병원 홈페이지 명부 census — 검색으로는 보이지 않던 진짜 숫자

환자가 병원을 고르는 경로가 바뀌고 있습니다. 검색 결과 열 개를 훑는 대신 생성형 AI에게 묻고 답변 하나를 읽습니다. 그렇다면 지금 AI는 국내 병원들을 무엇으로 알고 있을까요? 추측 대신 측정하기로 했습니다. 다만 이번에는 어떻게 표본을 뽑는가부터 다시 설계했습니다.

검색으로 표본을 모으면 안 되는 이유

이전 조사의 약점은 표본이었습니다. 검색으로 병원 홈페이지를 찾으면, 검색 최적화가 잘 된 병원이 위에 뜨고 그 병원이 표본에 들어옵니다. 홈페이지가 없거나 검색에 안 잡히는 병원은 처음부터 조사 대상에서 빠집니다. 그 상태로 평균을 내면 실제보다 높게 나옵니다.

그래서 이번엔 공공명부를 모집단으로 썼습니다. 건강보험심사평가원 병원 목록과 인천광역시 의료기관 인허가 자료에는 그 지역의 모든 병·의원이 등록돼 있습니다. 여기서 규칙으로 표본을 뽑으면 모든 병원이 동등한 확률로 뽑히고, 검색 편향이 사라집니다. 대상은 인천 지역으로 한정했습니다 — 명부 하나를 전수에 가깝게 훑기 위해서입니다.

가장 놀라운 결과 — 절반 넘는 병원이 홈페이지가 없다

가장 먼저 눈에 띈 것은 점수가 아니라 부재였습니다. 명부에서 뽑은 치과 40곳 중 자체 홈페이지를 운영하는 곳은 9곳(23%)뿐이었습니다. 열 곳 중 여덟 곳 가까이가 네이버 플레이스·블로그·예약 플랫폼으로만 존재합니다. 피부과는 절반, 척추·관절 병의원은 46%, 성형외과는 66%였습니다. 검색으로 표본을 모았다면 이 병원들은 애초에 보이지 않아 '홈페이지가 없다'는 사실 자체를 셀 수 없었습니다.

이것은 위기이자 기회입니다. 자기 도메인이 없으면 AI 답변이 인용할 근거가 남의 플랫폼에 얹혀 있습니다. 반대로 말하면, 홈페이지가 있다는 것만으로 이미 경쟁 병원의 절반을 앞서는 진료과가 여럿이라는 뜻이기도 합니다.

홈페이지가 있어도 — 평균 60점, 구조화 데이터는 비어 있다

자체 홈페이지가 있는 120곳을 같은 도구로 채점했습니다. 측정 성공 곳 수로 가중한 전체 평균은 60점이었습니다. 검색으로 모은 이전 표본보다 모든 유형이 낮았습니다 — 검색 편향이 평균을 약 9점 부풀리고 있었다는 뜻입니다.

점수를 잃는 지점은 한 곳에 몰려 있었습니다. 구조화 데이터입니다. 네 채점 영역(각 25점) 중 크롤 가능성·본문·인용 가능성은 대체로 15~22점으로 무난했지만, 구조화 데이터만 유독 낮았습니다. 치과 3.0점, 종합병원·요양병원 4.5점, 피부과 4.7점 — 25점 만점에 사실상 비어 있는 셈입니다.

구체적으로, 조직 정보 스키마(Organization 계열)가 없는 곳이 전체의 92%였습니다. 병원명·주소·진료시간·전화번호처럼 환자가 가장 많이 묻는 사실을, 기계가 추측 없이 읽을 형식으로 제공하는 병원이 열에 하나도 안 됩니다. JSON-LD를 아예 쓰지 않는 곳은 85%였습니다.

“쓸 내용은 이미 다 있는데, 기계가 사실로 인식할 형식만 빠져 있다. 병원 대부분의 문제는 콘텐츠가 아니라 형식이다.”

medicaluniverse.kr

llms.txt·FAQ 스키마는 거의 비어 있다

llms.txt는 사이트가 AI에게 '우리를 이렇게 요약하라'고 직접 알려주는 문서입니다. 측정한 120곳 중 이 파일을 둔 곳은 8곳(성형외과 4곳, 척추·관절 2곳, 피부과·요양병원 각 1곳)이었습니다. FAQ 구조화 데이터를 적용한 곳은 2곳(성형외과)뿐이었습니다. 질문-답변 쌍은 생성형 AI가 가장 잘 인용하는 형식인데, 그 자리가 거의 비어 있습니다. 지금 적용하는 병원이 그 자리를 먼저 차지합니다.

그래서 무엇부터 해야 하나

1. 1자체 홈페이지가 없다면 그것부터다. 치과·피부과·척추관절은 절반 안팎이 홈페이지가 없어, 자기 도메인을 갖는 것만으로 노출 우위가 생긴다. 광고는 끄면 사라지지만 홈페이지는 남는다.
2. 2병원명·주소·진료시간·진료과를 Organization 계열 구조화 데이터(JSON-LD)로 넣는다. 92%가 놓친 항목이라 상대적 이득이 가장 크다.
3. 3우리 홈페이지를 자바스크립트 없이 열어 본다. 남는 글자가 300자 미만이면 본문 렌더링부터 고친다.
4. 4환자가 실제로 자주 묻는 질문 10개를 FAQ 페이지로 만들고 FAQPage 구조화 데이터를 적용한다. 120곳 중 2곳만 하고 있다.
5. 5사이트맵을 생성하고 robots.txt에 위치를 명시한다.
6. 6그다음에 llms.txt를 추가한다. 위 항목이 안 된 상태에서 llms.txt만 올리는 것은 의미가 없다.

조사의 한계

• 인천 지역 명부 기반입니다. 전국을 대표하지 않으며, 다른 지역 명부를 추가하면 확대됩니다.
• 큰 유형(치과·피부과·요양병원)은 표본 조사라 측정 성공 곳 수가 적습니다(치과 8곳). 다만 표본이 명부에서 편향 없이 뽑혔다는 점이 검색 수집과 결정적으로 다릅니다.
• 각 병원의 대표 페이지(첫 화면) 한 개만 측정했습니다. 하위 페이지는 점수가 다를 수 있습니다.
• 홈페이지 보유 여부는 기관명으로 확인했습니다. 플랫폼 등재·블로그는 자체 홈페이지로 세지 않았습니다.
• 준비도는 실제 AI 답변 노출과 상관이 있을 것으로 보이나, 이 조사만으로 인과관계를 주장할 수는 없습니다.