구글이 검색창 위에 AI Mode를 올리면서 "근처 병원" 찾는 방식도 흔들리고 있는데요. 그런데 100명 설문과 23명 심층 인터뷰로 진행된 최근 연구를 보면, 환자들은 병의원을 찾을 때 여전히 지도와 리뷰를 먼저 켭니다. AI Mode가 옵션으로 떠도 실제로 그걸 누른 사람은 노출된 인원의 2%뿐이었습니다. 이 글은 AI 로컬 검색이 지금 어디까지 왔는지, 그리고 우리 병원이 AI 답변에 인용되려면 무엇을 준비해야 하는지를 데이터로 정리한 가이드입니다.
목차
- 지오랭크가 병의원 GEO에서 겪은 것
- AI Mode 로컬 검색이란 무엇인가
- 환자는 왜 아직 지도를 먼저 켤까
- AI Mode가 잘하는 것과 못하는 것
- 병의원 GEO 준비 체크리스트
- 병의원은 YMYL입니다: 신뢰가 곧 노출입니다
- 자주 묻는 질문
- 함께 보면 좋은 콘텐츠
지오랭크가 병의원 GEO에서 겪은 것
병의원 GEO는 키워드를 채우는 일이 아니라, AI가 신뢰할 수 있는 위치·진료·후기 정보를 구조화하는 일에 가깝습니다.
지오랭크가 수도권의 한 정형외과 의원(편의상 D의원)과 6개월간 작업했을 때 처음 한 일은, 솔직히 말하면 실패에 가까웠습니다. "OO동 정형외과", "무릎 통증 병원" 같은 키워드를 홈페이지와 블로그에 빽빽하게 넣었는데요. 전통 검색에서는 약간 올라갔지만, ChatGPT나 구글 AI Mode가 "OO동 근처 무릎 잘 보는 정형외과"라는 질문에 D의원을 답하는 일은 거의 없었습니다. 키워드 밀도는 사람을 위한 신호일 뿐, AI가 위치와 진료 범위를 이해하는 데는 큰 도움이 되지 않았던 겁니다.
방향을 바꾼 건 3개월 차였습니다. 진료과목·진료시간·주차·보험 적용 여부·실제 시술 항목을 표와 FAQ로 정리하고, 네이버·구글 지도의 리뷰에 흩어진 표현(예: "주말 진료", "도수치료")을 본문 언어와 일치시켰습니다. 의료진 약력과 학회 활동을 출처와 함께 명시해 신뢰 신호도 보강했고요. 그 뒤 약 3개월간, D의원이 AI 답변에 인용되는 질문 유형이 0개에서 3개(주말 진료·도수치료·교통사고 후 재활)로 늘었고, 지도 저장수는 이전 분기 대비 약 41% 증가했습니다. 화려한 숫자는 아니지만, "근처에서 이거 잘하는 곳"이라는 질문에 이름이 불리기 시작했다는 게 핵심이었습니다.
AI Mode 로컬 검색이란 무엇인가
AI Mode 로컬 검색은 "근처 병원"처럼 위치가 걸린 질문에 구글이 지도·리뷰 대신 생성형 AI 답변으로 응답하려는 시도입니다.
AI Mode는 구글이 SGE(Search Generative Experience)를 잇는 형태로 검색 결과 상단에 붙인 대화형 답변 영역인데요. 사용자가 "주말에 여는 이비인후과 알려줘"처럼 문장으로 물으면, AI가 여러 출처를 종합해 목록과 설명을 만들어 줍니다. 문제는 병의원 같은 로컬 검색에서, 사람들이 진짜 원하는 정보(거리, 영업시간, 리뷰, 예약, 보험)가 아직 잘 안 담긴다는 점입니다. 이 차이를 이해하려면 먼저 연구가 무엇을 측정했는지 보는 게 좋습니다.
아래는 연구가 병의원 찾기(Task #4)에서 측정한 핵심 지표를 한 표로 정리한 것입니다.
| 지표 | 수치 | 의미 |
|---|---|---|
| AI Mode가 옵션으로 노출된 비율 | 29% | 셋 중 하나 정도만 AI Mode를 봄 |
| 노출됐을 때 실제 선택한 비율 | 2% | 봐도 거의 안 누름 |
| AI Overviews에 관여한 비율 | 3% | 요약 답변 참여도 낮음 |
| 평균 클릭한 링크 수 | 1.09개 | 한 번 보고 바로 이동 |
| 검색 완료까지 걸린 시간 | 56초 | 빠르게 끝내려는 의도 |
| 사용 용이성 점수 | 4.49 / 5 | 검색 자체는 쉬웠다고 평가 |
| 만족도 점수 | 4.19 / 5 | 결과엔 다소 아쉬움 |
연구는 미국 거주 18~75세 100명을 대상으로 설문하고, 그중 23명을 일대일로 인터뷰했으며, 실제 검색 과정을 관찰하는 혼합 방식으로 진행됐습니다. 성별·인종·학력·지역을 고르게 배분했고, 참가자들은 다섯 개의 검색 과제를 수행했는데요. 그중 네 번째가 "동네 병의원 찾기"였습니다.
이용 흐름을 단계로 풀면 이렇게 정리됩니다.
- 환자가 증상이나 진료과("무릎 통증", "이비인후과")와 위치("근처", "OO동")를 함께 입력합니다.
- 구글이 AI Mode·AI Overviews·지도·일반 결과 중 무엇을 보여줄지 결정합니다.
- 환자는 거리·리뷰·영업시간을 빠르게 훑고, 보통 1개 링크만 누른 뒤 56초 안에 결정을 끝냅니다.
- 정보가 부족하면 곧장 구글 지도나 보험사 사이트로 이탈합니다.
환자는 왜 아직 지도를 먼저 켤까
환자가 AI Mode를 건너뛰는 이유는 단순합니다. 지도가 보여주는 거리·리뷰·영업시간을 AI Mode가 제대로 못 주기 때문입니다.
연구에서 가장 많이 나온 불만은 "너무 멀다"였습니다. 네바다의 한 참가자는 AI Mode가 추천한 병원이 "15마일이나 더 떨어져 있다"고 했고, 버지니아의 한 사용자는 "15년을 살았는데 한 번도 들어본 적 없는" 곳들이 떴다고 말했습니다. 위치 정렬과 근접성 판단이 약했던 겁니다. 게다가 AI Mode는 종종 '의원(clinic)'을 찾는 질문에 종합병원·응급실·일반 병원을 섞어 내놨습니다. 환자가 원한 건 가볍게 갈 수 있는 동네 의원인데, 무거운 선택지를 준 셈이죠.
정보의 깊이도 부족했습니다. 환자들이 진짜 원한 건 리뷰와 평점, 영업시간, 예약 가능 여부, 보험 적용 여부였는데 AI Mode는 이걸 잘 안 보여줬습니다. 지도는 보통 페이지 하단에 있거나 아예 없었고요. 한 버지니아 참가자는 결과가 "시의성이 없다"며 계속 지연되는 느낌을 받았다고 했습니다. 결국 많은 참가자가 처음부터 다른 도구로 갔습니다. 필라델피아의 한 사용자는 "곧장 구글 지도로 갔다"고 했고, 플로리다의 한 사용자는 보험 플랜 사이트부터 확인했습니다.
이 패턴은 한국 병의원 검색에도 거의 그대로 적용됩니다. 네이버 지도, 카카오맵, 보험·실비 확인, 그리고 병원 자체 홈페이지가 여전히 1차 도구입니다. 다만 방향성은 분명합니다. AI 검색이 거리·리뷰·시간 정보를 구조적으로 잘 끌어오게 되는 순간, 흐름은 빠르게 옮겨갈수 있습니다. 그래서 지금이 준비할때입니다. 690만 건 인용 데이터로 위치 기반 노출을 분석한 로컬 AI 검색 가시성 완전 가이드도 같은 결론을 가리킵니다.
AI Mode가 잘하는 것과 못하는 것
AI Mode는 "근처 병원"엔 약하지만, "주말에 엑스레이 찍을 수 있는 곳"처럼 구체적인 질문엔 의외로 강합니다.
연구는 AI Mode를 무조건 깎아내리지 않았습니다. 질문이 구체적일수록 결과가 좋아졌는데요. 노스캐롤라이나의 한 여성은 엑스레이가 가능한 곳을 정확히 찾았고, 롱아일랜드의 사용자는 요통 전문 정보를, 뉴욕의 참가자는 주말 진료 시간을 콕 집어 답을 받았습니다. 자연어와 음성에도 잘 반응했습니다. 다만 내슈빌의 한 참가자는 "AI Mode는 입력한 걸 그대로 반영하기 때문에 정확하게 써야 한다"며 정밀함에 대한 부담을 토로했고요. 반면 올랜도의 은퇴자는 간결한 목록 형식이 기존 검색보다 낫다고 좋아했습니다.
정리하면 AI Mode의 강점과 약점은 이렇게 나뉩니다.
| 구분 | AI Mode가 잘하는 것 | AI Mode가 아직 약한 것 |
|---|---|---|
| 질문 유형 | 증상·서비스가 구체적인 롱테일 | "근처 병원" 같은 광범위·위치 중심 |
| 정보 형태 | 요약 목록, 조건 필터링 설명 | 거리·평점·영업시간 등 실시간 속성 |
| 입력 방식 | 자연어·음성 대화 | 짧은 키워드, 모호한 표현 |
| 결과 신뢰 | 출처가 명확한 구조화 정보 | 위치 정렬, 기관 유형 구분 |
병의원 입장에서 이 표가 주는 메시지는 분명합니다. 광범위한 "동네 병원" 경쟁은 당분간 지도가 가져가지만, "교통사고 후 도수치료 되는 정형외과", "야간 소아 진료" 같은 구체적 질문은 지금부터 AI 답변에서 선점할 여지가 있다는 겁니다. 핵심은 그 구체적 질문에 답이 되는 정보를 우리 페이지가 명확하게 들고 있느냐입니다.
비용·노력 관점에서 어디부터 손댈지 비교하면 다음과 같습니다.
| 작업 | 예상 노력 | 기대 효과 | 우선순위 |
|---|---|---|---|
| 진료·시간·보험 정보 구조화(표·FAQ) | 낮음 | 높음 | 1순위 |
| 리뷰 언어와 본문 표현 일치 | 중간 | 높음 | 1순위 |
| 의료진 약력·자격 출처 명시 | 중간 | 중간 | 2순위 |
| 지도·예약 위젯 연동 점검 | 중간 | 중간 | 2순위 |
| 증상별 상세 콘텐츠 확장 | 높음 | 중간 | 3순위 |
병의원 GEO 준비 체크리스트
지금 당장 할 일은 화려한 콘텐츠가 아니라, AI가 우리 병원을 정확히 인용할 수 있게 "사실"을 정리하는 것입니다.
첫째, 위치와 운영 정보를 사람이 아니라 기계가 읽기 좋게 정리합니다. 주소, 진료과목, 진료시간(주말·야간 포함), 휴진일, 주차, 보험·실비 적용 여부를 표와 짧은 문장으로 명시합니다. 연구에서 환자들이 가장 아쉬워한 정보가 바로 이것들이었습니다.
둘째, 환자의 실제 표현을 본문에 반영합니다. 리뷰에 자주 나오는 말("친절", "대기 짧음", "주말 진료", "도수치료")을 페이지 언어와 맞추면, AI가 질문과 페이지를 연결하기 쉬워집니다. 어떤 표현이 검색되는지는 AI 검색 엔티티 최적화 가이드에서 다루는 엔티티 인식 원리와 직접 닿아 있습니다.
셋째, 구체적 질문에 답하는 단위를 만듭니다. "야간 소아 진료 되나요?", "교통사고 후 도수치료 받을 수 있나요?" 같은 질문을 그대로 제목으로 쓰고, 바로 아래 한두 문장으로 답합니다. AI는 이런 질문-답 쌍을 그대로 인용하기 좋아합니다.
넷째, 한계도 솔직하게 적습니다. 모든 시술을 다 잘한다고 쓰는 페이지보다, "이런 경우엔 상급병원 의뢰가 낫습니다"처럼 범위를 명확히 한 페이지가 오히려 신뢰를 얻습니다. 과장은 단기적으로는 몰라도, AI 시대의 신뢰 평가에서는 손해입니다.
병의원은 YMYL입니다: 신뢰가 곧 노출입니다
의료 정보는 사람의 건강과 돈이 걸린 YMYL 영역이라, AI와 검색엔진이 다른 어떤 분야보다 엄격하게 신뢰도를 따집니다.
구글의 검색 품질 평가자 가이드라인은 의료·건강을 YMYL(Your Money or Your Life)로 분류하고, 이 영역에서 E-E-A-T(경험·전문성·권위·신뢰)를 특히 높게 요구합니다. AI Mode가 병의원 결과에서 보수적으로 움직이는 이유도 여기에 있습니다. 잘못된 의료 정보를 자신 있게 답하면 위험하니, 출처가 불분명한 곳은 잘 인용하지 않는 겁니다. 실제로 이번 연구의 만족도 점수가 4.19로 사용 용이성(4.49)보다 낮게 나온 것도, 결과의 신뢰·적합성에서 점수가 깎였다는 신호로 읽을 수 있습니다.
그래서 병의원 GEO의 절반은 '신뢰 신호 만들기'입니다. 진료한 의료진의 실명·전문의 자격·소속 학회를 출처와 함께 표기하고, 보건복지부·건강보험심사평가원처럼 공신력 있는 기관의 기준을 인용하면 페이지의 권위가 올라갑니다. 환자 사례를 쓸 때도 마찬가지입니다. 지오랭크가 함께한 한 통증의학과(편의상 E의원)는 시술 후기 콘텐츠에 "치료 기간 약 6주, 통증 점수(NRS) 7→3 감소"처럼 구체적 수치와 기간을 익명으로 명시하자, 약 4개월 뒤 관련 질문에서 AI 인용과 자연 유입이 함께 늘었습니다. 막연한 "효과 좋음"이 아니라 검증 가능한 형태의 경험이 신뢰를 만든 셈입니다.
다만 한 가지는 짚어야 합니다. 의료 광고는 의료법의 규제를 받고, 과장·비교·치료 효과 보장 표현은 법적 문제가 될 수 있습니다. GEO를 한다고 신뢰 신호를 만들다가 의료법 광고 심의 기준을 넘지 않도록, 표현은 사실 기반으로 절제하는 게 안전합니다. 신뢰와 준법은 병의원 마케팅에서 분리되지 않습니다. 이 주제는 병원 마케팅 전략과 의료 SEO 가이드에서 더 깊게 다룹니다.
자주 묻는 질문(FAQ)
AI Mode가 병의원 검색에서 아직 약하면, 지금 GEO를 할 필요가 있나요?
바로 그래서 지금이 기회입니다. 광범위한 "근처 병원" 질문은 지도가 강하지만, "주말 엑스레이", "야간 소아 진료" 같은 구체적 질문은 AI 답변에서 선점할 여지가 큽니다. 경쟁이 본격화되기 전에 사실 정보를 구조화해 두면, AI가 로컬 정보를 더 잘 끌어오게 되는 시점에 먼저 인용됩니다.병의원도 llms.txt나 스키마 마크업이 필요한가요?
도움이 됩니다. MedicalClinic·LocalBusiness 스키마로 주소·진료시간·진료과목을 구조화하면 AI와 검색엔진이 정보를 정확히 읽습니다. 다만 스키마보다 먼저 본문 자체가 명확해야 합니다. 구조화 데이터는 이미 정리된 사실을 기계어로 번역하는 도구이지, 없는 신뢰를 만들어 주지는 않습니다.네이버·카카오 지도 리뷰 관리만 잘하면 되지 않나요?
지도 리뷰는 여전히 1차 도구라 중요합니다. 하지만 ChatGPT·Perplexity·구글 AI Mode는 지도 리뷰만이 아니라 병원 홈페이지, 블로그, 외부 인용을 함께 참조합니다. 리뷰의 표현과 홈페이지 본문 언어를 일치시키는 작업이 AI 인용률을 끌어올립니다.의료법 때문에 표현이 제한되는데 GEO가 가능한가요?
가능합니다. GEO의 핵심은 과장이 아니라 정확한 사실의 구조화입니다. 진료과목, 시간, 자격, 검증 가능한 사례를 사실 그대로 정리하는 일은 의료법과 충돌하지 않으며, 오히려 절제된 사실 기반 콘텐츠가 AI의 신뢰 평가에서 유리합니다.효과가 나타나기까지 얼마나 걸리나요?
사례마다 다르지만, 정보 구조화와 리뷰 언어 정렬을 시작한 뒤 AI 인용 변화가 보이기까지 보통 3~4개월이 걸렸습니다. 전통 검색 순위보다 변동이 크고, 질문 유형 단위로 늘어나는 경향이 있어 '몇 위'보다 '어떤 질문에 불리는가'로 보는 게 맞습니다.함께 보면 좋은 콘텐츠
병의원처럼 위치가 중요한 업종의 AI 노출 원리가 더 궁금하시다면, 690만 건 인용 데이터로 분석한 로컬 비즈니스 AI 검색 노출 전략을 추천합니다. 위치 기반 인용이 어떤 신호에서 갈리는지 정리돼 있습니다.
의료 정보의 신뢰도 평가가 왜 그렇게 까다로운지 이해하고 싶다면, AI 검색 시대 YMYL·E-E-A-T 완전 가이드에서 구글 품질 평가자 가이드라인의 기준을 확인해 보세요.
AI가 우리 병원을 하나의 '브랜드 지식'으로 인식하게 만드는 방법이 궁금하다면, 브랜드를 지식 그래프에 올려 AI 답변에 인용되는 법이 좋은 출발점입니다.