효과 확인 · 유입 추적
AI 검색으로 온 환자, 어떻게 알 수 있나
2026-09-14 · 보일리(Boily)
알 수 있지만, 그 숫자는 하한선입니다. 홈페이지 방문의 출처(referrer)를 보면 AI 답변 링크에서 온 방문이 구분되고, 같은 방문 안의 전화 클릭·폼 제출까지 이을 수 있습니다. 그러나 AI 앱은 출처를 남기지 않는 경우가 많고, 홈페이지를 거치지 않은 직접 전화와 내원은 웹에서 알 수 없습니다. 보일리가 고객 병원에서 관찰한 바로는 ChatGPT 답변에서 들어와 예약 안내로 이어진 방문이 실제로 있고, 노출 측정이 0인 병원은 유입도 0이었습니다.
유입을 알아내는 세 가지 신호
① 출처(referrer)
브라우저는 링크를 타고 이동할 때 ‘어디서 왔는지’를 보냅니다. AI 답변 안의 링크를 눌러 홈페이지에 왔다면 출처에 그 AI 서비스의 주소가 남습니다. 가장 확실한 신호이고, 이것이 있으면 ‘확정’으로 셉니다.
한계 — AI 앱(모바일 ChatGPT 등)은 링크를 시스템 브라우저로 열면서 출처를 보내지 않는 경우가 많습니다. 이 방문은 ‘직접 방문’처럼 보여 AI 유입이 실제보다 적게 잡힙니다.
② 링크에 붙은 표시(utm 등)
AI가 인용한 링크에 병원이 붙여 둔 표시가 있으면 출처와 무관하게 구분됩니다. 다만 AI는 병원이 준 링크가 아니라 자신이 찾은 링크를 쓰므로, 표시는 병원이 통제할 수 있는 외부 표면(지도 프로필·디렉토리 등록 링크)에만 붙일 수 있습니다.
한계 — 홈페이지 본문 링크에는 대개 붙지 않습니다. 보조 신호입니다.
③ 정황
출처가 비어 있는데 인앱 브라우저(네이버·카카오·인스타그램 앱)도 아니고, 홈에서 시작하지 않고 특정 안내 페이지로 바로 들어온 방문은 AI 답변 링크에서 왔을 가능성이 높습니다. 이것은 ‘유력’으로 따로 셉니다.
한계 — 정황이지 증명이 아닙니다. 원장 리포트나 대외 자료에는 ‘확정’만 쓰는 것이 정직합니다.
전환까지 — 무엇을 잡고 무엇을 못 잡나
- 잡힘전화 클릭
- 홈페이지의 전화번호 링크를 누른 순간을 잡습니다. 같은 방문 안에서 일어나므로 처음 들어온 출처에 귀속됩니다.
- 잡힘예약·상담 폼 제출
- 홈페이지 안의 폼을 제출하면 잡힙니다. 폼이 외부 예약 서비스로 넘어가는 구조면 넘어가는 클릭까지만 잡힙니다.
- 잡힘예약 페이지 진입
- 예약 안내 페이지까지 들어왔는지는 잡힙니다. 실제 예약 완료와는 다릅니다.
- 못 잡음직접 전화
- AI 답변에서 전화번호를 보고 홈페이지를 거치지 않고 건 전화는 잡히지 않습니다. 이 부분이 빠지므로 모든 숫자는 하한선입니다.
- 못 잡음내원
- 웹에서는 알 수 없습니다. 접수 시 ‘어떻게 알고 오셨나요’ 한 문항이 유일한 방법이고, 그것이 대기실 설문입니다.
그래서 웹 추적과 접수 시 한 문항(대기실 설문)을 함께 두면 상한과 하한이 모두 생깁니다.
보일리의 익명 관찰 — ‘확정’만
아래는 추적을 붙인 고객 병원에서 출처가 확인된 방문만으로 본 것입니다. 병원명은 익명이고, 사례 수가 적어 인과를 단정하지 않습니다.
수도권 한 치과 — ChatGPT 답변에서 진료 안내 페이지로
2026년 8월 초, ChatGPT를 출처로 남긴 방문이 특정 진료 안내 페이지로 바로 들어와 예약 안내로 이어진 것이 확인됐습니다. 이 치과는 그 직전 몇 주 동안 해당 진료 항목의 사실 문서를 정비했고, 같은 시기 측정에서 그 항목의 질문이 노출로 바뀌었습니다. 단일 사례이며 인과를 단정하지 않습니다.
지방 한 종합병원 — AI 유입 0 = 측정 노출률 0
같은 추적을 붙인 한 종합병원은 전체 방문이 가장 많은 고객 중 하나였지만 AI 출처 방문이 0이었습니다. 같은 시기 4개 AI 측정에서도 지역 질문 노출률이 0에 가까웠습니다. 추적이 잘못된 것이 아니라 노출이 없으면 유입도 없다는 것이 두 데이터로 일치했습니다.
여러 병원 공통 — 출처 없는 방문의 비중
추적을 붙인 병원들에서 출처가 비어 있는 방문이 전체의 3분의 1 안팎으로 관찰됩니다. 이 중 상당수가 AI 앱에서 온 것으로 추정되지만 증명할 수 없어 ‘유력’으로만 따로 셉니다. AI 유입 숫자를 볼 때 ‘확정’이 하한선이라는 뜻입니다.
노출과 유입을 함께 읽는 법
- · 노출 0, 유입 0 — 추적 문제가 아닙니다. 노출부터입니다. 측정 방법은 우리 병원 AI 노출을 측정하는 방법에 있습니다.
- · 노출 있음, 유입 0 — AI 답변에 병원 링크가 실렸는지 봅니다. 병원명만 언급되고 링크는 지도·디렉토리로 걸리는 경우가 흔합니다. 엔진별 출처 성격은 엔진별 근거의 차이에 있습니다.
- · 유입 있음, 전환 0 — 홈페이지 문제입니다. 들어온 페이지에서 전화·예약까지의 동선을 봅니다.
- · 어느 숫자든 광고에 쓰지 않는다 — ‘챗GPT가 추천한 병원’ 식의 표현은 추천·보증 광고가 될 수 있습니다. 내부 판단 자료로만 둡니다.
자주 묻는 질문
- Q. AI 검색으로 온 환자를 어떻게 알 수 있나요?
- A. 홈페이지에 들어온 방문의 출처(referrer)를 보면 AI 답변 링크에서 온 방문이 구분됩니다. 다만 AI 앱은 출처를 남기지 않는 경우가 많아 이 방법은 하한선입니다. 출처가 없지만 정황(인앱 브라우저가 아니고 특정 안내 페이지로 바로 진입)이 맞는 방문은 ‘유력’으로 따로 세되 대외 자료에는 쓰지 않는 것이 정직합니다. 홈페이지를 거치지 않은 직접 전화와 내원은 웹으로는 알 수 없어 접수 시 한 문항(“어떻게 알고 오셨나요”)이 필요합니다.
- Q. 챗GPT를 통해서 병원 예약이 실제로 오나요?
- A. 옵니다. 보일리가 추적을 붙인 고객 병원에서 ChatGPT를 출처로 남긴 방문이 진료 안내 페이지에서 예약 안내로 이어진 사례가 확인됐습니다. 다만 아직 사례 수가 적고, AI 앱은 출처를 남기지 않아 실제보다 적게 잡히며, 예약 완료와 내원은 웹에서 알 수 없습니다. ‘실제로 온다’는 확인됐고 ‘얼마나 오는가’는 병원마다 다르고 하한선만 알 수 있다는 것이 정확한 답입니다.
- Q. AI 검색 마케팅 효과는 어떻게 측정하나요?
- A. 두 층으로 나눠 봅니다. 첫째는 노출입니다. 고정 질문 세트로 4개 AI에서 병원이 답변에 나오는 비율을 회차별로 재서 정비 전후를 비교합니다. 둘째는 유입입니다. 홈페이지 방문의 출처와 전화 클릭·폼 제출을 세서 AI 답변에서 온 방문이 행동으로 이어졌는지 봅니다. 노출은 올랐는데 유입이 없다면 답변에 링크가 없거나 병원이 아닌 다른 출처가 인용된 것이고, 유입은 있는데 전환이 없다면 홈페이지의 문제입니다. 매출 단위 효과는 공개 통계가 없고 병원 내부 접수 데이터와 맞춰야 합니다.
- Q. AI 유입 숫자가 너무 작은데 추적이 잘못된 건가요?
- A. 두 가지를 확인합니다. 첫째, 같은 시기 노출 측정이 0에 가까우면 추적이 아니라 노출이 없는 것입니다. 노출이 없으면 유입도 없습니다. 둘째, 노출은 있는데 유입이 0이면 AI 답변에 병원 링크가 실려 있는지 봅니다. 병원명만 언급되고 링크는 다른 출처(지도·디렉토리)로 걸리는 경우가 흔합니다. 그리고 AI 앱 방문은 출처가 비어 있어 원래 적게 잡힙니다. 작은 숫자는 대개 추적 오류가 아니라 이 세 이유 중 하나입니다.
- Q. 추적하면 환자 개인정보 문제가 없나요?
- A. 출처·페이지·클릭 여부만 세고 누구인지는 저장하지 않는 방식이면 개인 식별 정보가 없습니다. 보일리의 추적은 방문마다 무작위 식별자를 브라우저에만 두고 이름·전화번호·폼 내용은 수집하지 않습니다. 병원이 직접 붙이는 분석 도구를 쓸 때도 폼 내용을 전송하지 않도록 설정하는 것이 원칙입니다.
노출과 유입, 두 숫자를 같은 리포트에서
보일리(Boily)는 격주 노출 측정과 함께 고객 병원 홈페이지의 AI 유입·전환을 익명으로 집계해 함께 보여드립니다. 개인 식별 정보는 수집하지 않으며, 노출·순위는 보장하지 않습니다.
이 페이지는 보일리(Boily)가 작성했습니다. 관찰 사례는 고객 병원의 익명 데이터이며 사례 수가 적어 인과를 단정하지 않습니다. 유입 집계는 출처가 확인된 방문만 세는 하한선입니다. 보일리도 이 시장의 업체이며 노출·순위를 보장하지 않습니다.