스키마 3줄 넣고 석 달, 챗GPT가 우리 병원을 답으로 골랐다

홈페이지 문구를 새로 쓰지도, 광고비를 늘리지도 않았습니다. 눈에 보이지 않는 '구조화 데이터(스키마)'만 정리했을 뿐인데, 몇 달 뒤 이 병원은 챗GPT·퍼플렉시티 같은 AI 답변에 병원 이름이 인용되기 시작했습니다. 이 글은 실제 현장에서 반복적으로 관찰되는 패턴을 하나의 사례로 일반화해, 원장이 '무엇을 어떤 순서로' 바꾸면 되는지까지 정리한 기록입니다.

먼저 용어 하나만 짚겠습니다. 스키마(구조화 데이터)란 사람 눈에 보이는 홈페이지 화면과 별개로, 페이지 안에 숨겨 넣는 '기계가 읽는 설명표'입니다. '이 사이트는 ○○동에 있는 치과이고, 원장은 누구이며, 진료시간은 몇 시부터'라는 사실을 검색엔진과 AI가 오해 없이 읽도록 정해진 형식으로 알려주는 것이죠. 사람에게 보이는 페이지가 '광고 전단'이라면, 스키마는 그 뒤에 붙은 '공식 사업자 등록표'에 가깝습니다.

같은 동네인데, 왜 옆 병원만 AI 답변에 뜰까

사례의 시작은 익숙한 장면이었습니다. 한 원장이 직접 챗GPT에 '○○동 임플란트 잘하는 치과'라고 물었더니, 정작 자기 병원은 언급조차 되지 않고 길 건너 병원 두 곳만 답으로 나왔습니다. 홈페이지도 멀쩡하고 진료 실력도 뒤지지 않는데, AI의 눈에는 병원이 '존재하지 않는 것처럼' 취급된 것입니다.

이 상황을 손실의 관점에서 보면 뼈아픕니다. 환자는 이제 검색창에 키워드를 넣고 열 개의 파란 링크를 비교하는 대신, AI에게 대화하듯 묻고 'AI가 골라준 두세 곳'만 후보로 받습니다. 그 후보 명단에 들지 못하면, 아무리 홈페이지가 좋아도 애초에 비교 대상에조차 오르지 못합니다. 광고로 클릭을 사는 것과 달리, 이 명단은 돈으로 자리를 살 수도 없습니다.

반대로 기회의 관점도 분명합니다. 아직 대부분의 병원이 스키마를 손대지 않은 지금은, 남보다 먼저 '기계가 읽기 쉬운 병원'이 되어 두세 곳뿐인 후보 자리를 선점하기 가장 쉬운 시기입니다. 이 사례의 병원도 특별한 기술이 아니라, '순서'를 지킨 덕에 그 자리를 차지했습니다.

도입 전 진단: AI가 우리 병원을 '읽지 못하던' 상태

정비를 시작하기 전, 이 병원의 홈페이지를 점검하니 전형적인 문제가 겹쳐 있었습니다. 진료시간과 위치는 예쁜 이미지 안에 글자로 박혀 있어 기계가 텍스트로 읽을 수 없었고, 원장 소개는 '친절한 진료'라는 감성 문구뿐 경력·자격이 사실 데이터로 정리돼 있지 않았습니다. 병원명 표기도 홈페이지·네이버·구글이 조금씩 달랐습니다.

여기에 결정적으로, 페이지 어디에도 스키마가 심어져 있지 않았습니다. AI 입장에서는 '이곳이 병원인지, 어느 동네인지, 무엇을 진료하는지'를 확신할 근거가 없으니, 확신이 필요한 추천 답변에서 안전하게 제외해 버린 셈입니다.

AI는 틀린 정보를 답하는 것을 가장 두려워합니다. 그래서 '확실하지 않은 병원'은 인용하지 않습니다. 스키마는 그 확신을 대신 만들어 주는 근거입니다.

무엇을 바꿨나 — 실제 적용한 구조화 데이터 항목

이 병원이 손댄 것은 화면 디자인이 아니라, 페이지 뒤에 심는 스키마와 그 재료가 될 '사실 텍스트'였습니다. 우선순위대로 다음 순서를 따랐습니다.

1. MedicalOrganization·Organization 스키마 — '우리는 어디에 있는 무슨 병원인가'를 선언하는 기본 등록증. 상호·주소·전화·진료과·홈페이지 주소를 정해진 형식으로 심었습니다.
2. 진료시간·위치·주차 정보를 텍스트로 — 이미지 안 글자를 화면에 실제 텍스트로 다시 적어, 기계가 읽을 수 있게 했습니다.
3. FAQPage(자주 묻는 질문) 스키마 — '주차 되나요' '토요일 진료하나요'처럼 환자가 실제로 자주 묻는 질문과 답을 질문·답 형식으로 구조화했습니다. AI 답변에 통째로 인용되기 가장 쉬운 형태입니다.
4. 의료진 소개를 사실 데이터로 — 이름·전공·학회 활동 등 검증 가능한 경력을 항목으로 정리해 신뢰 신호를 만들었습니다. (효과·실력을 단정하는 표현은 배제)
5. 병원명·주소·전화(NAP) 표기 통일 — 홈페이지·네이버·구글의 표기를 글자 하나까지 똑같이 맞췄습니다.

핵심은 '없는 사실을 지어내는 것'이 아니라, 이미 사실인 정보를 기계가 읽는 형식으로 다시 정리한 것뿐이라는 점입니다. 그래서 광고 규정에서도 자유롭습니다.

도입 후: 무엇이 달라졌나(일반화된 변화)

변화는 하루아침에 오지 않았습니다. 일반적으로 검색엔진과 AI가 바뀐 정보를 다시 수집하고 반영하기까지는 몇 주에서 몇 달이 걸립니다. 이 사례에서도 눈에 띄는 변화가 나타난 것은 정비 이후 대략 두세 달이 지난 시점이었습니다.

먼저 나타난 신호는 AI에게 병원 이름을 직접 물었을 때 진료시간·위치를 정확히 답하기 시작한 것이었습니다. 그다음 단계로, FAQ에 정리해 둔 질문과 비슷한 물음에 병원 답변이 근거로 언급되는 사례가 관찰됐습니다. 화면은 그대로인데, '기계가 읽는 층'이 달라지자 AI의 태도가 바뀐 것입니다.

다만 오해는 금물입니다. 스키마는 순위를 사는 마법이 아니라 '읽힐 준비'를 시키는 토대입니다. 경쟁이 치열한 키워드일수록 콘텐츠·리뷰·지역 신호가 함께 쌓여야 하며, 결과의 폭과 속도는 진료과·지역·경쟁 상황에 따라 다릅니다.

흔한 실수 — 스키마를 넣고도 인용이 안 되는 이유

많은 병원이 스키마를 넣고도 효과를 못 보는 데는 반복되는 이유가 있습니다. 아래는 이 사례를 포함해 현장에서 자주 관찰되는 실수입니다.

• 화면 문구와 스키마 내용이 다르다 — 화면엔 없는 정보를 스키마에만 넣으면 AI는 오히려 신뢰를 거둡니다. 둘은 반드시 일치해야 합니다.
• 정보를 심어놓고 방치한다 — 진료시간·전화가 바뀌었는데 스키마는 옛 정보 그대로면, 틀린 답의 원인이 됩니다.
• NAP 불일치를 안 고친다 — 채널마다 병원명·주소가 다르면 스키마를 넣어도 '같은 병원인지' 확신을 못 줍니다.
• 크롤러를 막아둔다 — robots 설정으로 AI 수집을 차단해 놓고 인용을 기대하는 경우가 의외로 많습니다.
• 형식 오류를 검증하지 않는다 — 문법이 틀린 스키마는 아예 무시됩니다. 무료 검사 도구로 오류 여부를 반드시 확인해야 합니다.

오늘 당장 시작하는 우선순위 체크리스트

원장이 이 사례를 자기 병원에 옮긴다면, 완벽한 전면 개편보다 '가장 효과 큰 것부터' 순서대로 손대는 편이 현실적입니다. 다음 순서를 권합니다.

1. 병원명·주소·전화 표기를 홈페이지·네이버·구글에서 글자 단위로 일치시킨다.
2. 이미지에 갇힌 진료시간·위치·주차 정보를 실제 텍스트로 페이지에 적는다.
3. 기본 MedicalOrganization 스키마부터 심는다(상호·주소·전화·진료과).
4. 실제 상담에서 가장 많이 받는 질문 5~7개를 FAQ 스키마로 정리한다.
5. 의료진 경력을 검증 가능한 사실 항목으로 정돈한다.
6. 크롤러 차단 여부를 점검하고, 스키마 형식 오류를 검사 도구로 확인한다.

이 순서만 지켜도, 홈페이지 디자인 한 줄 바꾸지 않고 'AI가 읽을 준비가 된 병원'으로 바뀝니다. 결과가 나타나는 데는 시간이 걸리지만, 시작이 빠를수록 아직 비어 있는 후보 자리를 먼저 차지하게 됩니다.

마무리: 무엇부터 점검할지 막막하다면

정리하면, 이 사례의 교훈은 단순합니다. AI에 인용되는 병원과 그렇지 않은 병원의 차이는 실력이 아니라 '기계가 읽을 수 있게 정리했느냐'인 경우가 많다는 것입니다. 그리고 그 정비는 없는 사실을 꾸미는 일이 아니라, 이미 있는 사실을 제 형식으로 되돌려놓는 일입니다.

우리 병원이 지금 AI의 눈에 어떻게 보이는지, 스키마·NAP·크롤러 설정 중 무엇이 비어 있는지부터 확인하는 것이 첫걸음입니다. 어디부터 손대야 할지 막막하다면, AI메디랩의 무료 진단으로 현재 상태를 항목별로 점검해 우선순위를 잡아보시길 권합니다. 큰 개편이 아니라 '읽힐 준비'부터 시작하면 됩니다.