남포 치과 AI 검색 노출 사례 — 37.5%에서 44.4%로, 최고 44.4%, 4회차 7주 기록

보일리와 함께한 뒤 이 병원의 AI 검색 노출은 얼마나 달라졌나요

7주 동안 전체 노출률이 37.5%에서 44.4%로 올랐고, 직전 회차보다 내려간 회차는 한 번도 없었다. 엔진별로는 Perplexity가 1회차 53.2%에서 4회차 88.7%로, Gemini가 1회차 67.7%에서 4회차 77.4%로 상승했다. 한 번 이상 언급된 질문은 1·2·4회차 모두 20개 중 20개였다.

이 숫자들은 보일리(Boily)가 2026-09-10부터 2026-10-27까지, 남포 소재 치과 1곳을 대상으로 격주 4회에 걸쳐 직접 측정한 실측값이다. 병원 이름이 들어간 질문은 제외하고, 환자가 실제로 입력할 법한 질문 20개를 ChatGPT·Claude·Gemini·Perplexity 네 엔진에 웹 검색을 켠 상태로 질의했다. 노출률은 각 엔진의 답변에 이 병원이 나온 비율을 뜻한다.

보일리 정비는 아직 진행 중이다. 이 사례는 중간 기록이며, 최종 결과가 아니다.

---

첫 측정 시점, 이 병원은 어떤 상태였나요

첫 측정인 1회차(2026-09-10)에서 전체 노출률은 37.5%였고, 한 번 이상 언급된 질문은 20개 중 20개였다. 엔진별로는 Gemini가 67.7%로 가장 높았고, Perplexity가 53.2%였다. 반면 ChatGPT는 11.3%, Claude는 17.7%로 두 엔진에서의 노출은 상대적으로 낮은 수준이었다.

질문 유형별로는 비교·상황형(비용·야간·주말 등)이 64.3%로 가장 높았고, 추천형(지역·진료과 추천)이 53.6%, 증상형이 45.8%였다. 병원이 이미 보유하고 있는 진료 항목·진료시간·위치 같은 구체 정보가 비교·상황형 질문에서 AI 답변에 반영될 가능성이 더 높다는 점을 시사하는 출발점이었다.

보일리(Boily)는 이 수치를 기준점(베이스라인)으로 삼아 정비를 시작했다. 정비 방향은 첫 측정 결과를 보고 정했으며, 어느 엔진에서 얼마나 약한지, 어떤 질문 유형에서 노출이 빠지는지를 우선 파악하는 것이 출발점이었다.

---

보일리는 무엇을 했나요

보일리(Boily)가 한 작업은 크게 네 가지 범주로 나뉜다. 각 범주 안에서 구체적으로 어떤 페이지를 몇 편 만들었는지, 어떤 기술을 어떤 순서로 적용했는지는 병원마다 측정 결과를 보고 정하는 방식이라 이 글에서는 공개하지 않는다.

첫 번째, 병원이 이미 가진 사실 정보를 AI가 읽을 수 있는 글자로 정리·보강했다. 진료 항목, 진료시간, 의료진 정보, 위치 등 병원이 이미 운영 중에 갖고 있는 정보가 AI의 답변 재료가 되려면, 그 정보가 AI 엔진이 실제로 읽어 들일 수 있는 형태로 존재해야 한다. 이미지 속에 묻혀 있거나 자바스크립트로만 렌더링되는 텍스트는 AI가 참조하기 어렵다. 보일리는 이 병원의 정보를 점검하고, 읽힐 수 있는 형태로 정리·보강하는 작업을 먼저 진행했다.

두 번째, 환자가 실제로 묻는 질문에 답하는 안내 글을 꾸준히 발행했다. AI 엔진은 사용자의 질문에 답할 때 웹에서 관련 정보를 찾아 인용한다. 환자가 치과를 찾을 때 실제로 입력하는 질문 — 진료비가 얼마인지, 야간·주말에도 진료가 되는지, 어떤 증상일 때 어느 과에 가야 하는지 — 에 정확하게 답하는 안내 글이 병원 홈페이지에 있어야 AI가 그 병원을 답변 후보로 올릴 수 있다. 보일리는 이 유형의 글을 지속적으로 발행하는 작업을 맡아 진행했다. 모든 글은 의료광고법 기준으로 검수했다.

세 번째, 검색엔진과 AI가 홈페이지를 찾고 읽을 수 있는지 기술적으로 점검했다. 아무리 좋은 정보가 홈페이지에 있어도 검색엔진과 AI 엔진이 그 페이지를 찾아내고 내용을 읽어 들이지 못하면 답변에 반영되지 않는다. 보일리는 이 병원의 홈페이지가 기술적으로 제대로 읽힐 수 있는 상태인지를 점검하고 필요한 부분을 정비했다.

네 번째, 2주마다 같은 질문으로 다시 측정했다. 이것이 보일리 작업 방식의 핵심이다. AI 엔진의 답변은 엔진 업데이트, 경쟁 병원의 변화, 웹 전반의 정보 변화 등에 따라 회차마다 흔들린다. 한 번 좋은 수치가 나왔다고 해서 그 상태가 유지된다는 보장은 없다. 보일리는 같은 조건으로 반복 측정함으로써 수치가 오른 구간과 내린 구간을 모두 기록하고, 어느 엔진에서 무슨 질문 유형이 빠졌는지를 회차 단위로 추적한다. 이 측정 없이는 정비의 방향을 조정할 수 없다.

---

회차마다 어떻게 움직였나요

4회차 전체 흐름을 순서대로 살펴본다.

1회차 (2026-09-10): 전체 37.5%, ChatGPT 11.3%, Claude 17.7%, Gemini 67.7%, Perplexity 53.2%. 한 번 이상 언급된 질문 20/20개. 이것이 기준점이다. 보일리(Boily)는 이 수치를 바탕으로 정비 방향을 설정하고 작업을 시작했다.

2회차 (2026-09-29): 전체 39.1%, ChatGPT 4.8%, Claude 16.1%, Gemini 71%, Perplexity 64.5%. 한 번 이상 언급된 질문 20/20개. 전체 노출률은 37.5%에서 39.1%로 올랐다. Gemini와 Perplexity 모두 1회차보다 상승했다. ChatGPT는 11.3%에서 4.8%로 내려갔는데, 보일리는 격주 측정으로 이 하락을 바로 잡아내 ChatGPT 답변에서 이 병원이 어떤 질문에서 빠졌는지 확인했다. Claude도 17.7%에서 16.1%로 소폭 내려갔으며, 같은 방식으로 추적했다.

3회차 (2026-10-13): 전체 42.3%, ChatGPT 3.2%, Claude 16.1%, Gemini 75.8%, Perplexity 74.2%. 한 번 이상 언급된 질문 19/20개. 전체 노출률은 39.1%에서 42.3%로 다시 올랐다. Gemini와 Perplexity는 2회차보다 더 높아졌다. ChatGPT는 소폭 추가 하락했으며, 보일리는 3회차 측정으로 어느 질문에서 언급이 빠졌는지(19/20개)를 확인하고 4회차에 대비한 점검을 이어갔다.

4회차 (2026-10-27): 전체 44.4%, ChatGPT 4.8%, Claude 6.5%, Gemini 77.4%, Perplexity 88.7%. 한 번 이상 언급된 질문 20/20개. 전체 노출률은 이 사례에서 가장 높은 값인 44.4%를 기록했다. Gemini는 최고 77.4%, Perplexity는 최고 88.7%에 도달했다. 한 번 이상 언급된 질문도 다시 20/20개로 회복됐다. 반면 Claude는 6.5%로 내려갔다. 보일리는 이 수치도 회차 기록으로 남기고 이후 측정에서 추적을 이어간다.

4회차 동안 전체 노출률이 직전 회차보다 내려간 회차는 한 번도 없었다. 엔진별·질문 유형별로는 오르내림이 있었고, 보일리는 그 움직임을 회차마다 기록했다.

---

어느 엔진에서 가장 좋아졌나요

Perplexity와 Gemini에서 가장 뚜렷한 상승이 나타났다.

Perplexity는 1회차 53.2%에서 4회차 88.7%로 올랐으며, 최고 88.7%는 4회차에 기록됐다. 보일리 정비가 이어진 기간에 Perplexity의 노출이 꾸준히 상승 방향을 유지했다.

Gemini는 1회차 67.7%에서 4회차 77.4%로 올랐으며, 최고 77.4%는 4회차에 기록됐다. 첫 측정 시점부터 Gemini에서의 노출이 가장 높은 수준이었고, 보일리 정비 기간에 그 수준이 더 올라갔다.

ChatGPT는 1회차 11.3%에서 4회차 4.8%로 내려갔으며, 최고는 1회차의 11.3%였다. 측정 기간 전반에 걸쳐 낮은 수준을 유지했다. Claude는 1회차 17.7%에서 4회차 6.5%로 내려갔으며, 최고는 1회차의 17.7%였다.

ChatGPT와 Claude에서의 노출이 낮게 유지된 이유를 지금 단정하기는 어렵다. AI 엔진의 답변은 엔진 자체의 업데이트, 경쟁 정보의 변화, 참조 소스의 변동 등 여러 요인에 따라 회차마다 달라진다. 보일리(Boily)는 이 두 엔진을 다음 점검의 우선 대상으로 보고 있으며, 측정을 이어가면서 어떤 질문 유형에서 어떤 조건이 필요한지를 확인하고 있다.

---

어떤 질문 유형에서 노출이 변화했나요

보일리(Boily)는 질문 유형을 세 가지로 나눠 노출률을 추적했다.

추천형(지역·진료과 추천): 1회차 53.6% → 4회차 50%. 소폭 내려갔다. '남포에서 치과 추천해 줘', '임플란트 잘하는 치과 어디야' 같은 질문이 여기에 해당한다. 이 유형은 경쟁 병원이 많고 AI 엔진이 여러 병원을 동시에 나열하는 방식으로 답하는 경향이 있어, 단일 병원의 노출률이 단기에 크게 오르기 어려운 구조다.

증상형: 1회차 45.8% → 4회차 41.7%. 소폭 내려갔다. '잇몸이 붓고 피가 나요', '어금니가 시려요' 같은 질문이 여기에 해당한다. AI 엔진이 증상형 질문에 답할 때는 의학 정보를 먼저 설명하고 병원을 나중에 언급하는 패턴이 많아, 특정 병원이 꾸준히 언급되려면 지속적인 안내 글 발행이 필요하다. 보일리는 이 유형의 안내 글을 꾸준히 발행하는 작업을 정비의 한 축으로 삼고 있다.

비교·상황형(비용·야간·주말 등): 1회차 64.3% → 4회차 53.6%. 이 유형에서는 하락 폭이 가장 크게 나타났다. '남포 치과 야간 진료 가능한 곳', '임플란트 비용 알려줘' 같은 질문이 여기에 해당한다. 첫 측정 시점에서 가장 높은 노출을 보였던 유형인데, 4회차에서는 수치가 내려갔다. 보일리는 이 변화를 회차 기록으로 남기고, 어떤 조건에서 노출이 빠졌는지를 다음 측정에서 추적한다.

세 유형 모두 4회차 기준으로는 1회차보다 낮아진 상태다. 그러나 전체 노출률은 같은 기간에 37.5%에서 44.4%로 올랐다. 이는 전체 수치와 유형별 수치가 반드시 같은 방향으로 움직이지 않는다는 것을 보여준다. 엔진별·질문별로 나눠서 보지 않으면 이런 불일치를 확인하기 어렵고, 보일리가 격주 측정을 유지하는 이유 중 하나가 바로 이 지점이다.

---

다음 과제는 무엇인가요

보일리(Boily)가 이 병원을 이어서 점검하는 지점은 크게 두 곳이다.

첫 번째는 ChatGPT와 Claude에서의 노출이다. ChatGPT는 1회차 11.3% → 4회차 4.8%, 최고 11.3%(1회차)였고, Claude는 1회차 17.7% → 4회차 6.5%, 최고 17.7%(1회차)였다. 두 엔진 모두 측정 기간 동안 상승하지 못했다. 각 엔진이 어떤 소스를 참조하고, 어떤 조건에서 특정 병원을 답변에 포함시키는지는 엔진마다 다르다. 보일리는 다음 측정에서 이 두 엔진에서 무엇이 부족한지를 우선 확인한다.

두 번째는 질문 유형별 노출이다. 추천형·증상형·비교·상황형 세 유형 모두 4회차 기준으로 1회차보다 낮아졌다. 특히 비교·상황형은 1회차 64.3%에서 4회차 53.6%로 내려갔다. 이 병원의 진료 조건(야간·주말 진료 가능 여부, 비용 정보 등)이 AI 엔진에 충분히 읽히고 있는지를 다음 정비 주기에서 다시 점검한다.

정비는 아직 진행 중이다. 보일리는 다음 회차 측정 결과를 보고 작업 방향을 조정한다.

---

이 기록은 어떻게 읽어야 하나요

AI 검색 노출 수치는 고정된 값이 아니다. 같은 질문을 같은 엔진에 다시 입력해도 하루 전과 다른 답변이 나올 수 있다. 엔진 자체가 모델을 업데이트하거나, 웹에서 새로운 정보가 추가되거나, 경쟁 병원의 홈페이지가 변경되면 답변에 인용되는 병원 목록이 달라진다. 이것이 AI 답변이 흔들린다는 의미다.

그래서 보일리(Boily)는 격주 반복 측정을 기본 방식으로 쓴다. 한 번 좋은 수치가 나왔을 때 그 상태가 유지된다고 볼 수 없고, 한 번 수치가 내려갔을 때 그것이 영구적인 하락이라고 단정할 수도 없다. 같은 조건으로 반복 측정해야 수치의 방향성을 읽을 수 있다.

이 사례에서 3회차에 한 번 이상 언급된 질문이 19/20개로 줄었다가, 4회차에 다시 20/20개로 회복된 것도 격주 측정이 있었기 때문에 확인할 수 있었다. 만약 측정을 2개월에 한 번 정도로 띄엄띄엄 했다면, 중간에 어느 엔진에서 어떤 질문이 빠졌는지를 알 방법이 없다.

또한 전체 노출률 하나만 보는 것으로는 부족하다. 전체 수치가 올라도 특정 엔진에서는 빠지고 있을 수 있고, 반대로 전체 수치가 낮아 보여도 특정 유형에서는 강해지고 있을 수 있다. 엔진별·유형별로 쪼개서 보는 것, 그리고 그것을 회차마다 반복하는 것이 이 측정 방식의 핵심이다.

이 사례의 숫자는 이 병원에 한정된 기록이다. 다른 지역, 다른 진료과, 다른 규모의 병원이라면 다른 수치가 나온다. 수치의 절대값보다 방향성과 엔진별 분포를 읽는 것이 이 데이터를 올바르게 활용하는 방법이다.

---

우리 병원도 같은 방식으로 시작할 수 있을까요

같은 방식으로 첫 측정부터 시작할 수 있다. 보일리(Boily)는 첫 측정을 무료로 진행한다. 측정 결과를 받아보고 나서, 정비를 이어갈지 여부를 판단하면 된다.

첫 측정에서 나오는 것은 이 사례의 1회차 데이터와 같은 형태다. 병원 이름이 들어가지 않은 질문 20개를 ChatGPT·Claude·Gemini·Perplexity 네 엔진에 웹 검색을 켜고 질의한 결과, 엔진별 노출률, 질문 유형별 노출률, 한 번 이상 언급된 질문 수. 이것이 그 병원의 AI 검색 현재 상태다.

노출은 보장하지 않는다. AI 엔진의 답변은 여러 외부 요인에 따라 달라지고, 정비가 이어진다고 해서 반드시 오른다고 말할 수 없다. 보일리가 할 수 있는 것은, 병원이 이미 가진 정보를 AI가 읽을 수 있게 정리하고, 환자가 묻는 질문에 답하는 안내 글을 꾸준히 발행하고, 기술적으로 홈페이지가 제대로 읽히는지 점검하고, 2주마다 같은 조건으로 다시 재서 무엇이 달라졌는지 확인하는 것이다. 자세한 방법은 병원마다 측정 결과를 보고 정한다.

이 병원의 사례가 보여주는 것은 수치의 변화가 아니라 측정 자체의 가치다. 무엇이 오르고 있고, 무엇이 빠지고 있고, 어느 엔진에서 어떤 질문이 약한지를 회차마다 확인하는 것, 그것이 AI 검색 시대에 병원이 자신의 상태를 파악하는 방법이다.