환자가 홈페이지에 들어오기 전에 결정을 끝낸다면

홈페이지를 만들 때 우리는 방문한 사람을 가정합니다. 첫 화면에서 신뢰를 주고, 진료과를 안내하고, 의료진을 소개하고, 마지막에 예약 버튼을 누르게 하는 흐름입니다. 이 설계는 '환자가 우리 홈페이지에 온다'는 전제 위에 있습니다.

그 전제가 흔들리는 상황이 생겼습니다. 환자가 AI에게 묻고, AI가 정리된 답변을 주고, 환자가 그 답변만으로 한두 곳을 골라 전화하는 경우입니다. 이때 홈페이지는 방문받지 못한 채 읽히기만 합니다.

무엇이 달라졌나?

예전 경로는 이랬습니다. 환자가 검색어를 넣고, 링크 목록을 받고, 병원 홈페이지를 두세 곳 열어 비교하고, 그중 한 곳을 고릅니다. 비교와 설득이 홈페이지 안에서 일어났습니다.

새로 생긴 경로는 이렇습니다. 환자가 문장으로 묻고, AI가 여러 출처를 읽어 하나의 답변을 만들고, 환자는 그 답변을 읽습니다. 비교와 설득이 홈페이지 밖에서 일어납니다. 홈페이지는 그 답변의 재료가 됩니다.

“설득의 무대가 우리 화면에서 AI의 답변 문장으로 옮겨갔습니다. 무대가 옮겨가면 준비할 것도 달라집니다.”

medicaluniverse.kr

이 변화가 전면적이라는 뜻은 아닙니다. 두 경로는 당분간 함께 갑니다. 다만 뒤쪽 경로의 비중이 늘어나는 방향이라면, 홈페이지의 설계 기준도 함께 바뀌어야 합니다.

홈페이지에 요구되는 것이 어떻게 달라지나?

표에서 가장 실무적으로 중요한 줄은 '갱신의 의미'입니다. 예전에는 오래된 정보가 낡아 보이는 문제였습니다. 지금은 틀린 진료시간이 AI 답변에 그대로 실려 나가는 문제입니다. 사실이 틀리면 인용되는 것이 오히려 손해가 됩니다.

방문자가 줄면 실패인가?

여기서 판단이 갈립니다. AI가 답변 안에서 정보를 정리해 주면, 환자가 홈페이지까지 오지 않는 경우가 생깁니다. 방문자 수 그래프는 내려갑니다.

이때 가능한 해석이 두 가지입니다. 하나는 관심이 줄었다는 해석이고, 다른 하나는 관심은 유지되거나 늘었는데 그 관심이 홈페이지를 거치지 않고 전화나 예약으로 직행했다는 해석입니다. 방문자 수 지표만으로는 두 해석을 구분할 수 없습니다.

그래서 방문자 수 하나로 홈페이지를 평가하면 잘못된 판단을 하게 됩니다. 극단적으로는, 인용이 늘어 내원이 늘고 있는 상황에서 "홈페이지 성과가 나빠졌으니 예산을 줄이자"는 결론에 이를 수도 있습니다.

그러면 무엇을 봐야 하나?

외부에 검증된 답이 없다면, 우리 병원 안에서 만들어야 합니다. 다행히 병원은 다른 업종보다 유리한 조건을 하나 갖고 있습니다. 초진 환자가 반드시 접수 절차를 거친다는 점입니다.

1. 1초진 접수 시 유입 경로를 묻는 항목에 선택지를 추가합니다. 기존의 '인터넷 검색'만으로는 구분되지 않으므로 'AI 서비스 추천(챗봇 등)' 같은 항목을 따로 둡니다.
2. 2환자가 물을 법한 질문 10~20개를 고정 목록으로 만듭니다. 지역명, 증상, 진료과, 조건(주차·주말진료)을 조합한 문장형 질문이 좋습니다.
3. 3그 질문을 여러 AI 서비스에 매달 같은 방식으로 물어 병원명이 언급되는지, 출처로 표기되는지를 기록합니다. 매달 같은 질문이어야 비교가 됩니다.
4. 4홈페이지 방문자 수와 전화·예약 건수를 같은 기간으로 나란히 기록합니다. 방문자만 보지 않고 문의 총량과 함께 봅니다.
5. 56개월 정도 쌓인 뒤에 세 계열(인용 빈도 / 방문자 수 / 초진 유입 경로)을 겹쳐 봅니다. 이 시점에 비로소 우리 병원의 인과 여부를 논할 수 있습니다.

이 방법에도 한계가 있습니다. 환자는 대개 여러 경로를 거쳐 오기 때문에 하나로 귀속시키기 어렵고, AI 서비스의 답변은 같은 질문에도 매번 달라질 수 있습니다. 그래도 아무 측정 없이 방문자 수만 보는 것보다는 판단 근거가 늘어납니다.

AI에게 공급할 사실이 준비돼 있나?

역할이 바뀌었다면, 홈페이지가 그 역할을 할 준비가 됐는지부터 확인해야 합니다. 공공명부에서 뽑은 인천 지역 병원 홈페이지 120곳의 대표 페이지를 census로 실측했습니다.

세 숫자가 각각 다른 문제를 가리킵니다.

• 조직 정보 스키마 미보유 92% — 병원명·주소·진료시간·진료과목이 기계가 읽는 형식으로 정리돼 있지 않습니다. AI는 본문에서 짐작하거나 다른 출처를 씁니다.
• 구조화 데이터(JSON-LD) 전무 85% — 측정한 120곳의 대다수가 기계가 읽는 구조화 데이터를 한 조각도 넣지 않았습니다. 사람 눈에는 멀쩡해도 기계에는 사실을 확정할 근거가 없습니다.
• FAQ 구조화 데이터 2곳 — 질문-답변 형식은 AI가 가장 인용하기 좋은 형태인데, 120곳 중 2곳만 쓰고 있습니다. 비용·회복 기간·주차처럼 환자가 반복해 묻는 것이 여기 해당합니다.

정리하면 이렇습니다. 홈페이지가 AI에게 사실을 공급하는 원천이 되어야 한다면, 지금 대부분의 병원은 그 원천 역할을 아직 시작하지 않은 상태입니다. 특히 종합병원은 측정한 21곳 전부가 홈페이지를 갖췄는데도 평균 60점으로 척추·관절(65점)·성형외과(64점)·치과(62점)에 뒤졌고, 구조화 데이터 영역은 25점 만점에 4.5점에 그쳤습니다. 규모가 크다고 해서 AI가 읽을 사실이 잘 정리돼 있는 것은 아닙니다.

그래서 무엇을 먼저 하면 되나?

1. 1가장 자주 바뀌는 사실(진료시간, 휴진, 의료진 변경)이 홈페이지에 며칠 안에 반영되는 절차가 있는지 확인합니다. 틀린 사실은 인용될수록 손해입니다.
2. 2자바스크립트 없이 대표 페이지를 열어 본문이 얼마나 남는지 확인합니다. 거의 남지 않으면 다른 무엇보다 이것이 먼저입니다.
3. 3병원 기본 정보를 구조화 데이터로 정리합니다. 실측 대상 대부분이 놓친 항목이라 상대적 이득이 큽니다.
4. 4환자가 실제로 자주 묻는 질문을 질문-답변 형식으로 정리하고 FAQ 구조화 데이터를 적용합니다. 아직 경쟁이 거의 없습니다.
5. 5초진 접수 항목에 AI 경로 선택지를 추가하고, 예상 질문 목록으로 매달 인용 여부를 기록하기 시작합니다. 측정을 시작한 시점부터만 데이터가 쌓입니다.

이 글의 한계

• AI 인용이 내원 증가로 이어진다는 인과관계는 널리 검증된 것이 아닙니다. 이 글은 그 인과를 주장하지 않으며, 방문자 수만으로 판단하는 것도 근거가 부족하다는 점을 말합니다.
• 환자의 병원 탐색에서 AI 경로가 차지하는 비중을 저희가 수치로 제시할 근거는 없습니다.
• AI 서비스는 같은 질문에도 시점과 사용자에 따라 다른 답변을 낼 수 있습니다. 몇 번의 질의 결과를 일반화할 수 없습니다.
• 인용한 실측 수치는 공공명부에서 편향 없이 뽑은 인천 지역 표본으로, 홈페이지를 보유한 120곳의 대표 페이지 한 개씩을 측정한 결과입니다. 다른 지역이나 국내 병원 전체를 그대로 대표하지는 않습니다.
• 홈페이지에 싣는 진료·시술 관련 표현은 의료광고 사전심의 대상이 될 수 있으며, 구체적 판단은 심의기관과 법률 자문을 통해 확인하셔야 합니다.