 있습니다.

흔한 오해 하나를 짚고 갑니다. "광고비를 더 쓰면 되는 것 아니냐"는 생각입니다. AI가 답변에 병원을 인용할지는 광고 예산이 아니라 정보의 정리 상태로 결정되는 경우가 많습니다. 광고를 끄면 사라지는 노출과 달리, 잘 정리된 정보는 남아서 계속 인용됩니다. 진단 점수는 이 '남는 자산'이 얼마나 쌓였는지를 보는 지표입니다.

최적화 전: 대부분의 병원이 멈춰 있는 지점

진단을 처음 돌리면 낮은 점수의 원인은 신기할 만큼 비슷합니다. 정보가 없어서가 아니라, 여기저기 흩어진 채 서로 다른 말을 하고 있어서 낮습니다.

• 홈페이지엔 "평일 오후 8시까지", 네이버 플레이스엔 "오후 6시", 블로그엔 "야간진료 문의"라고 적혀 제각각입니다.
• 병원명·주소·전화번호(이 세 가지를 흔히 NAP라고 부릅니다)가 채널마다 표기가 다릅니다. '△△의원'과 '△△ 의원'처럼 띄어쓰기 하나만 달라도 AI는 다른 곳으로 볼 수 있습니다.
• 콘텐츠가 병원 입장의 홍보 문장 위주라, 환자가 실제로 검색창에 치는 '질문'과 맞물리지 않습니다.

AI 입장에서 이 상태의 병원은 '신뢰하기 어려운 정보원'입니다. 서로 모순되는 정보를 함부로 인용했다가는 답변의 정확도가 떨어지므로, AI는 안전하게 정보가 일관된 다른 병원을 고릅니다. 즉 최적화 전 낮은 점수의 본질은 실력의 문제가 아니라 정합성(整合性)의 문제입니다. 이 지점을 이해하면 다음 단계들이 왜 그 순서인지 자연스럽게 이해됩니다.

1단계: 기본 정보의 일관성부터 맞춘다

가장 먼저 손대는 곳은 화려한 콘텐츠가 아니라 지루한 기본기입니다. 이유는 간단합니다. 토대가 어긋난 상태에서 콘텐츠를 아무리 쌓아도, AI는 그 정보를 신뢰하지 못해 인용하지 않기 때문입니다. 적은 노력으로 점수가 가장 크게 뛰는 구간이기도 합니다.

1. 기준 정보를 한 장에 확정합니다. 정식 병원명, 주소, 대표번호, 진료시간, 휴진일, 주차 안내를 '공식 표기'로 못 박습니다.
2. 모든 채널을 이 기준에 맞춰 통일합니다. 홈페이지, 네이버 플레이스, 구글 비즈니스 프로필, 각종 지도·예약 앱까지 글자 하나까지 똑같이.
3. 변경 사항(진료시간 조정, 이전 등)이 생기면 모든 채널을 같은 날 함께 고치는 규칙을 만듭니다.

흔한 실수는 홈페이지만 고치고 외부 채널을 방치하는 것입니다. AI는 여러 출처를 교차 대조하기 때문에, 한 곳이라도 다르면 전체 신뢰도가 깎입니다. 이 단계만 제대로 마쳐도 낮은 점수대의 병원은 눈에 띄게 반등합니다.

2단계: 구조화 데이터로 AI가 '읽을 수 있게' 만든다

사람은 홈페이지를 보고 "아, 여기가 치과이고 강남에 있고 6시까지 하는구나"를 압니다. 하지만 AI는 화면을 그렇게 보지 못합니다. 그래서 필요한 것이 구조화 데이터(스키마)입니다. 스키마란 홈페이지 뒤편에 "이 병원의 종류는 치과, 주소는 여기, 진료시간은 이렇다"라고 기계가 알아보는 언어로 붙여 두는 꼬리표라고 이해하시면 됩니다. 사람 눈엔 안 보이지만 AI에겐 명찰처럼 또렷하게 읽힙니다.

이 꼬리표가 없으면 AI는 페이지의 문장을 추측으로 해석해야 하고, 추측은 곧 오류 위험입니다. 반대로 스키마가 잘 붙어 있으면 AI는 확신을 갖고 정보를 가져다 씁니다. 진료과목, 위치, 진료시간, 후기 평점, 자주 묻는 질문(FAQ) 같은 항목에 스키마를 적용하면, 같은 내용이라도 인용 확률이 올라갑니다.

• 병원 유형·주소·연락처·진료시간에 대한 기본 스키마를 먼저 적용합니다.
• FAQ 스키마를 붙여, 환자 질문과 답을 AI가 통째로 인용하기 좋게 만듭니다.
• 적용 후에는 반드시 검증 도구로 오류가 없는지 확인합니다. 잘못 붙은 꼬리표는 안 붙은 것보다 나쁠 수 있습니다.

이 단계는 원장님이 직접 코드를 다룰 필요는 없지만, '무엇이 왜 필요한지'는 알고 계셔야 담당자나 대행사에 정확히 요구할 수 있습니다.

3단계: 환자의 '질문'에 답하는 콘텐츠로 인용 확률을 높인다

AI 검색은 키워드가 아니라 질문과 답의 쌍으로 작동합니다. 환자는 "임플란트 아파요?", "당일 발치하고 심을 수 있나요?", "보험 되나요?"처럼 묻습니다. 그런데 많은 병원의 콘텐츠는 "최첨단 장비", "편안한 진료" 같은 홍보 문장으로만 채워져 있어, 이 질문들과 맞물리지 못합니다. 답이 없으니 인용될 자리도 없습니다.

그래서 콘텐츠를 질문형 구조로 다시 씁니다. 소제목을 실제 환자가 검색창에 치는 문장으로 잡고, 첫 두세 문장에 결론부터 명확히 답합니다. AI는 장황한 서론보다 앞부분의 핵심 답변을 인용하기 때문입니다.

1. 실제 상담 데스크에서 가장 많이 나온 질문 20개를 적습니다. 이것이 최고의 콘텐츠 주제 목록입니다.
2. 각 질문을 소제목으로 만들고, 첫 문장에서 바로 답합니다. 이후 근거·주의점·다음 행동을 덧붙입니다.
3. 단정적 효과·치료 결과를 약속하는 표현은 피하고, 정보 제공 관점으로 씁니다. 과장은 신뢰 신호를 오히려 깎습니다.

흔한 실수는 하나의 긴 글에 모든 걸 욱여넣는 것입니다. 질문 하나에 명확한 답 하나가 원칙입니다. 잘게 쪼갤수록 AI가 필요한 조각을 정확히 집어 인용합니다.

4단계: 신뢰 신호를 쌓아 '인용해도 되는 곳'으로 만든다

정보가 정리되고 읽히기 시작하면, 그다음은 "이 병원을 답변에 넣어도 안전한가"라는 신뢰의 문제로 넘어갑니다. AI는 근거가 분명하고 전문성이 드러나는 출처를 선호합니다.

• 작성자 전문성 표기: 콘텐츠에 담당 의료진의 전문 분야·경력을 명확히 밝혀, 누가 쓴 정보인지 드러냅니다.
• 후기의 양과 진정성: 실제 환자 경험이 꾸준히 쌓이면 신뢰 점수가 올라갑니다. 다만 조작된 후기는 장기적으로 역효과입니다.
• 출처와 근거: 일반화된 정보를 다룰 때 공신력 있는 기관 기준을 참고했음을 밝히면 신뢰가 높아집니다.

이 단계의 핵심은 '진짜'를 쌓는 것입니다. 단기적으로 점수를 부풀리는 편법은 AI와 검색 플랫폼이 점점 더 정교하게 걸러냅니다. 정직하게 쌓은 신뢰 신호만이 오래 남습니다.

최적화 후: 무엇이, 언제부터 달라지나

네 단계를 순서대로 밟으면 진단 점수는 대체로 계단식으로 오릅니다. 일반화된 예시로 그려 보면, 처음 30점대에 머물던 병원이 기본 정보 정합성만 맞춰도 50점 안팎으로 오르고, 스키마와 질문형 콘텐츠가 붙으면서 70점대, 신뢰 신호가 쌓이며 80점 이상으로 올라가는 흐름입니다. (구체 수치는 병원마다 다르며, 여기서는 개선의 '순서와 형태'를 보이기 위한 예시입니다.)

체감되는 변화는 대개 이렇게 나타납니다. 먼저 정보의 모순이 사라지면서 엉뚱한 노출·문의 오류가 줄고, 이어 AI 답변이나 지도·요약창에 병원명이 후보로 등장하기 시작합니다. 마지막으로 질문형 콘텐츠가 쌓이면 특정 질문에서 병원의 문장이 직접 인용되기도 합니다. 다만 이 변화는 광고처럼 즉시 켜지지 않고 몇 주에서 몇 달에 걸쳐 서서히 반영되므로, 조급하게 판단하지 말고 점수의 추세로 관리하는 편이 낫습니다.

중요한 원칙 하나. 점수는 한 번 올린다고 끝이 아니라 유지·관리해야 하는 자산입니다. 진료시간이 바뀌었는데 한 채널만 고치면 정합성 점수가 다시 떨어집니다. 정기 점검 루틴을 만드는 것이 상위 점수를 지키는 유일한 방법입니다.

오늘 당장 시작하는 우선순위 체크리스트

모든 걸 한 번에 하려 하면 아무것도 못 합니다. 점수 대비 노력이 가장 효율적인 순서대로 다음을 권합니다.

1. 기준 정보 한 장 만들기: 정식 병원명·주소·전화·진료시간·휴진일을 확정합니다. (오늘)
2. 채널 통일: 홈페이지·네이버·구글·예약앱의 표기를 이 기준에 글자까지 맞춥니다. (이번 주)
3. 질문 20개 수집: 데스크에서 실제로 가장 많이 나온 질문을 모아 콘텐츠 주제로 삼습니다. (이번 주)
4. 스키마 적용 요청: 담당자·대행사에 기본 정보와 FAQ 스키마 적용을 정확히 요구합니다. (이번 달)
5. 신뢰 신호 정비: 의료진 전문성 표기와 진짜 후기 관리 루틴을 만듭니다. (이번 달)

여기까지만 해도 대부분의 병원은 낮은 점수대를 벗어납니다. 다만 우리 병원이 지금 몇 점에서 시작하는지, 어느 항목이 가장 새고 있는지는 직접 보지 않으면 알기 어렵습니다. 현재 상태를 항목별 점수로 확인하고 싶다면 무료 진단으로 출발점부터 잡아 보시길 권합니다. 어디가 부족한지 숫자로 보이는 순간, 무엇부터 할지가 저절로 분명해집니다.