검색이 사라진다: 환자가 챗GPT에 물을 때 병원 이름이 불리는 법

환자는 더 이상 '검색'하지 않고 AI에게 '추천'을 받기 시작했습니다. 검색창에 열 개의 병원이 나열되던 시대가 저물고, 챗GPT·제미나이가 단 한두 곳을 '지목'하는 시대가 열렸습니다. 이 글은 그 변화가 병원 마케팅의 무엇을 무너뜨리는지, 그리고 원장이 오늘 당장 무엇을 준비해야 AI가 우리 병원을 불러 주는지를 실무 단계까지 짚습니다.

환자가 챗GPT에 물으면, 왜 옆 병원만 뜰까

한 원장이 이런 경험을 합니다. 신규 환자에게 "어떻게 저희를 알고 오셨나요?" 물었더니 "챗GPT한테 우리 동네에서 여기가 괜찮다고 해서요"라는 답이 돌아옵니다. 놀란 원장이 직접 챗GPT를 열어 "○○동에서 임플란트 잘하는 치과 알려줘"라고 물어보니, 정작 자기 병원은 목록에 없고 길 건너 경쟁 병원만 이름이 오릅니다. 광고비는 그 병원보다 더 쓰고 있는데도 말입니다.

이 장면이 지금 전국의 진료실에서 조용히 반복되고 있습니다. 문제는 '광고를 덜 해서'가 아닙니다. 게임의 규칙 자체가 바뀌었기 때문입니다. 과거의 마케팅은 '검색 결과 페이지에서 위로 올라가는' 싸움이었습니다. 하지만 AI에게 질문하는 환자는 검색 결과 페이지를 아예 보지 않습니다. AI가 대신 읽고, 골라서, 요약해 줍니다.

즉, 예전에는 환자가 열 개 병원 목록을 스스로 훑고 비교했다면, 이제는 AI라는 '중간 안내자'가 그 비교를 대신 끝내 버립니다. 환자가 마주하는 건 열 개의 선택지가 아니라, AI가 이미 걸러 낸 한두 개의 이름입니다. 그 명단에 들지 못하면, 아무리 실력이 좋아도 환자의 선택지 안에 존재하지 않는 것과 같습니다.

'검색'에서 '추천'으로 — 패러다임이 통째로 바뀌었다

지난 20년간 병원 마케팅의 문법은 '검색 최적화(SEO, 검색엔진에서 상위에 노출되도록 하는 작업)'였습니다. 키워드를 심고, 블로그를 쌓고, 상위 노출 대행에 돈을 넣는 방식입니다. 이 문법이 통했던 이유는 단 하나, 환자가 '검색창에 키워드를 넣고 결과 목록을 직접 본다'는 전제 때문이었습니다.

생성형 AI(스스로 문장을 만들어 답하는 AI, 챗GPT·제미나이·클로드 등)는 이 전제를 깹니다. 환자는 키워드가 아니라 문장으로 묻습니다. "아이가 밤에 이가 아프다는데 주말에도 진료하고 아이 잘 보는 치과 어디 없을까?" 같은 식입니다. AI는 이 복잡한 질문을 이해하고, 여러 조건을 한 번에 걸러 '추천'이라는 형태로 답을 내놓습니다.

정리하면 세 가지가 근본적으로 달라졌습니다.

• 노출에서 인용으로: 예전엔 목록에 '보이기만' 하면 됐지만, 이제는 AI가 답변 안에서 우리 병원을 '언급·인용'해야 존재가 성립합니다.
• 키워드에서 맥락으로: 단어 하나가 아니라 '주말 진료+소아 친화+야간 통증' 같은 여러 맥락을 동시에 만족시켜야 뽑힙니다.
• 클릭에서 신뢰로: 환자는 열 개를 비교하지 않고 AI가 준 한두 개를 거의 그대로 신뢰합니다. 1등이 아니라 '유일하게 언급된 곳'이 되는 싸움입니다.

이 변화를 다루는 새 문법을 업계에서는 AEO(답변엔진최적화, Answer Engine Optimization — AI가 질문에 답할 때 우리를 근거로 삼도록 콘텐츠를 정리하는 작업)라고 부릅니다. SEO가 '검색 결과에서 위로'였다면, AEO는 'AI의 답변 안으로'입니다.

AI는 도대체 무슨 기준으로 병원을 '지목'하나

많은 원장이 "AI가 뽑는 기준은 블랙박스 아니냐"고 묻습니다. 완벽히 투명하진 않지만, 작동 원리를 알면 대응 지점이 분명히 보입니다. 생성형 AI는 크게 두 방식으로 병원 정보를 끌어옵니다.

첫째, 학습된 지식입니다. AI는 인터넷의 방대한 문서를 미리 학습해 두었습니다. 우리 병원이 여러 신뢰도 높은 곳(공식 홈페이지, 지도 서비스, 언론 기사, 리뷰)에서 일관된 정보로 자주 언급될수록, AI의 '기억' 속에 병원이 또렷하게 남습니다. 반대로 정보가 흩어져 있거나 서로 어긋나면 AI는 우리를 흐릿하게 기억하거나 아예 지나칩니다.

둘째, 실시간 검색 결합(RAG, 검색으로 최신 자료를 찾아 답에 반영하는 방식)입니다. 최근 AI들은 답하기 전에 실제로 웹을 한 번 검색합니다. 이때 구조가 명확하고 사실이 정돈된 페이지를 AI가 읽기 쉽습니다. 진료과목·진료시간·위치·특화 분야가 문장으로 또박또박 정리돼 있으면 AI가 그대로 인용하지만, 이미지 배너와 이벤트 팝업만 가득하면 AI는 읽을 게 없어 그냥 넘어갑니다.

여기서 핵심 교훈이 나옵니다. AI는 '예뻐서'가 아니라 '읽기 쉽고 신뢰할 만해서' 병원을 인용합니다. 화려한 디자인보다, 사실이 구조적으로 정리된 텍스트가 훨씬 강력합니다.

지금 움직이지 않으면 잃는 것, 움직이면 얻는 것

먼저 손실부터 냉정하게 봅시다. AI 추천에서 빠진다는 건 단순히 '노출 하나 줄어드는' 문제가 아닙니다. AI를 쓰는 환자층은 정보 탐색에 능동적이고, 비교 없이 추천을 신뢰하는 경향이 있습니다. 즉 가장 전환율 높은 환자가, 우리를 검토조차 하지 않고 경쟁 병원으로 갑니다. 이 손실은 광고 리포트에 '0'으로 찍히지도 않습니다. 애초에 우리 앞을 지나간 적이 없으니 데이터에 흔적조차 남지 않는, 보이지 않는 이탈입니다.

게다가 이 격차는 시간이 갈수록 벌어집니다. AI가 특정 병원을 반복 인용하면 그 병원의 언급이 더 늘고, 늘어난 언급이 다시 AI의 신뢰를 강화하는 '눈덩이 효과'가 생깁니다. 남들이 먼저 자리를 잡으면 나중에 따라잡는 비용은 몇 배로 커집니다.

반대로 기회 프레임은 이렇습니다. 아직 대다수 병원은 AEO를 모릅니다. 즉 지금은 경쟁이 비어 있는 초입입니다. 네이버 상위 노출은 이미 대행사 물량 싸움으로 값이 올라 있지만, 'AI가 인용하는 병원'이라는 자리는 상대적으로 저렴한 노력으로 선점할 수 있습니다. 먼저 정돈한 병원이 그 지역 질문의 '기본 답변'이 됩니다.

오늘 당장 할 일 — 병원장을 위한 실행 5단계

추상적인 이야기를 실무로 내려놓습니다. 아래 순서대로만 해도 AI가 우리 병원을 읽고 인용할 확률이 눈에 띄게 올라갑니다.

1. 정보 일치부터 맞춘다. 병원명·주소·전화번호·진료시간을 홈페이지, 네이버·구글 지도, 각종 등록 정보에서 글자 하나까지 동일하게 통일하세요. 지점명 표기, 층수, 요일별 시간이 서로 다르면 AI는 혼란스러워 우리를 신뢰하지 않습니다. 이건 돈이 아니라 반나절의 정리로 됩니다.
2. '우리는 무엇을 잘하는가'를 문장으로 명시한다. "저희는 다 잘합니다"는 AI에게 아무 정보가 아닙니다. '소아 치과 진료', '야간·주말 진료', '임플란트 재수술 상담' 처럼 구체적 특화를 텍스트로 홈페이지 첫 화면 근처에 적으세요. AI는 이 문장을 그대로 인용합니다.
3. 환자의 진짜 질문에 답하는 콘텐츠를 만든다. 환자가 AI에 묻는 문장("임플란트 후 붓기는 얼마나 가나요", "교정 중 통증 관리")을 소제목으로 삼고, 3~5문장으로 정직하게 답하는 글을 쌓으세요. 이벤트 배너가 아니라 질문-답변 형태의 정보가 AI의 먹잇감입니다.
4. 페이지에 '구조'를 입힌다(스키마 마크업). 스키마 마크업이란 '이건 진료시간, 이건 주소, 이건 자주 묻는 질문'이라고 페이지에 꼬리표를 다는 기술적 작업입니다. AI가 사람보다 먼저 이 꼬리표를 읽습니다. 홈페이지 제작·관리 업체에 "의료기관 스키마와 FAQ 스키마를 넣어 달라"고 요청만 해도 시작됩니다.
5. 직접 검증한다. 매달 챗GPT·제미나이에 환자처럼 "○○동 △△ 잘하는 병원"이라고 물어보세요. 우리가 언급되는지, 정보가 정확한지, 틀린 내용은 없는지 확인하고 기록합니다. 이 한 가지 습관이 방향을 잡아 줍니다.

병원장이 가장 자주 저지르는 실수들

현장에서 반복되는 함정이 있습니다. 미리 알면 피할 수 있습니다.

• 디자인에만 투자하고 텍스트를 비운다. 세련된 이미지 홈페이지일수록 AI가 읽을 글자가 없습니다. 사람 눈엔 멋지지만 AI 눈엔 '빈 페이지'입니다.
• 정보를 여러 곳에 다르게 뿌린다. 지도엔 옛 진료시간, 홈페이지엔 새 진료시간이 남아 서로 어긋나면 AI는 둘 다 못 믿습니다. 일관성이 화려함을 이깁니다.
• 과장·단정으로 채운다. "100% 성공", "최고" 같은 표현은 AI가 신뢰 낮은 신호로 걸러 내는 경향이 있고, 의료광고 규정에도 어긋납니다. AI는 담백하고 사실적인 문장을 선호합니다.
• 한 번 세팅하고 방치한다. AI 모델과 검색 방식은 계속 바뀝니다. 분기마다 점검하지 않으면 어렵게 잡은 자리를 조용히 잃습니다.

일반화된 현장 예시로 보는 차이

이해를 돕기 위한 가상의 예를 들어 봅니다. 같은 상권의 두 병원이 있다고 해 봅시다. A병원은 광고비를 크게 쓰지만 홈페이지는 이미지 배너 중심이고, 지도와 홈페이지의 진료시간이 다릅니다. B병원은 광고비는 적게 쓰지만, 특화 분야를 문장으로 적고, 환자 질문 30개에 답하는 글을 쌓고, 정보를 모든 채널에서 통일했습니다.

환자가 AI에 "이 동네에서 야간에도 되고 아이 잘 보는 치과"라고 물으면, AI는 '야간 진료'와 '소아 친화'라는 문장을 명확히 가진 B병원을 인용할 가능성이 큽니다. A병원은 배너 속 이미지에 그 정보가 있어도 AI가 읽지 못합니다. 광고비의 크기가 아니라, AI가 읽을 수 있게 정리했는가가 승부를 갈랐습니다. 이는 특정 병원의 실제 성과가 아니라 원리를 보여 주기 위한 일반화된 예시임을 밝힙니다.

여기서 얻을 통찰은 분명합니다. AEO는 큰 예산이 아니라 '정직하고 명확한 정보 정리'에서 출발하며, 그래서 규모가 작은 병원에도 충분히 승산이 있다는 점입니다.

무엇부터 시작할까 — 우선순위와 체크리스트

모든 걸 한 번에 할 필요는 없습니다. 효과 대비 노력이 좋은 순서로 정리했습니다.

1. 1주차: 홈페이지·지도·등록 정보의 병원명·주소·전화·진료시간을 완전히 일치시킨다.
2. 2~3주차: 홈페이지에 특화 분야를 문장으로 명시하고, 자주 받는 환자 질문 10개에 답하는 글을 올린다.
3. 4주차: 제작 업체에 의료기관·FAQ 스키마 마크업 적용을 요청한다.
4. 매월: 챗GPT·제미나이에 환자처럼 질문해 우리 병원 언급 여부와 정보 정확성을 점검한다.

지금 우리 병원이 어느 위치에 있는지 모른 채로는 무엇부터 고칠지 정하기 어렵습니다. AI 검색에서 우리 병원이 실제로 어떻게 불리는지, 어떤 정보가 어긋나 있는지 먼저 진단해 보는 것이 가장 빠른 첫걸음입니다. AI메디랩은 병원장이 직접 확인하기 어려운 이 지점을 무료로 진단해 드리며, 도움이 필요하실 때 부담 없이 활용하시길 권합니다. 중요한 건 완벽한 시작이 아니라, 경쟁이 비어 있는 지금 한 걸음을 떼는 일입니다.