RESEARCH · 2026-06-30

AI 검색에서 병원 노출은 움직이는가 — 대조군을 둔 2주 관찰 (2026-06)

같은 출발점(AI 검색 노출 약 11%)의 두 치과 중, 홈페이지를 정비한 곳만 2주 뒤 약 27%로 올랐고 정비하지 않은 대조군은 제자리였습니다. 단일 회차 관찰이라 인과로 단정하지 않으며, 같은 중립 측정으로 전후를 비교한 기록입니다.

방법

• · 측정 엔진: ChatGPT(OpenAI)·Claude(Anthropic)·Gemini(Google)·Perplexity — 4종, 실시간 웹검색 켠 상태.
• · 질문 세트 고정(동결): 병원별 환자 관점 질문을 고정해, 회차·병원 간 비교가 흔들리지 않게 함.
• · 지표: 응답에서 해당 병원이 추천·언급된 비율(노출률). 병원명 문자열 매칭(파이프라인 파서값과 교차검증).
• · 주기: 격주(2주). 기간: 2026-06-16~30.
• · 대조군: 출발점이 같은 다른 치과를 두어 "시간이 지나서/AI가 업데이트돼서" 생기는 변화를 통제.

데이터 (익명 · 지역만 표기)

관찰

정비군(영통OOO)과 대조군(강남OOO)은 같은 10.9%에서 출발했고 같은 2주·같은 변동성을 겪었습니다. 정비군은 26.9%로, 대조군은 10.3%로 — 대조군이 움직이지 않았다는 점이, 정비군의 상승이 단순한 시간·측정 변동이 아니라 홈페이지 정비와 상관이 있음을 시사합니다. 상승은 3개 엔진에 고르게 나타나 단일 엔진 노이즈로 보기 어렵습니다.

한계

• · 단일 회차·소수 사례 — 인과로 단정하지 않습니다. "관찰됐다 / 대조군 대비 차이가 컸다"까지가 정직한 진술입니다.
• · 이미 노출이 높던 곳(동탄OOO, 32%)은 여지가 작아 평탄했습니다 — 출발점에 따라 변화 폭이 다릅니다.
• · 문자열 매칭 근사이며, 측정값은 API 질의 기준으로 개별 사용자 화면과 다를 수 있습니다.
• · 2주 뒤 재측정으로 유지·재현되는지 추세로 확인할 예정입니다.

보일리는 병원이 AI 검색에서 얼마나 추천되는지 4개 AI로 중립 측정하고, 원하면 GEO·AEO 정비를 대행한 뒤 같은 측정으로 전후를 검증합니다. 이 페이지도 그 측정으로 남긴 한 건의 관찰입니다. · 사례 자세히 · 측정 방법