챗GPT가 '○○동 병원 추천'에 옆 병원만 꼽는 이유: 네이버 플레이스 최적화 7단계

환자가 챗GPT나 네이버 AI에 '○○동 치과 추천'을 물었을 때 답에 포함되는 병원은 대개 지도 서비스에 정보가 가장 정확하고 풍부하게 정리된 곳입니다. 네이버 플레이스의 기본 정보, 이름·주소·전화번호의 일관성, 리뷰에 담긴 구체적 내용이 AI가 병원을 추천할 때 참고하는 핵심 근거가 됩니다. 이 글은 병원장이 직접 점검하고 고칠 수 있는 플레이스 최적화 단계를 영향이 큰 순서대로 정리합니다.

강남역 인근에서 10년 넘게 진료해 온 한 원장이 최근 겪은 일입니다. 직원이 챗GPT에 '강남역 근처 임플란트 잘하는 치과'를 물어보니 개원 2년이 안 된 옆 건물 치과가 첫 번째로 나오고, 자신의 병원은 아예 언급되지 않았습니다. 경력도, 장비도, 실제 환자 수도 뒤지지 않는데 왜 이런 일이 생길까요. 네이버 지도에서 두 병원을 나란히 열어 보면 답이 보입니다. 옆 병원은 진료과목·진료시간·주차 안내·소개글이 빠짐없이 채워져 있고 최근 한 달 사이 리뷰와 답글이 꾸준히 쌓여 있습니다. 반면 이 원장의 플레이스는 개원 때 등록한 전화번호가 홈페이지와 다르고, 소개글은 세 줄, 사진은 5년 전 간판 사진이 전부입니다. 이 사례는 설명을 위한 일반화된 예시이지만, 비슷한 장면은 어느 지역에서나 반복됩니다.

AI는 병원의 실력을 직접 평가하지 못합니다. 대신 공개된 데이터 가운데 가장 정확하고 일관되며 최근까지 갱신된 정보를 가진 병원을 '안전한 추천'으로 고릅니다. 지역 병원 추천에서 그 데이터의 출발점이 네이버 플레이스입니다. 이 글은 플레이스 정보, NAP 일관성, 리뷰, 활동 신호를 어떻게 정비해야 AI 추천 목록에 들어가는지를 원장이 오늘 바로 실행할 수 있는 순서로 설명합니다.

AI는 왜 홈페이지보다 플레이스를 먼저 읽는가

GEO(Generative Engine Optimization, 생성형 AI 검색 최적화)는 챗GPT·제미나이·네이버 AI 검색 같은 생성형 AI가 답변을 만들 때 우리 병원이 근거 자료로 인용되도록 정보를 정비하는 작업입니다. 기존 검색 최적화(SEO)가 '검색 결과 목록에서 몇 번째에 뜨느냐'의 싸움이었다면, GEO는 'AI가 답변 문장 안에 우리 이름을 넣느냐'의 싸움입니다.

지역 병원 추천 질문에서 AI가 가장 신뢰하는 자료는 지도 서비스의 업체 정보입니다. 이유는 단순합니다. 지도 데이터는 구조가 정해져 있어 기계가 읽기 쉽고, 플랫폼이 검증 절차를 거치며, 위치·진료시간·전화번호처럼 '추천 직후 환자가 행동하는 데 필요한 정보'가 한곳에 모여 있기 때문입니다. 한국에서는 네이버 플레이스가 그 역할을 가장 넓게 맡고 있고, 네이버 자체 AI 검색은 물론 다른 AI 서비스도 웹에 공개된 플레이스 정보를 참고합니다.

손실 관점에서 보면, 플레이스가 비어 있는 병원은 AI 입장에서 '정보가 부족해 추천하기 위험한 병원'입니다. 반대로 플레이스가 잘 정비된 병원은 별도의 광고 비용 없이 '○○동 병원 추천' 질문마다 후보에 오르는 기회를 얻습니다. 원장이 당장 해야 할 일은 광고 예산을 늘리는 것이 아니라, AI가 읽는 첫 번째 문서인 플레이스를 '빈칸 없이, 틀린 곳 없이, 최근까지' 유지하는 것입니다.

흔한 실수는 플레이스를 '한 번 등록하면 끝나는 간판'으로 여기는 것입니다. AI는 갱신 시점과 활동 흔적을 함께 봅니다. 개원 때 만들어 두고 몇 년째 손대지 않은 플레이스는 겉보기엔 멀쩡해도 AI에게는 '운영 여부가 불확실한 곳'으로 읽힐 수 있습니다.

NAP 일관성: 전화번호 한 자리가 추천을 가른다

NAP는 Name(상호), Address(주소), Phone(전화번호)의 머리글자로, 병원이 온라인에 존재하는 모든 곳에서 이 세 가지가 완전히 똑같아야 한다는 원칙입니다. AI는 여러 출처에 흩어진 정보를 모아 '이것이 같은 병원인가'를 판단하는데, 상호 표기나 전화번호가 조금씩 다르면 하나의 병원을 둘 셋으로 나눠 인식하거나, 어느 쪽이 맞는지 확신하지 못해 추천에서 제외합니다.

병원에서 특히 자주 생기는 불일치는 이렇습니다. 플레이스에는 '○○치과의원', 홈페이지에는 '○○치과', 블로그에는 '○○덴탈클리닉'으로 다르게 적힌 상호. 플레이스 전화는 대표번호인데 홈페이지는 상담 직통번호. 주소가 도로명과 지번으로 섞여 있고 층·호수 표기가 들쑥날쑥한 경우. 이전·확장 후 옛 주소가 남은 디렉터리 사이트. 하나하나는 사소해 보이지만 AI에게는 신뢰 점수를 깎는 요인이 됩니다.

1. 기준 NAP를 하나 정합니다. 상호는 의료기관 개설신고 명칭을 기준으로 하되, 환자가 부르는 이름(예: '○○치과')은 소개글에 함께 적습니다.
2. 점검 대상을 목록으로 만듭니다. 네이버 플레이스, 구글 비즈니스 프로필, 카카오맵, 홈페이지 푸터와 오시는 길, 공식 블로그·인스타그램 프로필, 예약 플랫폼, 지역 상가 디렉터리 순으로 적습니다.
3. 각 항목을 기준 NAP와 글자 단위로 대조하고, 틀린 곳은 직접 수정하거나 수정을 요청합니다. 수정 날짜를 기록해 둡니다.
4. 홈페이지에는 스키마(Schema) 마크업으로 같은 NAP를 한 번 더 선언합니다. 스키마는 페이지의 이름·주소·전화·진료시간을 AI와 검색엔진이 오해 없이 읽도록 붙이는 표준 꼬리표입니다.

흔한 실수는 '대표번호만 맞으면 된다'는 생각입니다. 번호를 두 개 이상 등록한다면 대표번호를 첫 번째로 두고, 홈페이지·블로그에도 같은 번호를 첫 번째로 노출하세요. 비유하자면 NAP는 병원의 신분증입니다. 신분증 이름이 서류마다 다르면 아무리 실력이 좋아도 본인 확인부터 막힙니다.

플레이스의 빈칸은 곧 '추천 제외 사유'다

AI가 '○○동 소아과 추천'에 답하려면 최소한 진료과목, 위치, 진료시간, 휴무일, 주차 가능 여부, 예약 방식을 알아야 합니다. 이 가운데 하나라도 비어 있으면 AI는 그 정보를 다른 병원에서 찾아 답을 완성합니다. 즉 빈칸 하나가 곧 경쟁 병원에게 기회를 넘기는 일입니다.

스마트플레이스 관리 화면에서 채울 수 있는 항목을 전부 채우는 것이 출발점입니다. 특히 다음 항목은 병원에서 자주 비어 있으면서 AI 답변에 직접 영향을 줍니다.

• 업종·진료과목: 표준 진료과목명을 정확히 선택하고, 세부 분야는 소개글과 대표 키워드 항목에 환자가 쓰는 표현으로 보강합니다.
• 진료시간: 요일별 시간, 점심시간, 야간·토요일 진료, 공휴일 운영 여부를 모두 적습니다. '야간 진료하는 ○○동 내과'처럼 시간 조건이 붙은 질문에서 결정적입니다.
• 편의시설·접근성: 주차, 엘리베이터, 휠체어 접근, 유모차, 지하철 출구 번호. '주차되는 ○○동 정형외과' 같은 질문의 필수 조건입니다.
• 예약·문의 경로: 네이버 예약, 전화, 톡톡 가운데 실제로 운영 중인 것만 켜 둡니다. 켜져 있는데 응답이 없는 예약 버튼은 신뢰를 떨어뜨립니다.
• 대표 사진·내부 사진·의료진 소개: 실제 공간과 사람을 보여 주는 최근 사진으로 교체합니다.

주의할 점은 '많이'보다 '정확히'입니다. 진료과목에 실제 진료하지 않는 분야를 끼워 넣거나 광고성 문구로 키워드를 나열하면 플랫폼 정책 위반 위험이 있고, AI도 과장된 정보를 걸러내는 방향으로 발전하고 있습니다. 또한 의료광고 관련 규정상 표현에 제한이 있으니 효과·우수성을 단정하는 표현은 피하고 사실 정보 중심으로 채웁니다.

현장 비유를 들면, 플레이스 정보 입력은 '새 직원에게 병원 안내 매뉴얼을 쓰는 일'과 같습니다. 어디에 주차하는지, 몇 시까지 접수하는지, 어떤 환자를 주로 보는지를 처음 온 직원이 전화를 받을 수 있을 만큼 적어야 합니다. AI는 그 매뉴얼을 읽고 환자에게 안내하는 직원입니다.

소개글은 광고가 아니라 'AI가 인용할 문장'으로 쓴다

플레이스 소개글은 병원이 직접 쓸 수 있는 가장 긴 설명문이자, AI가 '이 병원이 어떤 곳인지'를 요약할 때 가장 먼저 가져다 쓰는 자료입니다. 그런데 많은 병원이 이 자리를 '최고의 의료진, 최신 장비, 환자 중심'처럼 어느 병원에나 붙일 수 있는 수식어로 채웁니다. AI는 이런 문장에서 아무 사실도 추출하지 못합니다.

AI가 인용하기 좋은 소개글은 사실을 짧고 완결된 문장으로 나열합니다. 첫 두세 문장에 '어디에 있는, 무엇을 진료하는, 어떤 환자를 주로 보는 병원인지'를 담고, 이어서 진료시간 특징, 접근성, 의료진 구성, 예약 방법을 적습니다. 예를 들어 '○○역 3번 출구에서 도보 2분 거리에 있으며, 평일 저녁 8시까지, 토요일 오후 2시까지 진료합니다'와 같은 문장은 '야간 진료하는 ○○역 근처 병원' 질문에 그대로 쓰일 수 있습니다.

1. 첫 문단: 위치·진료과목·주요 진료 대상을 2~3문장으로. 환자가 검색창에 치는 표현('○○동', '○○역', '소아', '야간')을 자연스럽게 포함합니다.
2. 둘째 문단: 진료시간·휴무·예약 방식·주차 등 행동에 필요한 정보.
3. 셋째 문단: 의료진 구성과 경력(객관적 사실 위주), 사용하는 장비의 명칭(효과 단정 없이).
4. 마지막: 문의 경로와 '처음 방문 시 안내' 한 줄.

흔한 실수는 키워드를 쉼표로 나열하는 것('임플란트, 교정, 충치, 미백, 스케일링…')입니다. 이것은 문장이 아니므로 AI가 인용할 수 없고, 플랫폼에서는 스팸으로 볼 수 있습니다. 또 다른 실수는 특정 시술의 효과나 '통증 없는', '100% 만족' 같은 단정입니다. 의료광고 규정 문제와 별개로 AI 역시 검증 불가능한 주장은 인용을 피합니다. 소개글은 환자에게 주는 약속이 아니라 AI에게 주는 '사실 카드'라고 생각하면 방향이 잡힙니다.

리뷰는 개수가 아니라 'AI가 답할 수 있는 문장'을 모으는 일이다

AI가 병원을 추천할 때 리뷰는 '다른 환자들이 실제로 무엇을 경험했는가'를 보여 주는 거의 유일한 제3자 근거입니다. 중요한 것은 리뷰 개수나 별점만이 아니라 리뷰 안에 어떤 내용이 들어 있느냐입니다. '친절해요', '좋아요' 같은 리뷰 100개보다 '아이가 무서워했는데 진료 전에 기구를 먼저 보여 주며 설명해 주셨다', '토요일 오전에 갔는데 대기 20분 정도였고 주차는 건물 지하에 가능했다' 같은 리뷰 열 개가 AI 답변에는 훨씬 유용합니다. AI는 후자에서 '소아 진료에 익숙함', '토요일 진료', '주차 가능'이라는 사실을 뽑아낼 수 있기 때문입니다.

그렇다면 병원이 할 일은 리뷰를 '많이' 받는 것이 아니라 '구체적으로' 받도록 돕는 것입니다. 단, 대가를 제공하거나 내용을 지정해 리뷰를 유도하는 행위는 플랫폼 정책과 관련 법규 위반 소지가 있으니, 아래 방법은 모두 '환자가 자발적으로, 사실에 근거해' 쓰는 것을 전제로 합니다.

1. 진료 마무리 안내문이나 영수증 하단에 '방문 경험을 네이버 리뷰로 남겨 주시면 다음 환자분께 도움이 됩니다'처럼 중립적인 요청만 적습니다.
2. 리뷰 작성 화면에 바로 연결되는 QR코드를 접수대에 둡니다. 경로가 길수록 작성률이 떨어집니다.
3. 모든 리뷰에 병원이 답글을 답니다. 답글에는 리뷰 내용을 사실로 보완합니다. 주차 문의 리뷰에 '건물 지하 1~2층 주차장 이용 가능, 1시간 무료'처럼 정보를 더하면 답글 자체가 AI가 읽는 데이터가 됩니다.
4. 부정 리뷰에는 변명 대신 사실 확인과 개선 조치를 적습니다. AI는 '부정 리뷰에 어떻게 대응하는가'까지 읽습니다.
5. 월 단위로 리뷰에 자주 나오는 질문·불만을 정리해 플레이스 정보와 소개글에 반영합니다.

흔한 실수는 리뷰 이벤트로 짧은 리뷰를 대량으로 모으는 것입니다. 비슷한 시기에 비슷한 문장의 리뷰가 몰리면 플랫폼이 필터링할 수 있고, AI에게도 '내용이 없는 리뷰'로 취급됩니다. 또 하나는 답글을 전혀 달지 않는 것입니다. 답글 없는 플레이스는 '관리되지 않는 곳'이라는 신호를 줍니다. 리뷰 관리는 주 1회 30분으로도 충분하니 담당자를 정해 루틴으로 만드세요.

사진·소식·예약: '살아 있는 병원'이라는 신호를 보내라

AI와 플랫폼 모두 '최근에도 운영 중이며 관리되는 병원'을 선호합니다. 이를 판단하는 단서가 활동 신호입니다. 플레이스 소식(게시글), 새 사진, 예약 운영 상태, 리뷰 답글 시점, 정보 수정 이력 등이 여기에 해당합니다. 활동 신호가 끊긴 플레이스는 정보가 아무리 정확해도 '폐업했을지도 모르는 병원'으로 읽힐 위험이 있습니다.

병원이 매일 콘텐츠를 만들 필요는 없습니다. 중요한 것은 '규칙적'이라는 점입니다. 현실적인 루틴은 다음과 같습니다.

• 월 2~4회 플레이스 소식: 진료시간 변경, 휴진 안내, 새 의료진 합류, 장비 도입(명칭과 사실만), 계절별 운영 안내(접종 가능 여부·예약 방법 등 운영 정보 중심).
• 분기 1회 사진 갱신: 대기실·진료실·접수대·외부 전경·주차장 입구. 환자가 길을 찾을 때 쓰는 사진이 곧 AI가 참고하는 사진입니다.
• 예약 상태 점검: 네이버 예약을 켜 두었다면 실제로 응답하고, 휴진일은 미리 막습니다. 예약 가능한데 응답이 없는 것이 가장 나쁜 신호입니다.
• 톡톡·문의 응답 시간 유지: 응답이 빠른 업체 표시는 환자와 AI 모두에게 신뢰 지표입니다.

흔한 실수는 소식란을 할인·이벤트 전용 게시판으로 쓰는 것입니다. 의료광고 심의 대상이 될 수 있는 표현이 늘어나고, AI가 추출할 운영 정보는 오히려 줄어듭니다. 소식은 '환자가 방문 전에 알아야 할 변화'를 적는 공지판으로 쓰는 것이 안전하고 효과적입니다. 비유하자면 활동 신호는 병원 앞 간판의 불빛입니다. 불이 꺼진 병원 앞에서 환자가 발길을 돌리듯, AI도 꺼진 플레이스를 추천 목록에서 뺍니다.

플레이스·홈페이지·블로그를 하나의 '병원 신원'으로 묶기

AI는 플레이스 하나만 보고 추천하지 않습니다. 플레이스에서 얻은 정보를 홈페이지, 블로그, 뉴스, 다른 지도 서비스와 교차 확인해 '이 병원이 실제로 존재하며 설명이 일치하는가'를 검증합니다. 모든 출처가 같은 이야기를 하면 신뢰도가 올라가고, 서로 다른 이야기를 하면 추천에서 밀립니다. 이를 흔히 '엔티티(entity, 개체) 일관성'이라고 부르며, 쉽게 말해 '온라인 어디서 보든 같은 병원으로 인식되게 만드는 일'입니다.

1. 홈페이지에 플레이스와 동일한 NAP, 진료시간, 진료과목을 적고, 앞서 말한 스키마 마크업으로 의료기관 정보를 선언합니다. 네이버 플레이스와 구글 비즈니스 프로필 주소를 홈페이지에서 링크합니다.
2. 플레이스의 홈페이지 항목에는 블로그가 아닌 공식 홈페이지를 넣습니다. 홈페이지가 없다면 최소한 공식 블로그의 '병원 소개' 고정 글을 연결합니다.
3. 블로그·SNS 프로필의 소개 문장을 플레이스 소개글 첫 문단과 같은 내용으로 맞춥니다.
4. 구글 비즈니스 프로필과 카카오맵도 플레이스와 같은 정보로 갱신합니다. 해외 기반 AI는 구글 데이터 의존도가 높고, 국내 AI는 네이버 비중이 크므로 둘 다 필요합니다.
5. 의료진 소개 페이지에 이름·전문 과목·경력을 사실 기반으로 적습니다. AI는 '누가 진료하는가'를 추천 근거로 자주 언급합니다.

흔한 실수는 홈페이지는 대행사, 플레이스는 직원, 블로그는 외주로 나뉘어 각자 다른 문구를 쓰는 것입니다. 한 사람이 '기준 정보 문서' 한 장을 관리하고, 모든 채널이 그 문서를 베껴 쓰게 하는 것이 가장 단순한 해결책입니다. 변경이 생기면 이 문서를 먼저 고치고, 각 채널에 반영한 날짜를 함께 적습니다.

오늘 시작할 순서와 점검 체크리스트

모든 것을 한 번에 하려면 아무것도 끝나지 않습니다. 영향이 큰 순서대로 정리하면 다음과 같습니다.

1. 1주차: 기준 NAP 확정, 플레이스·홈페이지·구글·카카오 대조 및 수정. 플레이스 빈칸 전부 채우기.
2. 2주차: 소개글을 사실 문장 중심으로 다시 쓰기. 대표 사진·내부 사진 교체. 예약·문의 경로 정리.
3. 3주차: 리뷰 요청 안내문과 QR 배치, 기존 리뷰 전부 답글. 리뷰 관리 담당자와 주간 루틴 지정.
4. 4주차 이후: 월 2~4회 소식 게시, 분기별 사진 갱신, 홈페이지 스키마 적용과 채널 간 정보 통일. 매월 챗GPT·네이버 AI에 '○○동 ○○과 추천'을 직접 물어 결과를 기록합니다.

마지막 항목이 중요합니다. 최적화의 성과는 순위표가 아니라 'AI가 실제로 우리 병원을 언급하는가'로 확인됩니다. 같은 질문을 매달 같은 방식으로 던지고, 언급 여부·언급 순서·함께 언급된 경쟁 병원·인용된 정보 출처를 기록하면 어느 항목을 더 손봐야 하는지 보입니다.

어디서부터 손대야 할지 막막하다면, 현재 플레이스 정보·NAP 일관성·리뷰 내용·AI 언급 여부를 한 번에 점검해 보는 것이 가장 빠른 출발점입니다. AI메디랩은 병원명과 지역만으로 이 항목들을 살펴보는 무료 진단을 운영하고 있으니, 우리 병원이 지금 AI 추천 목록의 어디쯤 있는지 확인하는 용도로 활용하시기 바랍니다. 이 글의 사례는 설명을 위한 일반화된 예시이며 특정 병원의 실제 상황을 가리키지 않습니다.