ChatGPT에 '우리 동네 치과 추천'을 물었을 때 우리 병원이 안 나오는 이유는?

"우리 동네 임플란트 잘하는 치과 추천해줘"라는 질문에 AI가 병원 이름을 대려면, 그 이름을 뒷받침할 근거가 웹에 있어야 합니다. 병원이 이런 답변에서 빠지는 이유는 대개 콘텐츠를 적게 써서가 아니라, 지역과 진료를 함께 다룬 페이지가 없거나, 채널마다 정보가 달라 AI가 확신하지 못하거나, 애초에 AI가 사이트를 읽지 못하기 때문입니다. 원인을 구분해야 손댈 곳이 보입니다.

AI는 '동네 추천' 질문에 어떻게 답하나요?

생성형 AI의 내부 동작은 공개되어 있지 않지만, 답변이 만들어지는 경로는 크게 둘로 나눠 생각할 수 있습니다.

• 학습된 지식으로 답하는 경우: 모델이 학습 시점까지 읽은 내용을 바탕으로 문장을 만듭니다. 개별 동네 치과처럼 구체적이고 자주 바뀌는 정보는 여기에 담기기 어렵습니다.
• 웹을 찾아보고 답하는 경우: 질문을 받은 뒤 관련 문서를 검색해 그 내용을 근거로 답합니다. 지역 추천 질문은 이쪽으로 처리되는 경우가 많습니다.

두 번째 경로에서는 결국 **"지금 웹에 인용할 만한 문서가 있는가"**가 갈림길이 됩니다. 아무리 좋은 진료를 하고 있어도 그것을 확인할 수 있는 공개 문서가 없으면 AI는 이름을 꺼내지 않습니다.

우리 병원이 빠지는 다섯 가지 원인

1. 지역과 진료를 함께 다룬 페이지가 없다

"임플란트 안내" 페이지는 있지만 어느 지역에서 진료하는지가 그 문서 안에 드러나지 않는 경우가 많습니다. 환자의 질문에는 거의 항상 지역이 붙습니다. 진료 설명과 지역·접근성 정보가 같은 문서 안에서 만나야 합니다.

2. 채널마다 정보가 다르다

홈페이지의 진료시간과 네이버 플레이스의 진료시간이 다르고, 블로그에는 또 다른 번호가 적혀 있는 상태입니다. AI는 여러 출처를 교차 확인하는 과정에서 불일치를 발견하면 어느 쪽도 확신하지 못하고 언급 자체를 피할 수 있습니다. 정보 정비는 콘텐츠 제작보다 먼저 할 일입니다.

3. 병원 이름이 본문에 거의 없다

병원명이 로고 이미지와 상단 바에만 있고 본문에는 "저희 병원"으로만 등장하는 사이트가 많습니다. 사람에게는 자연스럽지만, 문서를 텍스트로 읽는 입장에서는 이 문서가 어느 병원의 것인지 확인할 단서가 줄어듭니다.

4. 인용할 '사실'이 없다

"최고의 기술", "만족도 높은 진료" 같은 문장은 인용 대상이 되기 어렵습니다. AI가 답변에 옮겨 적을 수 있는 것은 진료 범위, 절차, 소요 기간, 주의사항처럼 확인 가능한 사실입니다. 홍보 문구만으로 채워진 페이지는 분량이 많아도 근거로 쓰이지 않습니다. 의료광고 기준상으로도 과장·보장 표현은 피해야 하므로, 사실 중심 서술은 두 측면에서 모두 유리합니다.

5. AI 크롤러가 사이트를 읽지 못한다

가장 자주 놓치는 지점입니다. robots.txt에서 AI 크롤러를 막아두었거나, 페이지 내용이 자바스크립트로만 그려져 텍스트로는 빈 문서처럼 보이는 경우입니다. 이 상태라면 앞의 네 가지를 아무리 고쳐도 반영되지 않습니다.

핵심 정리: 순서가 중요합니다. 크롤러 접근 → 정보 일관성 → 인용 가능한 사실 → 지역·진료 콘텐츠 순으로 점검해야 합니다. 콘텐츠부터 늘리는 것은 대개 가장 나중 일입니다.

직접 확인해보는 방법

특별한 도구 없이도 현재 상태를 가늠할 수 있습니다.

1. 질문 목록을 만듭니다. 환자가 실제로 쓸 법한 문장으로 10~20개를 적습니다. 지역과 진료를 조합한 질문("○○동 임플란트 치과"), 상황형 질문("어금니가 깨졌는데 어디로 가야 하나요") 양쪽을 섞습니다.
2. 여러 서비스에 같은 질문을 던집니다. 서비스마다 참고하는 출처와 방식이 달라 결과가 다르게 나옵니다. 한 곳의 결과를 다른 곳에 일반화하기 어렵습니다.
3. 세 가지를 기록합니다. 우리 병원이 언급되었는지, 어떤 출처가 인용되었는지, 그리고 측정한 날짜와 서비스입니다. 출처 목록을 보면 그 지역에서 어떤 문서가 근거로 쓰이는지 드러납니다.
4. 추세로 판단합니다. 같은 질문도 매번 답이 달라지므로 1회 결과는 참고치일 뿐입니다. 기준값을 한 번 측정해두고 콘텐츠를 보강한 뒤 다시 재면 변화를 비교할 수 있습니다.

로그인한 계정의 대화 맥락이 결과에 영향을 줄 수 있으니, 가능하면 매번 새 대화에서 같은 문장으로 물어보는 편이 비교에 유리합니다.

자주 하는 오해 두 가지

• "글을 많이 쓰면 언젠가 나온다" — 분량보다 질문에 답하는 구조와 사실의 밀도가 먼저입니다. 같은 내용을 반복한 글 수십 편보다 서로 다른 질문에 정확히 답한 글 몇 편이 인용되기 쉽습니다.
• "AI 노출을 보장받을 수 있다" — 답변 생성 방식은 공개되어 있지 않고 수시로 바뀝니다. 특정 노출을 보장한다는 제안은 근거를 확인해야 합니다. 할 수 있는 일은 인용되기 좋은 조건을 갖추고 변화를 측정하는 것까지입니다.

잇클의 관점

AI 검색 노출은 한 번 세팅하고 끝나는 작업이 아니라, 측정으로 현재 위치를 확인하고 비어 있는 질문을 콘텐츠로 메운 뒤 다시 측정하는 반복 작업입니다. 그래서 잇클은 추측 대신 기준값부터 잡기를 권합니다.

GENRANK-OS는 이 과정을 위해 만든 솔루션입니다. 질문 세트를 ChatGPT·Claude·Gemini·Perplexity 네 곳에 실제로 질의해 병원이 언급되는지와 인용된 출처를 기록하고, 어떤 모델로 언제 측정했는지까지 함께 남겨 같은 조건으로 다시 비교할 수 있게 합니다. 개념부터 정리하고 싶으시다면 GEO란 무엇이고, 병원이 AI 답변에 인용되려면 무엇을 준비해야 할까?를, 서비스 구성이 궁금하시다면 GEO·AEO 마케팅 페이지를 함께 보시기 바랍니다.