측정을 이어가면 무엇이 보이나 — 한 치과의 노출률 관찰 기록

2026-07-23

AI 검색 노출은 한 번 재서 확정할 값이 아니라 여러 회차로 이어 봐야 방향이 보인다. 실제로 측정을 이어간 수도권의 한 치과는 처음 약 32%였던 전체 노출률이 이후 회차에서 43%, 62%대로 움직였다(관찰 사례 1건, 인과를 단정하는 수치는 아님). 처음 측정하면 대부분 낮게 시작하는 것이 정상이며, 홈페이지 구조화·색인 같은 작업은 몇 주에 걸쳐 서서히 반영되기 때문에 조치 직후가 아니라 추세로 확인해야 한다. (특정 노출·순위를 보장하지 않음)

“지금 우리 병원이 AI에 몇 % 뜨나요?”라는 질문을 자주 받습니다. 하지만 한 번 재서 나온 숫자 하나로는 좋다/나쁘다를 말하기 어렵습니다. 여러 회차로 이어 볼 때 비로소 방향이 보이기 때문입니다. 실제로 측정을 몇 주간 이어간 한 치과의 노출률 변화를 예로, 무엇을 봐야 하는지 정리했습니다. (익명 관찰 사례 1건이며, 특정 조치가 특정 결과를 냈다고 단정하지 않습니다. 특정 노출·순위를 보장하지도 않습니다.)

① 한 숫자가 아니라 ‘변화’가 말해준다

수도권의 한 치과는 처음 전체 노출률이 약 32%였습니다. 이후 같은 방식으로 측정을 이어가자 한 회차에는 43%, 그다음에는 62%대로 나타났습니다(관찰 사례 1건).

여기서 중요한 건 ‘32%가 낮다/62%가 높다’는 단정이 아니라, 같은 기준으로 반복 측정했을 때 방향이 위로 움직였다는 흐름 그 자체입니다. 한 회차만 떼어 보면 알 수 없고, 이어 봐야 보이는 정보입니다. (표본이 병원 1곳이라 일반화할 수 있는 수치는 아닙니다.)

관찰 사례 1건(수도권 치과) — 같은 기준으로 격주 측정하자 전체 노출률이 약 32% → 43% → 62.7%로 움직였습니다. 값 자체보다 ‘방향’을 보는 지표입니다.

② 처음 측정하면 대부분 낮게 시작한다 — 정상이다

처음 측정한 병원의 노출률이 낮게 나오는 것은 이상한 일이 아닙니다. 환자가 던지는 다양한 질문 중 상당수에서 AI가 참고할 만한 우리 병원 정보가 아직 온라인에 충분히 쌓여 있지 않기 때문입니다.

그래서 첫 회차 숫자는 ‘못하고 있다’는 성적표가 아니라, 어디가 비어 있는지 보여주는 출발점(baseline)에 가깝습니다. 낮게 시작해서 놀라기보다, 그 지점을 기준으로 이후 변화를 재는 것이 측정의 목적입니다.

첫 회차가 낮은 건 흔한 일입니다 — 어디가 비어 있는지 보여주는 출발점(baseline)에 가깝습니다.

③ 숫자가 움직이는 동안 무슨 일이 있었나

이 기간 동안 병원 쪽에서는 자기 도메인의 정보 구조를 정리하고 검색 엔진이 그 페이지를 찾아 읽을 수 있게 하는 등의 작업이 병행됐습니다. 다만 ‘이 작업이 노출률을 올렸다’고 단정하지는 않습니다 — 측정은 인과를 증명하는 도구가 아니라 현황을 관찰하는 도구이기 때문입니다.

AI 답변은 같은 질문에도 시점마다 조금씩 달라지고, 외부 요인도 함께 작용합니다. 그래서 우리는 ‘무엇을 했더니 얼마가 올랐다’가 아니라 ‘무엇을 하는 동안 숫자가 이렇게 움직였다’는 관찰의 언어로만 기록합니다. 구체적으로 무엇을 어떻게 손보는지는 병원 상황마다 다르며, 진단에서 확인합니다.

④ 왜 ‘즉시’가 아니라 ‘몇 주 뒤’에 반영되나

홈페이지 정보를 정리해도 그 변화가 AI 답변에 반영되기까지는 시간이 걸립니다. 검색 엔진이 새 페이지를 다시 찾아 읽고(색인), AI가 그 정보를 근거로 삼기까지 보통 몇 주가 필요하기 때문입니다.

그래서 조치한 바로 다음 회차에 숫자가 안 움직였다고 실패로 볼 수 없고, 반대로 한 번 올랐다고 끝난 것도 아닙니다. 반영에는 대체로 수 주에서 두세 달의 시차가 있다고 보고, 여러 회차로 확인하는 것이 정확합니다.

⑤ 그래서 ‘추세’를 판다

이 사례가 보여주는 건 특정 숫자가 아니라 ‘한 회차로는 알 수 없다’는 원칙입니다. 32%든 62%든 한 점만 보면 다음에 어디로 갈지 알 수 없고, 점들을 이어야 방향이 생깁니다.

그래서 측정은 스냅샷 한 장이 아니라 격주로 이어지는 추세선으로 봅니다. 오르는 흐름인지, 어느 영역·어느 엔진이 계속 비어 있는지 — 방향과 빈 곳을 함께 읽는 것이 한 번의 숫자보다 훨씬 많은 것을 말해줍니다.

같은 숫자라도 한 점은 방향을 말해주지 못합니다 — 격주로 이어 붙일 때 비로소 추세가 됩니다.

자주 묻는 질문

그러면 우리 병원도 62%까지 오르나요?

장담할 수 없습니다. 소개해 드린 건 병원 1곳의 관찰 사례이고, 시작 지점·진료과·지역·경쟁 상황이 병원마다 달라 그대로 재현된다고 보장할 수 없습니다. 측정은 특정 노출·순위를 약속하는 도구가 아니라 현황과 변화를 숫자로 확인하는 도구입니다.

처음 측정했더니 노출이 너무 낮게 나왔어요.

첫 회차가 낮은 것은 흔한 일이며 ‘못하고 있다’는 뜻이 아니라 어디가 비어 있는지 보여주는 출발점입니다. 그 지점을 기준으로 이후 변화를 재는 것이 측정의 목적입니다.

조치했는데 다음 회차에 숫자가 안 올랐어요.

홈페이지 변화가 AI 답변에 반영되기까지는 색인·인용 과정을 거쳐 보통 수 주~두세 달이 걸립니다. 한 회차의 등락보다 여러 회차의 추세로 확인하는 것이 정확합니다.

이 글은 일반적인 정보 제공을 위한 것입니다. 보일리(Boily)는 ChatGPT·Claude·Gemini·Perplexity가 병원을 얼마나 추천하는지 격주로 측정·진단하는 한국 병원 전용 AI 검색 노출 측정 서비스입니다.