병원 AI 노출은 ChatGPT 하나만 확인해서는 관리할 수 없습니다. 같은 질문에도 GPT·Gemini·Claude의 답이 서로 다르기 때문입니다. 실측에서 세 모델의 노출율은 GPT 72%·Gemini 68%·Claude 68%로 갈렸습니다. 그래서 노출을 "됐다/안 됐다"의 한 번짜리 확인이 아니라, 모델별 노출율이라는 숫자로 정의하고 주기적으로 측정하는 운영 체계가 필요합니다. 이 글은 그 지표를 어떻게 설계하고 집계하고 보강 루프로 돌리는지를 480개 질문 실측 사례와 실제 측정 화면으로 정리합니다.
왜 GPT만 봐서는 병원 AI 노출을 알 수 없나
환자가 쓰는 AI는 하나가 아닙니다. ChatGPT를 쓰는 환자, 구글 검색과 붙어 있는 Gemini를 쓰는 환자, Claude를 쓰는 환자가 섞여 있고, 병원 입장에서는 어느 모델로 물어올지 고를 수 없습니다.
문제는 모델별 총량 차이(72% 대 68%)가 아니라 어느 질문에서 갈리는가입니다. 실측 데이터를 질문 단위로 열어 보면, 같은 질문에 GPT는 우리 병원을 언급하는데 Claude는 언급하지 않는 식의 갈림이 흔하게 나타납니다. 모델마다 참조하는 검색 결과와 정보의 가중치가 다르기 때문입니다. 그래서 "우리 병원 AI에 나와요?"라는 질문은 그 자체로는 답할 수 없는 질문입니다. "어느 모델의, 어떤 질문에서, 얼마나 자주 나오는가"로 바꿔야 비로소 측정과 관리가 가능해집니다.
노출율이라는 지표는 어떻게 정의하나: 질문 셋 설계
노출율의 정의는 단순합니다.
노출율 = 병원이 언급된 질의 수 ÷ 전체 질의 수
지표의 품질은 분모, 즉 질문 셋 설계에서 결정됩니다. 알렉파트너스는 질문 셋을 네 개 축의 조합으로 만듭니다.
- 지역 — 시·구 단위만이 아니라 환자가 실제로 검색하는 동 단위까지
- 진료 키워드 — 임플란트, 사랑니 발치, 전체임플란트 등 진료별
- 환자형 질문 표현 — 추천형·후기형·조건형 등 실제 환자의 말투로 변형
- AI 모델 — GPT·Gemini·Claude 각각에 동일 질문
이 네 축을 곱하면 질문 조합이 수백 개 규모가 되고, 이것을 주기적으로 질의해 집계하면 노출율이 관리 가능한 지표가 됩니다. 처음부터 이 규모로 시작할 필요는 없습니다. 수기 확인 5~10개 질문으로 기준선을 잡는 방법은 병원 GPT 노출 확인하는 방법에 따로 정리해 두었고, 이 글의 체계는 그 다음 단계입니다.
480개 질문 실측에서는 어떤 숫자가 나왔나
알렉파트너스가 운영 중인 한 치과의 실측 결과입니다. 네 축 조합으로 480개 질문을 구성해 질의했습니다.
| 측정 구분 | 실측 결과 |
|---|---|
| 전체 노출율 | 69% (480개 질문 중 331개에서 노출) |
| 모델별 노출율 | GPT 72% · Gemini 68% · Claude 68% |
| 핵심 동 단위 지역 | 마북동 94% · 용인시기흥구 93% |
| 진료 키워드 예시 | 전체임플란트 77% |
이 표를 읽는 법이 중요합니다. 전체 69%라는 평균보다, 분해했을 때 어디가 높고 어디가 낮은지가 실무 정보입니다. 병원 반경의 핵심 동 단위가 90%대라는 것은 주력 상권의 AI 질문에서는 거의 항상 언급된다는 뜻이고, 전체 평균을 끌어내리는 것은 외곽 지역과 보조 키워드라는 뜻입니다. 다음 달 콘텐츠 리소스를 어디에 쓸지가 이 분해에서 결정됩니다.
이 숫자들이 집계되는 화면이 아래 대시보드입니다. 모델·지역·키워드 세 축의 노출율이 한 화면에 정리되어, 어느 축이 평균을 끌어내리고 있는지 바로 짚을 수 있습니다.
GEO 추적 대시보드 실측 화면 — 480개 질문 기준 전체 노출율 69%와 모델별(GPT 72%·Gemini 68%·Claude 68%)·지역별·진료 키워드별 분해
어느 질문이 비어 있는지는 어떻게 찾아내나
집계 화면의 역할이 "어디가 낮은가"라면, 다음 단계는 "정확히 어떤 질문에서 빠지는가"입니다. 노출율이 낮은 키워드를 클릭해 내려가면, 그 키워드에 속한 환자형 질문 목록이 나오고 질문마다 세 모델의 노출 여부가 O/X로 표시됩니다.
바로 이 화면에서 서두에 말한 모델별 갈림이 실물로 확인됩니다. 한 질문에 두 모델은 O, 한 모델은 X인 행들이 눈에 들어오고, 그제서야 "Gemini가 이 유형의 질문에서 약하다" 같은 모델 단위 진단이 가능해집니다. 평균 숫자만 보고 있으면 절대 나올 수 없는 해상도입니다.
키워드 하위의 환자형 질문별 GPT·Gemini·Claude 노출 O/X 매트릭스 — 같은 질문에서 모델 간 노출이 갈리는 지점이 행 단위로 드러난다
AI의 내부 검색 쿼리는 왜 함께 수집하나
O/X까지 왔어도 마지막 질문이 남습니다. "그래서 왜 X인가." 이것을 추정이 아니라 데이터로 답하기 위해, 질문 상세 단계에서는 각 모델이 그 질문에 답하기 위해 실행한 내부 검색 쿼리까지 수집합니다.
미노출 질문의 쿼리 목록은 곧 AI가 찾으려 했지만 우리 병원 쪽에서 발견하지 못한 정보의 목록입니다. 다시 말해 다음에 만들어야 할 근거 콘텐츠의 주문서가 자동으로 나오는 셈입니다. 보강이 감이 아니라 쿼리 데이터에서 출발하게 됩니다.
질문 상세 화면 — 미노출 질문에서 각 모델이 실행한 내부 검색 쿼리를 확인해, 보강할 근거 콘텐츠의 주제를 역으로 찾는다
측정을 운영 루프로 만들려면: 주기와 보강
여기까지의 요소를 묶으면 병원 AI 검색 노출을 관리하는 운영 루프가 완성됩니다.
- 질문 셋 설계 — 지역×키워드×질문 표현×모델의 4축 조합
- 주기적 질의 — 월 단위 권장. AI 반영 속도를 고려하면 주 단위는 노이즈가 크고 분기 단위는 피드백이 늦습니다
- 노출율 집계와 전월 비교 — 전체가 아니라 축별로 분해해 비교
- 빈 곳 보강 — 미노출 질문의 내부 쿼리를 근거로 콘텐츠 제작, 다음 측정에서 검증
무엇을 근거 콘텐츠로 만들 것인가의 내용 설계는 병원 GEO 완벽 가이드를 기준으로 삼으시면 되고, 이렇게 관리한 노출이 실제 내원과 매출에 어떤 효과로 이어지는지는 병원 AI 추천, 받으면 실제로 무엇이 달라지나에서 데이터로 이어집니다.
우리 병원의 모델별 노출율이 지금 몇 %인지 궁금하시다면, 알렉파트너스가 타겟 키워드 기준으로 AI 검색을 포함한 플레이스·블로그·홈페이지 노출 현황을 무료로 진단해 드립니다.
자주 묻는 질문
세 모델을 전부 관리해야 하나요? GPT 하나만 잘하면 안 되나요?+
환자마다 쓰는 AI가 다르고, 실측에서도 같은 질문 셋에 대해 GPT 72%·Gemini 68%·Claude 68%로 모델별 노출율이 갈렸습니다. 다만 근거 자산을 쌓는 작업 자체는 모델 공통이므로, 실행을 세 배로 하는 것이 아니라 측정을 모델별로 하는 것이 핵심입니다.
질문 셋은 몇 개나 만들어야 하나요?+
병원 상권과 진료 범위에 따라 다릅니다. 실측 사례는 지역×진료 키워드×환자형 질문×모델 조합으로 480개였지만, 처음부터 이 규모일 필요는 없습니다. 수기 5~10개 질문으로 시작해 관리 단계에서 조합을 넓히는 순서를 권합니다.
노출율은 얼마 주기로 측정하는 것이 좋나요?+
월 단위를 권합니다. AI가 웹 자산을 재수집하고 답변에 반영하는 데 시간이 걸려, 주 단위 측정은 변동성 노이즈가 크고 분기 단위는 보강 작업의 피드백이 너무 늦습니다. 월 단위로 전월과 비교하면 보강한 키워드의 변화가 추적됩니다.
노출율이 낮은 키워드는 어떻게 보강하나요?+
그 키워드의 미노출 질문에서 AI가 실행한 내부 검색 쿼리를 확인하는 것이 출발점입니다. AI가 찾으려 했지만 우리 병원에서 발견하지 못한 정보가 쿼리에 드러나므로, 그 주제의 근거 콘텐츠를 홈페이지와 제3자 채널에 만드는 방식으로 보강합니다.