챗GPT가 몰랐던 동네 병원이 AI 답변에 등장하기까지: 스키마 도입 전후 3단계 변화

구조화 데이터(스키마)는 병원의 이름·위치·진료 과목·의료진 정보를 AI와 검색엔진이 오해 없이 읽도록 정리하는 표준 표기법입니다. 이 글에서는 스키마 도입 전후에 동네 병원에서 흔히 나타나는 변화를 일반화된 사례로 재구성하고, 원장이 오늘 바로 점검할 실행 순서를 정리합니다. 핵심은 코드 몇 줄이 아니라 병원 정보를 하나의 일관된 사실로 만드는 데 있습니다.

개원 8년 차, 동네 평판도 나쁘지 않은 치과가 있다고 해 봅시다. 어느 날 원장이 직원에게 이런 말을 듣습니다. '원장님, 환자분이 챗GPT에 ○○동 치과를 추천해 달라고 했더니 길 건너 치과만 나왔대요.' 네이버 플레이스 리뷰도 꾸준히 쌓이고 홈페이지도 있는데, AI는 왜 이 병원을 모를까요?

아래 이야기는 특정 병원의 실화가 아닙니다. 여러 의원급 병원에서 반복해서 보이는 흐름을 하나로 묶은 일반화된 예시입니다. 다만 그 안에 담긴 문제와 해법은 대부분의 병원에 그대로 적용됩니다.

도입 전: 검색에는 나오는데 AI 답변에는 없는 병원

이 치과의 홈페이지는 겉보기에 문제가 없었습니다. 디자인은 깔끔했고 인사말, 진료 안내, 오시는 길도 갖추고 있었습니다. 그런데 AI의 눈으로 보면 사정이 달랐습니다. 진료 시간은 이미지 한 장으로 올라가 있었고, 주소는 하단 바닥글에만 작게 적혀 있었으며, 원장 약력은 배너 이미지 안에 들어 있었습니다.

사람은 이미지 속 글자를 읽지만, AI가 웹 문서를 이해할 때는 텍스트로 된 정보가 훨씬 확실하게 처리됩니다. 채널마다 정보가 어긋난 것도 문제였습니다. 네이버 플레이스의 전화번호, 구글 지도의 영업시간, 홈페이지의 병원명이 조금씩 달랐고, 예전 상호와 이전 전화번호도 일부 남아 있었습니다.

이런 손실은 눈에 띄지 않게 쌓입니다. AI는 정보가 엇갈리는 대상을 답변에 넣는 데 소극적인 편이고, 그 자리는 정보가 잘 정리된 경쟁 병원이 가져갑니다. 반대로 보면 기회이기도 합니다. 아직 이 작업을 하지 않은 동네 병원이 많아서, 정보만 정돈해도 앞서 나갈 여지가 큽니다.

• 진료 시간·주소·전화번호가 이미지가 아닌 텍스트로 적혀 있는가
• 네이버·카카오·구글·홈페이지의 병원명·주소·전화번호가 글자 하나까지 같은가
• 의료진 소개가 텍스트로, 별도 페이지에 정리돼 있는가
• 진료 과목별 설명 페이지가 따로 있는가

구조화 데이터란 무엇인가: AI에게 건네는 표준 명함

구조화 데이터는 웹페이지 내용에 '이것은 병원 이름, 이것은 주소, 이것은 진료 시간'처럼 항목별 꼬리표를 붙여 기계가 쉽게 읽도록 만든 정보입니다. 이때 쓰는 공통 어휘집이 스키마(Schema.org)이며, 구글·마이크로소프트 등 주요 검색 기업이 함께 만든 표준입니다. 흔히 '스키마를 넣는다'고 하면 이 어휘로 병원 정보를 정리해 홈페이지 코드에 넣는다는 뜻입니다.

홈페이지 본문을 병원 소개 책자에 비유하면, 스키마는 그 책자 맨 앞에 끼워 둔 표준 양식의 명함입니다. 책자를 다 읽지 않아도 누가, 어디서, 무엇을, 언제 하는지 바로 알 수 있습니다. AEO(Answer Engine Optimization, 챗GPT·제미나이 같은 AI가 답변을 만들 때 우리 병원을 근거로 삼도록 정보를 정비하는 작업)에서 스키마를 기초 공사로 꼽는 것도 이 때문입니다. 표기 방식으로는 구글이 권장하는 JSON-LD가 일반적입니다. 디자인은 그대로 두고 코드 한 덩어리만 추가하면 되므로 기존 홈페이지에도 적용하기 쉽습니다.

오해하지 말아야 할 점도 있습니다. 스키마를 넣는다고 AI 인용이 보장되지는 않습니다. 스키마는 AI가 정보를 정확히 이해할 가능성을 높이는 장치일 뿐이고, 어떤 병원이 답변에 들어갈지는 콘텐츠의 충실도, 외부 평판, 정보의 일관성 같은 여러 신호가 함께 결정합니다. 이 사례에서도 스키마는 출발점이었을 뿐, 그것만으로 결과가 나온 것은 아니었습니다.

1단계: 병원의 정체부터 명확히 하기

치과가 가장 먼저 한 일은 병원이 무엇인지 정의하는 것이었습니다. 스키마에는 업종을 구체적으로 지정하는 유형이 있습니다. 의원은 MedicalClinic, 치과는 Dentist처럼 업종에 맞는 유형을 고르고, 그 아래에 병원명·주소·전화번호·진료 시간·위치 좌표·진료 과목을 채웁니다. 가능한 한 구체적인 유형을 골라야 합니다. 막연히 '사업체'라고만 표기하면 AI는 이곳이 병원인지조차 확신하기 어렵습니다.

1. 사업자등록과 간판을 기준으로 공식 병원명·도로명 주소·대표번호를 하나로 정한다
2. 정한 표기를 네이버 플레이스·카카오맵·구글 비즈니스 프로필·홈페이지에 똑같이 맞춘다
3. 업종에 맞는 스키마 유형을 골라 기본 항목을 JSON-LD로 작성한다
4. 점심시간과 휴진일을 포함해 진료 시간을 요일별로 적는다
5. sameAs 항목에 네이버 플레이스·블로그·유튜브 등 공식 채널 주소를 연결한다

sameAs는 '이 채널들은 모두 같은 병원'이라고 알려 주는 항목입니다. 여러 곳에 흩어진 온라인 흔적을 한 병원으로 묶어 주므로, AI가 여러 출처의 정보를 같은 대상으로 인식하는 데 도움이 됩니다.

가장 흔한 실수는 스키마 내용과 화면에 보이는 내용이 다른 경우입니다. 진료 시간을 바꾸면서 본문만 고치고 스키마는 그대로 두면, 기계는 서로 다른 두 가지 사실을 받게 됩니다. 스키마는 반드시 화면에 실제로 보이는 정보와 같아야 하며, 구글의 구조화 데이터 지침에서도 이 원칙을 강조합니다.

2단계: 의료진과 진료 항목을 연결된 정보로 만들기

기본 정보를 정리한 다음에는 '누가 진료하는가'와 '무엇을 진료하는가'를 다뤘습니다. AI에게 병원을 묻는 사람은 대개 특정 진료를 보는 곳을 찾기 때문입니다. 병원명만 있고 진료 항목과 의료진 정보가 없으면, AI는 질문과 이 병원을 이어 줄 근거를 찾지 못합니다.

치과는 의료진마다 개별 소개 페이지를 만들고 Person 유형으로 이름·직함·전공 분야·소속 학회·병원과의 관계를 기술했습니다. 진료 과목도 한 페이지에 몰아 두지 않고 항목별 페이지로 나눈 뒤, 페이지마다 병원 기본 정보와 연결되도록 구성했습니다. 1단계가 건물에 간판을 단 일이라면, 2단계는 층별 안내도에 어느 진료실에서 누가 무엇을 하는지 적어 넣은 일입니다.

• 의료진 페이지: 실명, 직함, 전문의 여부(사실인 경우만), 학력·경력을 텍스트로 적는다
• 진료 항목 페이지: 진료 과정, 소요 시간, 내원 전 준비사항처럼 환자가 실제로 묻는 정보를 담는다
• 각 페이지에서 병원 기본 정보로 이어지도록 연결한다

경력은 반드시 정확하게 적어야 합니다. 전문의 자격이나 학회 활동은 사실 그대로 쓰고 과장된 수식어는 빼야 합니다. 과장은 신뢰 신호를 떨어뜨리고, 의료광고 규정에 저촉될 수도 있습니다.

3단계: 환자의 질문을 FAQ 구조로 옮기기

AI 검색에는 키워드가 아니라 질문이 들어옵니다. 사람들은 '치과'라고 치는 대신 '○○동에서 토요일에도 진료하는 치과 있어?'처럼 묻습니다. 그래서 치과는 상담실과 전화로 반복해서 들어오는 질문을 직원들에게 한 달 동안 기록하게 했습니다. 그중 예약 방법, 비용 안내 방식, 주차, 소요 시간처럼 의료 판단과 무관한 질문을 중심으로 FAQ를 만들었습니다.

FAQ는 FAQPage 유형으로 마크업할 수 있습니다. 다만 구글은 2023년부터 검색 결과에 FAQ를 펼쳐 보여 주는 표시를 일부 공신력 있는 정부·보건 사이트로 제한했습니다. 따라서 검색 화면에 질문이 펼쳐지는 효과는 기대하기 어렵습니다. 그래도 질문과 답을 짝지어 구조화해 두면 AI가 문답 형태로 정보를 이해하는 데 여전히 도움이 됩니다. 화면 효과보다는 정보 구조를 다듬는 작업으로 보는 편이 맞습니다.

1. 상담·전화 질문을 2~4주 동안 모은다
2. 환자가 쓴 표현을 그대로 질문 제목으로 쓴다
3. 답의 첫 문장에 결론을 쓰고, 이어서 조건과 예외를 적는다
4. 치료 효과나 결과를 단정하는 답은 쓰지 않는다
5. 분기마다 질문 목록을 업데이트한다

흔한 실수는 FAQ를 홍보 문구로 채우는 것입니다. '최고의 장비로 통증 없이' 같은 답은 AI가 근거로 삼기 어렵고 의료광고 측면에서도 위험합니다. 답이 구체적이고 담백할수록 인용될 가능성이 커집니다.

도입 후 무엇이 달라지는가: 변화를 읽는 법

이런 유형의 병원에서는 작업을 마친 뒤 수주에서 수개월에 걸쳐 대체로 다음 순서로 변화가 나타납니다. 먼저 병원명을 검색했을 때 진료 시간과 주소가 정확하게 표시되고, 낡은 전화번호 같은 옛 정보가 덜 보이게 됩니다. 그다음에는 AI에게 병원명을 직접 물었을 때 진료 과목과 위치를 비교적 정확하게 설명하기 시작합니다.

가장 늦게, 그리고 가장 들쭉날쭉하게 나타나는 변화가 '지역+진료' 질문에서 병원이 언급되는 것입니다. AI 답변은 같은 질문에도 매번 조금씩 달라지고, 서비스마다 참고하는 출처도 다릅니다. 따라서 한두 번 검색해 보고 성패를 판단해서는 안 됩니다.

• 핵심 질문 10~20개를 정해 챗GPT·제미나이·퍼플렉시티에 같은 문장으로 정기적으로 묻는다
• 병원 언급 여부, 설명의 정확성, 함께 언급된 병원을 기록한다
• 월 단위로 추세를 비교한다
• 신환 문진표의 '내원 경로' 항목에 'AI 검색'을 추가한다

해석할 때도 주의가 필요합니다. 같은 기간에 블로그 운영이나 리뷰 증가 같은 다른 변화가 있었다면, 결과를 스키마만의 효과로 단정할 수 없습니다. 이 사례의 변화도 정보 일관성 정리와 페이지 보강이 함께 만든 결과입니다. 스키마는 이 노력들이 AI에게 '하나의 병원'으로 읽히도록 묶어 주는 접착제 역할을 했다고 보는 것이 정확합니다.

흔한 실수와 반드시 지켜야 할 선

스키마 작업 자체는 기술적으로 어렵지 않습니다. 하지만 잘못하면 안 하느니만 못한 결과가 나올 수 있고, 현장에서 반복되는 실수의 유형도 대체로 비슷합니다.

• 제작사 템플릿의 기본 스키마에 빈칸이나 다른 병원 정보가 그대로 남아 있다
• 화면에 없는 평점이나 수상 경력을 스키마에만 넣는다
• 병원이 직접 올린 후기를 리뷰 마크업으로 표시한다(구글은 사업체가 스스로 게시한 리뷰를 별점 표시 대상에서 제외한다)
• 이전이나 확장 후 주소·전화번호를 일부 채널에서만 고친다
• 작업을 마친 뒤 검증 도구로 확인하지 않는다

의료기관에는 일반 업종보다 엄격한 기준이 적용됩니다. 의료법은 치료 경험담이나 치료 효과를 오인하게 할 수 있는 광고를 제한합니다. 그러므로 스키마와 FAQ에도 '완치', '부작용 없음' 같은 표현을 넣어서는 안 됩니다. 기계가 읽는 코드라도 누구나 볼 수 있는 공개 정보라는 점은 같습니다.

검증 방법은 간단합니다. 구글 '리치 결과 테스트'와 스키마 공식 검증 도구(Schema Markup Validator)에 홈페이지 주소를 넣으면 오류와 경고를 확인할 수 있습니다. 작업 직후뿐 아니라 홈페이지를 개편하거나 진료 시간을 바꿀 때마다 다시 확인하는 습관을 들이는 것이 좋습니다.

무엇부터 할 것인가: 우선순위와 실행 체크리스트

모든 작업을 한꺼번에 할 필요는 없습니다. 들이는 비용 대비 효과로 따지면 순서는 분명합니다. 가장 먼저 할 일은 코드가 아니라 정보 정리이며, 기본 정보를 모든 채널에 똑같이 맞추는 일은 오늘 오후에라도 시작할 수 있습니다.

1. 이번 주: 모든 채널의 병원명·주소·전화번호·진료 시간을 대조하고 통일한다
2. 2주 안: 이미지 속 진료 시간과 약력을 텍스트로 바꾼다
3. 1개월 안: 병원 기본 정보 스키마(JSON-LD)를 적용하고 검증한다
4. 2개월 안: 의료진 페이지와 진료 항목 페이지를 나누고 서로 연결한다
5. 분기마다: 환자 질문으로 FAQ를 업데이트하고 AI 질문 모니터링 결과를 기록한다

AI는 좋은 병원을 알아서 찾아내지 않습니다. 확실하게 설명할 수 있는 병원을 답변에 넣습니다.

진료 실력은 원장이 쌓아 온 것이지만, 그 실력이 AI에게 정확히 전달되도록 정보를 정돈하는 일은 체계적인 점검으로 충분히 해낼 수 있습니다. 위 체크리스트로 직접 점검해 보기만 해도 우리 병원의 현재 상태를 상당 부분 파악할 수 있습니다. 혼자 확인하기 번거롭다면 AI메디랩의 무료 진단을 활용해 보셔도 좋습니다. 채널별 정보 불일치와 스키마 적용 상태를 정리하고, 어디부터 손대면 좋을지 우선순위를 함께 짚어 드립니다.