GEO를 검색하다 보면 특정 방법을 쓰면 AI 답변 노출이 크게 늘어난다는 숫자를 볼 수 있습니다. 숫자는 눈길을 끌지만, 원장님이 먼저 확인해야 할 것은 어떤 환경에서 무엇을 측정한 결과인지입니다. 연구에서의 ‘가시성’과 병원의 실제 문의·예약·내원은 같은 지표가 아닙니다.
생성형 검색 연구가 다룬 범위
프란잘 아가르왈과 공동 연구진은 「GEO: Generative Engine Optimization」 논문에서 생성형 검색의 응답 내 콘텐츠 가시성을 평가하는 실험을 제시했습니다. 연구진은 효과가 분야별로 달랐다고도 설명합니다. 특정 실험 조건에서 관찰된 최대치를 모든 병원과 모든 AI 서비스에 그대로 적용하는 것은 연구의 범위를 넘어서는 해석입니다.
결과를 검토할 때는 사용한 검색 서비스와 질문, 실험 시점, 비교 대상, 측정한 지표를 확인하세요. 텍스트가 답변에서 더 많이 활용되었다는 결과가 있었다고 해도 실제 환자가 병원을 선택했는지, 비용 대비 문의가 늘었는지까지 자동으로 증명해 주지는 않습니다.
병원 운영에 맞는 지표 정하기
실무에서는 병원의 목표와 연결된 지표를 별도로 정하는 것이 좋습니다. 예를 들어 자주 묻는 질문 페이지를 개편했다면 검색 콘솔에서 해당 페이지의 노출과 클릭을 살펴보고, 병원이 보유한 상담 기록에서 실제 문의 변화를 별도로 확인합니다. 개인정보는 측정에 필요한 범위를 넘겨 수집하거나 AI 도구에 입력하지 않습니다.
논문은 아이디어를 얻는 데 유용하지만 숫자를 광고 문구로 옮길 때에는 더욱 신중해야 합니다. 에이아이닥은 연구의 조건과 한계를 함께 읽고, 병원의 실제 데이터로 다시 확인하는 접근을 권합니다.
논문을 읽을 때 표의 수치만 따로 가져오지 말고 연구진이 가시성을 어떻게 정의했는지 먼저 확인해야 합니다. 연구 결과가 특정 질문 모음과 당시의 시스템을 대상으로 한 것이라면, 그 결과는 같은 조건 밖에서 반복될지 별도 확인이 필요합니다. 일반 소비재에 대한 실험 결과를 의료기관의 실제 상담 성과로 곧장 바꿔 말하는 것은 적절하지 않습니다.
운영 보고서에서는 실험 사실과 병원의 관찰을 구별해 적으세요. 제목을 고친 날짜, 대상 페이지, 확인 기간과 측정 가능한 행동을 적고, 동시에 진행한 광고나 사이트 개편도 기록합니다. 변화가 있더라도 다른 요인이 영향을 주었을 수 있으므로 단독 원인을 단정하지 않습니다. 근거를 그대로 설명하는 태도가 과장된 성과 약속보다 오래 신뢰를 만듭니다. 확인된 성과만 보고하고 실제 집계가 없다면 연구의 수치를 자체 실적으로 제시하지 않아야 합니다.
출처: Pranjal Aggarwal 외, 「GEO: Generative Engine Optimization」(KDD 2024), https://arxiv.org/abs/2311.09735