← 블로그

실측 사례 해부 (2026) — 발견형 질문에서 거의 나오지 않은 병원, 확인된 것 6가지와 손대는 순서

· 최준호 (Jack Choi)

이 글은 「병원을 위한 AEO」 시리즈 15/22편입니다. 전체 목록 보기

환자가 이름을 모르고 묻는 질문에서 거의 등장하지 않던 병원 한 곳을 3개 AI로 반복 측정하고 홈페이지까지 뜯어봤습니다. 콘텐츠 부족이 아니었습니다. 확인된 것과 확인하지 못한 것을 구분해 그대로 적었습니다.

1분 요약

  • 강남의 한 피부과입니다. 이름을 넣고 물으면 나오고, 이름을 빼고 물으면 거의 나오지 않았습니다.
  • 원장님들이 가장 먼저 떠올리시는 답은 "콘텐츠가 없어서"입니다. 저희도 그 가설로 열었다가 글을 하나씩 열어 보고 접었습니다.
  • 홈페이지와 외부 채널을 손으로 뜯어 여섯 가지를 확인했습니다. 대부분 콘텐츠의 양이 아니라 AI가 문서를 구분하는 방식에서 나온 문제였고요.
  • 원인은 하나로 지목하지 않았습니다. 각 요인이 얼마나 기여했는지는 저희도 모릅니다. 실측, 가설, 확인 불가를 나눈 표를 본문에 넣었습니다.
  • 이 사례에는 아직 개선 결과가 없습니다. 무엇이 확인됐고 어떤 순서로 손대는 것이 합리적인지까지가 이 글의 범위입니다.

"우리는 글도 쓰고 홈페이지도 새로 했는데 왜 안 나옵니까"

진단 결과를 설명드리는 자리에서 원장님이 하신 말씀입니다.

"홈페이지 다시 만드는 데 적지 않게 썼습니다. 시술 설명도 계속 올렸고요. 그런데 환자가 AI에 물으면 우리는 안 나오고 다른 곳들이 나온다니, 그럼 뭘 더 해야 한다는 말입니까."

당연한 반응입니다. 눈에 보이는 것은 이미 다 갖춰 놓으셨으니까요. 실제로 그 홈페이지는 사람이 보기에 잘 만들어져 있었습니다.

이 글은 그 병원 한 곳을 끝까지 뜯어본 기록입니다. 브랜드형과 발견형이라는 두 지표가 왜 갈리는지 그 현상 자체는 브랜드 질문과 발견형 질문의 노출 갭에 정리해 두었습니다. 여기서는 한 병원 안에서 무엇이 확인됐는지만 시간 순서대로 적습니다.

저희가 그 자리에서 원장님께 드린 약속은 하나뿐이었습니다. 원인을 선언하는 대신 바꾸기 전과 후를 같은 조건으로 다시 재서 숫자를 그대로 보여드리겠다는 것. 그 숫자가 안 오르면 저희가 틀린 것이고, 그때는 다음 가설로 넘어갑니다.

증상 — 이름을 대면 나오고, 시술을 물으면 사라집니다

26번 물어 26번, 117번 물어 5번. 같은 병원·같은 날·같은 엔진에서 나온 두 숫자입니다.

측정 조건 (2026년 8월 13일)

  • 대상: 강남 소재 피부과 1곳 (병원 요청에 따라 익명)
  • 엔진: ChatGPT(임시 채팅) · Claude(웹검색) · Gemini(검색연동) 3종
  • 질문: 병원 이름을 넣은 브랜드형 2종 + 이름 없이 묻는 발견형 11종, 총 13종
  • 조건: 로그인 기억을 배제한 중립 상태. "이 병원을 모르는 새 환자"가 보는 화면 기준
  • 반복: 질문마다 엔진별로 여러 차례 반복 질의
질문 유형 3개 엔진 합산
브랜드형 (병원 이름을 알 때) 26/26
발견형 (병원 이름을 모를 때) 5/117

발견형 안에서도 자리마다 온도가 달랐습니다. 지역을 묻는 질문에서는 드물게 등장했습니다. 시술과 증상을 묻는 질문에서는 사실상 등장하지 않았고요. 하필 그쪽이 환자 수요가 가장 크게 흐르는 자리입니다.

그 자리를 지금 누가 차지하고 있는지도 같이 셌습니다. 검색과 연동된 AI 한 종을 붙들고 미용의료 발견형 질문의 답변에 달린 근거 링크를 하나씩 열어 도메인을 적었습니다. 경쟁 병원 몇 곳은 답변에 수십 회씩 반복 등장하고 있었습니다. 같은 집계에서 이 병원의 등장은 한 자릿수였습니다.

이 숫자에는 조건을 붙여야 합니다. 방금 집계는 미용의료 분야의 발견형 질문 전반을 대상으로 한 별도 측정이고, 위 13종 질문의 결과가 아닙니다. 엔진도 3종 합산이 아니라 검색과 연동된 한 종입니다. 이 병원의 미노출 폭을 그대로 설명해 주는 숫자로 읽으시면 안 됩니다.

증상만 정리하면 이렇습니다. AI는 이 병원을 알고 있습니다. 다만 환자가 병원 이름 없이 물을 때 답에 쓰지 않습니다. 빈 땅이라서 못 들어간 것도 아니었습니다. 자리는 이미 차 있었고요.

그럼 왜 이 병원의 문서는 그 자리에 못 들어갔을까요. 원장님들이 가장 먼저 떠올리시는 답부터 확인했습니다.

콘텐츠가 없어서 그런 겁니까

이 지점에서 대부분의 제안서가 같은 결론으로 갑니다. 글을 더 쓰자는 것입니다. 저희도 처음에는 그 가설로 열었습니다.

아니었습니다. 이 병원은 시술 가이드를 30여 편 발행하고 있었고 하나씩 열어 보니 내용도 부실하지 않았습니다. 사람이 읽기에는 충분히 좋은 문서더군요. 그런데도 발견형 질문에서 5/117이었습니다. 그래서 글이 없다는 설명을 접고 AI가 그 글들을 어떻게 보고 있는지를 봤습니다.

홈페이지를 뜯어보며 확인한 여섯 가지

병원명과 식별 가능한 세부 사항은 밝히지 않습니다. 진료 분야와 보유 자산의 규모는 앞선 진단 글에 이미 공개한 수준까지만 적었습니다. 이 병원은 아직 개선 작업의 결과가 나오지 않았습니다.

홈페이지는 렌더링이 끝난 뒤의 DOM을 기준으로 검사했습니다. 외부 공개 채널의 표기는 직접 수집했고, AI가 답변 근거로 제시한 문서는 링크를 열어 역추적했습니다.

양호했던 항목부터 적는 것이 공정하겠죠.

  • 크롤러가 사이트 전체에 접근할 수 있는 상태였고 사이트맵도 정상이었습니다.
  • 보안 접속(https) 전환이 정상이었습니다.
  • 홈에는 의료기관임을 알리는 구조화 데이터(이 사이트가 무엇인지 AI에게 알려주는 표시)가 들어 있었습니다.
  • 외부 플랫폼에 병원 정보가 등록돼 있었고 평판 자산도 쌓여 있었고요.

기초가 부실한 병원이 아니었습니다. 그다음에 나온 것이 아래 여섯 가지입니다.

① 시술 글 서른 개를 탭으로 하나씩 열었습니다. 탭에 뜨는 제목이 서른 개 다 같았습니다. 홈페이지 제목이 그대로 붙어 있었고요. AI가 목록으로 훑으면 서른 편이 전부 같은 이름으로 보입니다.

② 글 페이지의 소스를 열어 구조화 데이터를 꺼내 봤습니다. 글마다 이 문서가 어떤 시술에 관한 글인지 표시가 붙어 있어야 합니다. 서른 편 전부 병원 소개 표시였습니다. AI 쪽에서는 시술 글 서른 편이 아니라 병원 소개 페이지가 서른 개 있는 셈이죠.

③ 브라우저를 끄고 크롤러가 받는 그대로를 받아 봤습니다. 사람 화면에 가득하던 본문이 수백 자로 줄어 있었습니다. 화면을 그린 뒤에 글이 채워지기 때문에 생기는 차이입니다. 사람이 보는 문서와 AI가 가져가는 문서가 같지 않았습니다.

④ 홈페이지·지도·외부 플랫폼·검색 결과를 나란히 띄워 놓고 대표 번호를 한 자리씩 대조했습니다. 자사 홈페이지에 적힌 번호와 외부에 노출되는 번호가 달랐습니다. 주소는 일치했고요. 사람에게는 사소한 차이지만 여러 채널의 정보를 같은 병원으로 묶어야 하는 AI에게는 확신을 떨어뜨리는 신호입니다.

⑤ 왼쪽에 환자가 실제로 던지는 질문 문장을 적고 오른쪽에 그 질문에 정면으로 답한 글이 있는지 적어 봤습니다. 오른쪽이 대부분 비었습니다. 글은 있었지만 대개 시술 소개문의 형태였고, "이 시술은 어떤 사람에게 맞고 무엇을 주의해야 하는가"에 답하는 문서가 없었습니다. 검색 수요가 가장 크게 흐르는 시술 질문이 특히 그랬습니다(검색량 근거는 브랜드·발견형 노출 갭에 있습니다).

⑥ 발견형 답변마다 근거 링크를 열어 도메인을 적었습니다. 상위 출처는 다른 병원들의 공식 사이트였습니다. 그다음이 블로그 플랫폼·영상 플랫폼·메신저 기반 페이지였고요. 앞에서 말씀드린 수십 회 대 한 자릿수가 이 집계에서 나온 숫자입니다. 다시 적자면 검색과 연동된 AI 한 종에서, 이 병원의 13종 질문이 아니라 미용의료 발견형 질문 전반을 대상으로 모은 것입니다.

⑥이 알려주는 것은 "AI가 병원을 추천하지 않는다"가 아닙니다. 추천은 하고 있고 근거로 쓰이는 문서의 자리도 비어 있지 않습니다.

여섯 가지를 다 적어 놓고 저희가 하지 않은 일이 하나 있습니다. 원인을 지목하는 일입니다.

그중 무엇이 진짜 원인입니까

위 여섯 가지가 5/117의 원인이라고 저희는 단정하지 않습니다.

원인을 단정하려면 하나씩 바꿔 가며 다시 재야 합니다. 이 병원은 아직 그 단계에 들어가지 않았습니다.

구분 내용
실측으로 확인한 것 브랜드형과 발견형의 노출 격차 / 페이지 제목과 구조화 데이터의 반복 / 크롤러 시점 본문 분량 / 채널 간 전화 표기 불일치 / AI가 인용한 문서 출처의 구성
가설로 남는 것 여섯 요인이 각각 미노출에 얼마나 기여했는지 / 지도·의료 플랫폼 정보가 미치는 영향의 크기 / 외부 언급량과 후기가 갖는 가중치 / 지역 경쟁 밀도의 영향
확인할 수 없는 것 AI 내부에서 병원을 고르는 기준 / 특정 항목을 고쳤을 때 몇 %가 오를지에 대한 사전 예측 / 다른 병원에도 같은 결과가 나올지

여섯 가지가 확인됐다는 것과 그 여섯 가지가 원인이라는 것은 다른 말입니다. 진단서에 "원인은 이것입니다"라고 한 줄로 적혀 있다면 그 문장이 실측에서 나왔는지 관행에서 나왔는지 물어보시는 편이 좋습니다. 업체에 물어볼 문장은 AEO 업체 검증 질문 5가지에 정리해 두었습니다.

그러면 무엇부터 손대야 합니까

여섯 가지가 다 걸려 있다면 어디부터 돈을 씁니까. 원인 기여도를 모르는 상태에서 저희가 쓰는 기준은 하나뿐입니다. 싸고 빠르고 되돌릴 수 있고 결과를 확인할 수 있는 것부터 갑니다.

쓰기 전에 표현부터 거릅니다. 최고, 1위, 완치 같은 말은 콘텐츠 쓰는 법 0단계에 정리해 두었습니다.

순서 조치 왜 이 순위인가 되돌릴 수 있는가
1 이름·주소·전화 표기를 전 채널에서 하나로 통일 비용이 들지 않고 며칠 안에 끝납니다. 잘못된 번호가 노출되는 문제 자체가 손실입니다 예
2 글마다 고유한 페이지 제목과 주제 표시 부여 이미 있는 글에 제목을 새로 붙이는 일입니다. 새로 쓰는 것보다 훨씬 빠릅니다 예
3 AI가 받아 가는 시점의 본문을 채우도록 구조 보완 효과는 클 수 있으나 개발 작업이 필요해 시간과 비용이 듭니다 부분적으로
4 수요가 큰 질문에 정면으로 답하는 문서 보강 가장 오래 걸립니다. 앞의 세 가지가 정리되지 않으면 새 글도 같은 문제를 반복합니다 되돌릴 필요 없음

4번을 1번으로 올려 파는 제안이 시장에 가장 많습니다. 글을 쓰는 일은 계약 단위로 팔기 쉽고 매달 산출물이 눈에 보이기 때문입니다. 그런데 제목을 고치지 않은 상태에서 글을 더 쓰면 서로 구분되지 않는 문서가 몇 편 더 늘어날 뿐입니다.

콘텐츠를 실제로 답변 페이지 형태로 바꾸는 방법은 AI가 인용하는 병원 콘텐츠 쓰는 법 5단계에 따로 정리해 두었습니다.

원장님 병원에 그대로 적용하는 법

남의 사례로 두지 마시고 같은 순서로 한 번 훑어보시기를 권합니다. 항목을 점검하는 방법 자체는 병원 AI 노출 진단 체크리스트 9항목에 있습니다. 여기서는 해부하는 순서만 말씀드립니다.

1단계. 두 숫자를 분리해서 잽니다. 병원 이름을 넣은 질문과 넣지 않은 질문을 나눠서 세십시오. 합쳐 놓으면 브랜드 점수가 발견형 점수를 가려 버립니다. 이 병원도 합산하면 나쁘지 않은 숫자였고요.

2단계. 안 나온다면 AI 쪽에서 봅니다. 가장 쉬운 확인은 브라우저 탭입니다. 홈페이지에서 시술 글 몇 개를 열고 탭에 뜨는 제목이 글마다 다른지 보시면 됩니다. 전부 같다면 이 사례의 ①번과 같은 상태입니다.

3단계. 표기를 대조합니다. 홈페이지·지도·의료 플랫폼·검색 결과에 나오는 병원 이름과 주소와 전화를 나란히 놓고 보십시오. 하나라도 다르면 그것부터 정리 대상입니다.

4단계. 답을 차지한 문서를 열어 봅니다. 발견형 질문에서 등장한 다른 병원 이름을 적고 AI가 근거로 든 링크를 직접 열어 보시면 됩니다. 그 문서가 어떤 형태인지 보는 것이 다음에 무엇을 만들어야 하는지 알려줍니다.

5단계. 바꾸기 전 숫자를 남깁니다. 이 단계를 건너뛰는 병원이 가장 많습니다. 고치기 전 등장 횟수를 기록해 두지 않으면 몇 달 뒤에 좋아졌는지 아닌지 판단할 근거가 사라집니다. 측정하지 않은 개선은 나중에 업체의 주장과 구분되지 않습니다.

이 사례가 아직 증명하지 못한 것

이 병원의 개선 결과는 아직 없습니다.

그래서 "여섯 가지를 고치면 발견형 질문에 등장합니다"라고 쓰지 않았습니다. 이런 상태가 확인됐고 이런 순서로 손대는 것이 합리적으로 보인다는 것까지 적었습니다.

기간도 과장 없이 말씀드리겠습니다. 정비한 문서를 AI가 수집해 답변에 반영하기까지 보통 두세 달, 길게는 넉 달 정도 걸립니다. 그리고 AI 인용을 100% 보장하는 방법은 없습니다. 같은 질문에도 답이 매번 조금씩 달라지기 때문입니다. 기간과 판단 기준은 AEO 성과 시간표에 더 자세히 적었습니다.

보장 대신 드릴 수 있는 것은 같은 조건으로 반복 측정한 등장 빈도 수치입니다. 올랐는지 내렸는지를 감이 아니라 숫자로 보시게 됩니다.

무료 AI 노출 진단 원장님 병원의 브랜드형·발견형 노출을 3개 AI에서 반복 측정하고, 홈페이지가 AI에게 어떻게 읽히는지까지 리포트로 정리해 드립니다. 실측 화면과, 검색과 연동된 AI 기준의 인용 출처 역추적을 포함합니다. 상담 신청은 여기에서 받습니다.

함께 읽으면 좋은 글

이 글에 쓰인 수치의 출처

  • 브랜드형 26/26, 발견형 5/117, 홈페이지 기술 진단(페이지 제목·구조화 데이터·크롤러 시점 본문), 채널 간 전화 표기 불일치: 강남 소재 피부과 1곳 AI 노출 진단(2026년 8월 13일). ChatGPT(임시 채팅)·Claude(웹검색)·Gemini(검색연동) 3종, 질문 13종 반복 질의. 등장 횟수는 3개 엔진 합산입니다. 홈페이지 진단은 렌더링 후 DOM 기준. 병원 요청에 따라 실명과 식별 가능한 세부 사항은 밝히지 않습니다.
  • 인용 출처 구성(상위 출처의 도메인 유형, 경쟁 병원 수십 회 대 이 병원 한 자릿수): RANKO 자체 인용 출처 역추적 실측(2026년 8월 12일). 미용의료 분야 발견형 질문을 대상으로 검색과 연동된 AI 한 종이 답변 근거로 반환한 문서를 수집·분류했습니다. 위 진단의 3개 엔진 측정과는 별개의 측정이며 3개 엔진 합산이 아닙니다. 도메인 분류는 저희가 직접 수행했습니다.
  • AI 답변은 질의 시점·계정·환경에 따라 달라집니다. 위 수치는 해당 측정 시점의 결과이며, 다른 시점이나 다른 병원의 결과를 보장하지 않습니다.

← 이전 · 원장님을 위한 개원·이전 후 AI 정보 갱신 3단계 (2026) | 다음 · AI가 병원을 추천할 때 근거로 삼는 문서는 어디에 있습니까 →

지금 AI가 귀사를 어떻게 말하는지 확인해 보세요

브랜드를 지정해 주시면 같은 형식의 진단 리포트를 3영업일 안에 드립니다.

무료 진단 신청 →

제출하신 정보는 진단 리포트 작성·발송과 상담 목적으로만 사용하며 1년 보관 후 파기합니다. 개인정보 처리방침