병원 GEO, SEO와 무엇이 다를까: AI 답변에 우리 병원이 '인용'되는 조건

요즘 원장님들께 자주 듣는 질문이 있습니다. "이제 환자들이 챗GPT한테 병원을 물어본다는데, 블로그를 계속 해야 하나요?"

결론부터 말씀드리면 계속 하셔야 합니다. 다만 목표가 하나 늘었습니다. 예전에는 검색 결과 1페이지에 '노출'되는 것이 목표였다면, 이제는 AI가 만든 답변 안에 '인용'되는 것까지 봐야 합니다. 이 일을 부르는 이름이 AEO, GEO입니다.

이 글은 유행어처럼 쓰이는 병원 GEO를 세 가지 근거로 정리합니다. GEO라는 용어를 처음 만든 논문(KDD 2024), 구글이 직접 낸 공식 가이드, 그리고 네이버 건강 AI 브리핑이 출처를 고르는 방식입니다. 셋을 겹쳐 보면 병원이 실제로 준비해야 할 것이 두 가지로 정리됩니다. AI가 우리 병원을 정확히 알아보게 하는 일과, 환자의 질문에 우리 병원의 답이 인용되게 하는 일입니다.

환자의 질문은 이미 '답변창'으로 옮겨가고 있습니다

미국 Pew Research Center가 성인 900명의 실제 브라우징 기록(2025년 3월)을 분석했더니, 구글 검색 결과에 AI 요약이 뜬 경우 일반 검색 결과 링크를 클릭한 비율은 8%였습니다. AI 요약이 없을 때(15%)의 절반 수준입니다. AI 요약 안에 달린 출처 링크를 누른 경우는 1%에 그쳤습니다.

국내도 같은 방향입니다. 네이버 AI 브리핑은 2025년 3월 출시 이후 월간 순 이용자 3,000만 명 규모로 커졌고, 2026년 7월부터는 AI 브리핑 지면에 검색광고까지 붙기 시작했습니다.

병원 입장에서 이 변화의 의미는 단순합니다. 환자가 우리 블로그나 홈페이지를 직접 클릭하지 않아도, AI가 우리 병원 정보를 읽고 요약해서 환자에게 전달하는 경로가 생겼습니다. 거꾸로 말하면 AI 답변에서 우리 병원이 빠지거나 잘못 소개되면, 환자는 우리 병원을 제대로 보지 못한 채 결정할 수도 있습니다.

SEO, AEO, GEO 차이 한 번에 정리

세 용어는 경쟁 관계가 아닙니다. '어디에 보이고 싶은가'의 차이입니다.

AEO는 '질문 하나에 정답 하나'를 내주는 환경에 맞춘 개념이고, GEO는 AI가 여러 출처를 섞어 새 문장을 만들어내는 환경에 맞춘 개념입니다. 실무에서는 둘을 묶어 'AI 검색 최적화'라고 부르는 경우가 많습니다.

중요한 건 순서입니다. 구글의 AI 개요와 AI 모드는 구글 검색 색인에서 관련 문서를 먼저 찾아온 뒤(검색 증강 생성, RAG) 답을 만듭니다. 즉 검색엔진이 읽지 못하는 정보는 AI 답변의 후보조차 되지 못합니다.

GEO 논문이 확인한 것: 키워드보다 '근거'

GEO라는 말은 프린스턴대 등 공동 연구진이 2023년 공개하고 2024년 데이터마이닝 학회 KDD에 실린 논문 「GEO: Generative Engine Optimization」(Aggarwal et al.)에서 나왔습니다. 연구진은 1만 개 질문으로 된 벤치마크(GEO-bench)를 만들고, 웹 문서를 9가지 방식으로 고쳐 쓴 뒤 AI 답변에 그 문서가 얼마나 반영되는지 측정했습니다.

• 출처 인용, 인용문 추가, 통계 추가가 가장 효과적이었습니다. 답변 내 반영도 지표(Position-Adjusted Word Count)가 상대적으로 30~40% 올랐습니다.

• 문장을 읽기 쉽고 매끄럽게 다듬는 것만으로도 15~30% 개선이 있었습니다.

• 반대로 전통적인 SEO 기법인 키워드 반복은 효과가 없거나 오히려 손해였습니다. 실제 서비스인 퍼플렉시티로 한 실험에서도 아무것도 안 한 문서보다 점수가 낮았습니다.

• 기존 검색 순위가 낮은 문서일수록 효과가 컸습니다. 5위 문서에 출처 인용을 더하자 노출이 115% 늘었고, 1위 문서는 오히려 줄었습니다.

마지막 결과가 개원가에는 특히 의미 있습니다. 백링크도 도메인 역사도 부족한 작은 병원이 대형 사이트와 겨룰 수 있는 지점이 '근거의 밀도'라는 뜻이기 때문입니다.

다만 한계도 분명합니다. 실험은 GPT-3.5 기반 환경에서 진행됐고, 측정 대상 문서가 이미 AI가 참고하는 후보 안에 들어 있다는 전제에서 나온 수치입니다. "이렇게 쓰면 40% 더 인용된다"는 보장으로 읽으면 안 됩니다.

AI는 병원을 두 번 읽습니다: '어떤 병원인가'와 '무엇을 답하는가'

환자가 AI에게 던지는 질문은 크게 두 종류입니다.

• 병원 정보형 질문: "강남역 근처 피부과 전문의 있는 곳 알려줘", "○○의원 토요일에도 진료해?"

• 판단형 질문: "눈밑지방재배치 상담 때 뭘 물어봐야 해?", "같은 시술인데 병원마다 가격이 왜 달라?"

두 질문에 답할 때 AI가 찾는 재료가 다릅니다. 첫 번째는 병원명, 위치, 진료과목, 전문의 여부, 진료시간 같은 사실 정보이고, 두 번째는 그 병원 의료진의 관점과 설명입니다. 판단형 질문은 뒤에서 블로그 콘텐츠로 다루고, 여기서는 많은 병원이 놓치고 있는 첫 번째 층부터 보겠습니다.

병원 홈페이지는 사람에게는 보이지만 AI에게는 잘 안 읽힙니다

상당수 병원 홈페이지는 진료시간, 의료진 약력, 시술 안내를 통이미지 배너로 올리거나 스크립트로 화면을 그립니다. 사람 눈에는 깔끔하지만, AI가 읽을 수 있는 텍스트와 구조는 거의 남지 않습니다. 여기에 홈페이지, 지도 앱, 공공 데이터에 적힌 진료시간이나 전화번호가 서로 다르면 AI는 어느 쪽을 믿어야 할지 모릅니다. 그 결과 틀린 정보를 말하거나, 아예 그 병원을 언급하지 않는 쪽을 택합니다.

그래서 이제는 환자에게 보여주는 홈페이지와 별개로, AI가 우리 병원을 정확히 이해하고 있는지를 따로 점검하고 관리해야 합니다. 먼저 AI에게 우리 병원에 대해 직접 물어보고, 틀리게 답하는 부분이 있는지 확인하는 것부터 시작하시면 됩니다. 점검 방법은 글 뒷부분에 정리했습니다.

구글 검색 기준으로는: SEO 기본기가 그대로 통합니다

구글 서치 센트럴은 생성형 AI 검색 기능(AI 개요, AI 모드)을 위한 최적화 가이드를 따로 공개했습니다. 요지는 "구글의 AI 기능도 핵심 검색 랭킹 시스템 위에서 돌아가므로 SEO 기본기가 그대로 통한다"입니다.

• 색인되고 스니펫 노출이 허용된 페이지여야 AI 기능에 나올 수 있습니다.

• 구조화 데이터는 AI 기능의 필수 조건은 아니지만, 리치 결과 등 SEO 전반을 위해 계속 쓰는 것이 좋다고 안내합니다.

• llms.txt 같은 AI 전용 파일은 구글 검색이 사용하지 않는다고 밝혔습니다.

구글이 가장 힘주어 말한 단어는 '비범용(non-commodity) 콘텐츠'입니다. 누구나 쓸 수 있는 상식 모음이 아니라, 직접 경험한 사람만 쓸 수 있는 관점이 담긴 글이어야 한다는 겁니다. 또 AI는 질문 하나를 받으면 연관 질문 여러 개를 동시에 검색하는데(query fan-out), 이를 노리고 같은 내용을 키워드만 바꿔 찍어내면 대량 생성 콘텐츠 스팸 정책에 걸릴 수 있다고 못 박았습니다.

다만 이 가이드는 구글 검색에 대한 이야기입니다. 챗GPT, 퍼플렉시티, 클로드 같은 서비스는 각자의 검색과 수집 방식으로 웹 전반에서 근거를 찾습니다. 우리 병원의 정확한 정보가 여러 신뢰할 만한 곳에 일관되게 존재할수록, 어느 AI에게 물어도 같은 답이 나올 가능성이 커집니다.

병원은 조건이 하나 더 붙습니다: 네이버 건강 AI 브리핑의 출처 기준

건강·의료는 AI가 출처를 가장 보수적으로 고르는 분야입니다.

네이버는 2025년 9월 건강 분야에 특화 AI 브리핑을 적용하면서 3차 병원·상급종합병원·공공기관·학회가 제공하는 전문 건강 정보를 요약해 보여주는 방식을 택했습니다. 2026년 5월부터는 공공기관과 상급병원 등의 공식 블로그에 'AI 출처 정보'를 우선 표시하고 있습니다.

여기서 두 가지를 읽을 수 있습니다. 첫째, AI는 공공 데이터와 공신력 있는 출처를 우선합니다. 우리 병원에 대한 정보가 공적 기록과 어긋나지 않고 정확해야 하는 이유가 여기 있습니다. 둘째, "안검하수란?", "무릎 연골 손상 증상" 같은 질환 정의형 질문에서 개원가가 대학병원과 학회를 이기기는 어렵습니다. 같은 설명을 다시 써도 AI 입장에서는 더 공신력 있는 출처가 이미 있는 범용 콘텐츠일 뿐입니다.

반대로 대학병원이 잘 쓰지 않는 질문이 있습니다. "눈매교정 상담 때 원장님께 무엇을 물어봐야 하나요?", "같은 시술인데 병원마다 가격이 왜 다른가요?", "수술 2주 차에 출근해도 되나요?" 같은 선택·결정 단계의 질문입니다. 여기에는 매일 환자를 보는 원장님의 판단 기준이 가장 좋은 답이고, 구글이 말하는 '직접 경험에서 나온 관점'과 정확히 맞물립니다.

이 구조는 앞서 다룬 신뢰재 이론과도 이어집니다. 환자가 의사의 실력을 직접 확인할 수 없어서 '신호'를 보듯, AI도 출처의 실력을 직접 확인할 수 없어서 공신력과 근거라는 신호를 봅니다. (관련 글: 병원마케팅 전략, 왜 일반 마케팅과 달라야 할까)

AI 답변에 인용되는 병원 콘텐츠의 5가지 조건

세 가지 근거를 겹쳐서, 병원이 바로 적용할 수 있는 형태로 정리하면 다음과 같습니다.

1. 소제목은 환자의 질문으로, 첫 두 문장은 답으로

AI 요약은 단순 키워드보다 질문형 검색에서 주로 작동합니다. 소제목을 "눈밑지방재배치 회복 기간" 같은 키워드 나열 대신 "눈밑지방재배치 후 언제부터 화장을 해도 되나요?"처럼 환자가 실제로 묻는 문장으로 쓰고, 바로 아래 두 문장 안에 결론을 적습니다. 설명과 예외는 그다음입니다.

2. 숫자에는 반드시 출처를 붙이기

논문에서 효과가 가장 컸던 것이 통계와 출처였습니다. "부기가 금방 빠집니다" 대신 근거가 되는 학회 자료나 논문을 링크와 함께 밝히고, 개인차의 범위를 같이 적습니다. 단, 자체 치료 성과를 수치로 내세우거나 다른 병원과 비교하는 표현은 의료법 제56조 제2항(치료 효과 오인, 비교 광고)에 걸릴 수 있습니다. 공개된 자료 위주로 쓰는 것이 안전합니다. (관련 글: 의료법 위반, '10만 명 이상 플랫폼' 기준은 무엇?)

3. 원장님의 1인칭 판단 기준을 남기기

퍼플렉시티 실험에서 가장 좋은 결과를 낸 방법이 '인용문 추가'였습니다. 병원 콘텐츠에서 가장 가치 있는 인용문은 원장님의 말입니다. "저는 이런 눈은 지방재배치보다 하안검을 먼저 권합니다. 이유는…"처럼 실제 상담에서 쓰는 판단 기준을 그대로 옮기면, AI가 다른 곳에서 찾을 수 없는 문장이 됩니다. 원장님이 직접 쓴 글에서 문의가 더 많이 나왔던 경험과도 같은 맥락입니다. (관련 글: 왜 원장님이 직접 쓴 글에서만 문의가 발생했을까?)

4. 글 한 편이 아니라 '질문 묶음'으로 설계하기

AI는 질문 하나를 받으면 연관 질문 여러 개를 동시에 검색합니다. 눈밑지방재배치라는 주제라면 비용 구조, 회복 일정, 재수술, 하안검과의 차이처럼 환자가 이어서 물을 질문들을 서로 링크로 연결된 글 묶음으로 갖추는 편이 유리합니다. 다만 같은 내용을 키워드만 바꿔 여러 편 찍어내는 건 구글이 명시한 스팸 유형입니다. 각 글은 서로 다른 질문에 답해야 합니다.

5. 병원 기본 정보를 AI가 정확히 알게 하기

판단형 콘텐츠가 아무리 좋아도, AI가 우리 병원을 엉뚱하게 알고 있으면 소용이 없습니다. 홈페이지, 지도 앱, 각종 등록 정보에 적힌 진료시간·전화번호·진료과목이 서로 일치하는지부터 확인하세요. 홈페이지는 이미지 속 글자를 실제 텍스트로 바꾸고, 구글 비즈니스 프로필과 Search Console(생성형 AI 실적 보고서 포함)까지 챙기면 기본기가 갖춰집니다. 저희도 이 블로그를 다시 운영하면서 Search Console로 색인 상태부터 점검했는데, 생각보다 많은 사이트가 이 단계에서 막혀 있습니다. (관련 글: SEO·AEO 관점에서 본 인블로그 실사용 후기)

홈페이지, 등록 정보, 블로그: 역할을 나눠야 합니다

병원 GEO를 한 채널로 해결하려고 하면 어느 쪽도 제대로 되지 않습니다. 채널마다 맡는 질문이 다릅니다.

세 채널의 정보가 서로를 뒷받침할 때, AI는 우리 병원을 같은 모습으로 이해하고 같은 방식으로 소개합니다.

우리 병원은 지금 AI에 어떻게 보일까: 10분 점검법

1. 챗GPT(검색 기능), 퍼플렉시티, 구글, 네이버에 "○○병원 진료시간", "○○병원 전문의 있어?"를 물어봅니다. 틀린 정보가 나오거나 답을 못 하면 병원 정보부터 바로잡아야 합니다.

2. 환자가 상담 때 실제로 묻는 질문 10개를 적고, 같은 AI들에 넣습니다.

3. 답변에 인용된 출처를 표로 기록합니다. 우리 병원, 경쟁 병원, 대학병원·학회, 커뮤니티 중 누가 나오는지 봅니다.

4. 우리 병원이 빠진 질문 가운데, 대학병원이 아니라 다른 개원가 글이 인용된 질문부터 콘텐츠를 만듭니다. 이길 수 있는 자리이기 때문입니다.

5. 한 달 뒤 같은 질문으로 다시 확인합니다.

AI 답변은 계속 바뀌기 때문에 한 번 확인하고 끝내지 말고, 같은 질문으로 매달 추적하는 것이 핵심입니다.

자주 묻는 질문

AEO와 GEO는 무엇이 다른가요?

AEO는 추천 스니펫이나 음성 비서처럼 질문에 대한 '하나의 답'으로 채택되는 것을, GEO는 챗GPT나 AI 개요처럼 여러 출처를 종합한 AI 답변 안에 인용되는 것을 목표로 합니다. 실무 방법은 상당 부분 겹치고, 둘 다 SEO가 바탕입니다.

홈페이지만 잘 만들면 AI에 나오나요?

홈페이지는 출발점입니다. 하지만 AI는 여러 출처를 비교해 답을 만들기 때문에, 홈페이지가 좋아도 다른 곳의 정보와 어긋나면 정확하게 소개되기 어렵습니다. 또 "어떻게 골라야 하나요?" 같은 판단형 질문에는 블로그처럼 원장님의 관점이 담긴 콘텐츠가 따로 필요합니다.

네이버 블로그 글도 AI 브리핑에 인용될 수 있나요?

네. AI 브리핑은 블로그와 카페 글도 출처로 씁니다. 다만 건강 분야는 상급종합병원·학회·공공기관 자료를 우선하기 때문에, 개원가 블로그는 질환 설명보다 선택·결정 단계의 질문에서 기회가 큽니다.

GEO를 하면 SEO는 안 해도 되나요?

반대입니다. 구글의 AI 기능은 검색 색인과 랭킹 시스템을 바탕으로 출처를 고릅니다. 검색엔진이 읽지 못하는 페이지는 AI 답변의 후보가 될 수 없습니다.

마치며

정리하면 병원 GEO는 두 가지 일입니다. AI가 우리 병원을 정확히 알아보도록 병원 정보를 정확하고 일관되게 관리하는 일, 그리고 환자가 실제로 묻는 질문에 원장님만 할 수 있는 답을 쓰는 일입니다. 새로운 기술이라기보다, 정확한 정보와 진짜 전문성이라는 오래된 원칙을 AI가 읽을 수 있는 형태로 옮기는 일에 가깝습니다.

참고 자료

• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. Proceedings of KDD '24. doi.org/10.1145/3637528.3671900 (arXiv:2311.09735)

• Google Search Central. Optimizing your website for generative AI features on Google Search. developers.google.com

• Pew Research Center (2025.7.22). Google users are less likely to click on links when an AI summary appears in the results. pewresearch.org

• 네이버 검색광고 공지 (2026.6.15). 네이버 AI 광고 출시 안내. ads.naver.com

• 뉴스1 (2026.5.13). 검색 신뢰도 집중하는 네이버…AI로 '믿을 수 있는' 출처 가려낸다. v.daum.net

• 의료법 제56조(의료광고의 금지 등). 국가법령정보센터