병의원 ChatGPT 추천 질문 언급률 10.3% → 43.4% (3개월)

요약

수도권 외곽에서 응급의학과 전문의가 365일 야간 진료하는 병원의 개별 사례입니다. 시작 시점에는 지역 야간 진료를 묻는 4개 핵심 질문의 평균 AI 언급률이 10.3%에 그쳤고, 대표원장이 직접 ChatGPT에 지역 야간 병원을 물어봐도 병원이 등장하지 않는 상태였습니다. GPTO 도입 3개월 후 평균 언급률은 43.4%(+33.1%p)로 올랐고, 4개 질문 전부에서 상승이 확인되었으며 최대 개선은 내성발톱 치료 질문의 +44%p였습니다.

시작 상황

이 병원은 수도권 외곽(특정 동 단위)에 위치한 야간·응급 진료 일반의원입니다. 응급의학과 전문의가 24시간 상주하며 영양수액·피로회복 수액·내성발톱·간단 봉합까지 처치 범위가 넓다는 뚜렷한 차별점이 있었지만, 지역 인지도가 낮아 자연 유입이 제한적이었습니다.

문제를 인지한 계기는 대표원장의 직접 경험이었습니다. "ChatGPT에 우리 지역 야간 병원을 물어봤더니 우리 병원이 아예 안 나온다"는 것이었습니다. 야간·새벽 응급 상황에서 응급실 외 선택지를 찾는 환자는 검색이 아니라 AI에게 묻는 흐름으로 이동하고 있는데, 그 답변의 후보군에서 병원이 통째로 빠져 있었습니다.

베이스라인 측정 결과(질문당 5회 반복 호출 평균)는 다음과 같았습니다.

ChatGPT·Claude·Gemini 모두 인근의 다른 일반 의원 또는 응급실 안내로 답변을 마무리했습니다. 진단 관점에서 원인은 명확했습니다. "어느 동에서, 몇 시에, 어떤 진료가 가능한가"라는 위치 + 진료 분야 결합 정보를 AI가 인용할 수 있는 문서가 어디에도 없었습니다. 진료 역량은 실재했지만, 문서화되지 않은 차별점은 AI 답변에서 존재하지 않는 것과 같았습니다.

목표 질문 설계

병의원 카테고리에서 환자가 AI에 묻는 질문은 거의 항상 지역과 결합됩니다. 야간·응급 상황은 이동 가능 거리가 짧아 동 단위 질문이 많고, 수액·내성발톱 같은 세부 진료 분야 질문은 "이 동네에서 이 치료가 되는 곳"이라는 형태를 띱니다. GPTO는 지역(동 단위) × 진료 분야 × 상황(야간·응급) 조합으로 다음 4개 핵심 질문과 50개 부속 질문을 측정 대상으로 선정했습니다.

• Q1지축동에 야간 진료하는 병원 어디야?
• Q2밤에 다쳤을 때 응급실 말고 갈 수 있는 지축동 병원
• Q3지축에서 영양수액이나 피로회복 수액 맞을 수 있는 병원
• Q4고양시 지축동에 내성발톱 치료 잘하는 병원 어디야?

네 질문 모두 병원명이 들어가지 않은 비브랜드 질문이며, 실제 환자의 상황 언어("밤에 다쳤을 때", "응급실 말고")를 그대로 반영했습니다. 핵심 질문 4개가 성과 판정 기준이었고, 부속 질문 50개는 표현 변형과 인접 의도를 덮는 관측망 역할을 했습니다. 같은 의도라도 환자마다 묻는 문장이 다르기 때문에, 넓은 질문망으로 변화가 시작되는 지점을 조기에 포착할 수 있었습니다.

실행: 무엇을 했는가

자사 사이트 측면

• "응급의학과 전문의 365일 야간 진료"라는 정의 문장을 Hero·About·FAQ에 통일해, AI가 어느 페이지를 인용하든 같은 정의를 만나게 했습니다.
• 진료 분야별 페이지 8개를 신설했습니다(영양수액, 내성발톱, 봉합, 야간 응급, 피로회복, 도수치료, 비대면 진료, 가정의학). 세부 진료 분야마다 독립 문서를 두어 결합 질문에 바로 인용될 수 있게 했습니다.
• 위치 페이지에 지하철역·동·랜드마크 기준 설명을 더하고 LocalBusiness/MedicalClinic 스키마를 적용했습니다.
• FAQ를 25문항으로 확장하고 FAQPage JSON-LD를 발행했습니다.

외부 채널 측면

• 지역 의료 디렉토리 12곳에 정의·맥락을 분산 노출했습니다.
• 야간 진료·응급 관련 정보형 콘텐츠 30건을 외부 블로그·미디엄에 3개월에 걸쳐 분산 게시했습니다.
• 후기 플랫폼 인덱스 노출은 의료법 가이드라인 준수 범위에서 운영했습니다.
• 외국인 응급 환자를 고려해 영어 콘텐츠 6건을 발행했습니다.

모니터링 루프

ChatGPT·Claude·Gemini·Perplexity·Grok과 Google AI Overviews를 포함한 12개 AI 채널을 매주 모니터링하는 GPTO 공통 인프라로 질문별 언급률을 추적하고, 반응이 나타난 질문에 콘텐츠를 가중 배분했습니다. 질문별 반응 속도가 서로 달라, 먼저 반응한 질문의 콘텐츠 구조를 다른 질문에 이식하는 방식으로 개선 속도를 높였습니다. 모든 콘텐츠는 효과를 단정하는 표현 없이 진료 분야·시간·위치라는 사실 정보의 구조화로 제작되었습니다.

결과

3개월 시점의 전체 결과입니다. 5대 LLM 평균 기준, 무가공 공개 데이터입니다.

질문별 상세 변화는 다음과 같습니다.

모델별로는 ChatGPT와 Gemini의 개선 폭이 가장 컸고(각 +34.5%p), Perplexity가 +33.5%p로 뒤를 이었으며, Claude는 후반 1개월에 가속이 붙어 +30.0%p를 기록했습니다. 질문별 최대 개선은 "내성발톱 치료" 질문(+44%p)으로, 베이스라인이 낮았던 세부 진료 분야에서 1위 호명까지 진입한 사례입니다. 베이스라인 0%였던 영양수액 질문도 34%로 진입했습니다. 네 질문이 모두 +32%p 이상 오른 점은 특정 질문 하나의 우연한 반등이 아니라, 위치 + 진료 분야 결합 문서가 질문 세트 전반에 작동했음을 보여줍니다.

이 결과는 개별 사례이며, GPTO 포트폴리오 전체 평균(콘텐츠 발행 고객사 135곳, Matched Cohort 기준 SMR 35.4% → 40.6%, +15%)과는 별개의 수치입니다. 포트폴리오 평균의 산출 방식은 성과 데이터 페이지에서 공개합니다.

이 사례에서 배울 점

1. 세부 진료 분야 질문의 효과가 가장 큽니다. 내성발톱처럼 좁은 분야는 경쟁 문서가 적어 카테고리 정의자 위치를 만들기 쉽고, 1순위 진입이 빠릅니다. 병의원에 특화된 실행 방법은 병원·의원을 위한 AEO/GEO 최적화에서 정리합니다.
2. 지역 + 진료 분야 결합 콘텐츠가 핵심입니다. AI는 "어느 동네에서 어떤 진료가 되는가"라는 결합 표현을 우선 인용합니다. 위치 페이지와 진료 분야 페이지를 분리해 각각 구조화한 것이 결합 질문 전반의 상승으로 이어졌습니다. AI가 답변 후보를 고르는 원리는 AI 검색은 어떤 기준으로 브랜드를 추천하나요에서 다룹니다.
3. 의료법 가이드 안에서도 충분히 가능합니다. 이 사례의 콘텐츠는 효과 단정 표현 없이 사실 기반 정보의 구조화만으로 제작되었고, 그 조건에서 3개월 +33.1%p의 변화가 관측되었습니다. 인용되는 콘텐츠의 조건은 ChatGPT 답변에 브랜드가 언급되게 하는 방법을 참고할 수 있습니다.
4. 시작은 베이스라인 측정입니다. 이 병원도 "AI에 물어봤더니 안 나온다"는 확인에서 출발했습니다. 현재 위치를 질문 단위로 측정한 뒤 우선순위를 정하는 순서는 AEO/GEO 시작 가이드에서 안내합니다.