콘텐츠·그로쓰 프로젝트 · 미용 시술 의원 E
병·의원 GEO 프로젝트
질문 40개로 AI 답변 속 의원 언급을 측정하고, 의료광고 관련 규정을 따르는 근거 콘텐츠와 구조화 데이터를 정비해 중간 보고 기준 SoM을 2.8%에서 7.2%로 높인 프로젝트입니다.
수행 기간 · 2026년 5월 착수 · 6개월 온보딩
전체 사례 보기구축 범위
40개
측정 질문(브랜드 4개 · 비브랜드 36개)
2.8% → 7.2%
AI 답변 언급 점유율(SoM), 중간 보고 기준
14.6%
비브랜드 질문 SoM(10월 13일 측정, 144건 중 21건)
- 1. 과제
- 2. 수행 범위
- 3. 제공한 산출물
- 4. 이전 대비 이후
1. 과제
프로젝트 전의 상황과 해결할 과제
환자들이 「지역명 + 시술명」을 ChatGPT · Perplexity 같은 AI 검색에서 질문하기 시작했지만, 의원 E는 AI 답변에 의원이 언급되는지, 경쟁 의원이 먼저 언급되는지 확인할 방법이 없었습니다. 검색 광고의 효율도 낮아지고 있었습니다.
의료광고 관련 규정을 따르면서 AI 답변에 근거로 인용될 수 있는 콘텐츠와 페이지 구조를 갖추어야 했습니다. AI 검색에서 얼마나 언급되는지를 측정할 지표도 필요했습니다.
2. 수행 범위
인트렌치컨설팅이 수행한 작업
- 1브랜드 질문 4개와 비브랜드 질문 36개로 측정 질문 40개를 정의하고, Gemini · Perplexity를 기준 엔진으로 정해 SoM 기준선을 측정했습니다.
- 2의료광고 관련 규정의 범위 안에서 E-E-A-T 요소를 강화하도록 콘텐츠와 페이지 구조를 개편했습니다.
- 3의료기관 · 시술 FAQ 구조화 데이터(JSON-LD)를 적용하고, 인용 근거가 될 콘텐츠를 보강했습니다.
- 4경쟁 의원 대비 인용 추이를 월간 SoM 리포트로 측정해 보고하고, 다음 달 개선 항목을 정했습니다.
3. 산출물
제공한 산출물
- SoM 질문 세트
AI 검색에서 인용 현황을 측정하는 기준 질문 목록
- 의료기관 구조화 데이터
의료기관 · 시술 FAQ JSON-LD 적용분
- 근거형 콘텐츠 개편본
전문의 감수를 거쳐 규정에 맞게 다시 작성한 진료 · 시술 안내 콘텐츠
- 월간 SoM 리포트
질문별 인용 현황, 경쟁 의원 비교, 다음 달 개선 항목
- 경쟁 의원 비교 대시보드
경쟁 의원과 인용 현황을 함께 비교하는 화면
4. 이전 대비 이후
프로젝트 전과 후에 달라진 점
AI 답변 언급 점유율(SoM)
- 이전
- 2.8%(착수 기준선)
- 이후
- 7.2%(중간 보고), 비브랜드 질문 기준 14.6%(10월 측정)
경쟁 의원 비교
- 이전
- AI 답변에 경쟁 의원이 먼저 언급되는지 확인할 수단이 없음
- 이후
- 경쟁 의원 대비 인용 추이를 월간 리포트와 대시보드로 확인
구조화 데이터
- 이전
- 의료기관 · 시술 FAQ 구조화 데이터를 적용하지 않음
- 이후
- 의료기관 · 시술 FAQ JSON-LD 적용
콘텐츠 근거
- 이전
- 인용 근거가 될 감수 정보와 근거 자료가 부족함
- 이후
- 전문의 감수를 거친 근거형 콘텐츠로 개편
실무 팁
이 프로젝트에서 확인한 실무 기준
- GEO 프로젝트는 측정에서 시작합니다. AI 답변 언급 점유율(SoM) 기준선이 있어야 개선 여부를 판단할 수 있습니다.
- 규제 산업에서는 근거와 감수 정보가 드러나는 콘텐츠를 먼저 정비합니다(E-E-A-T).
- 구조화 데이터는 비교적 적은 작업으로 적용할 수 있는 GEO 기본 항목이므로 프로젝트 초기에 적용합니다.
- GEO는 한 번의 최적화로 끝나지 않으므로, 매월 측정하고 개선 항목을 정하는 운영 주기를 둡니다.
관련 프로젝트
연결된 주제 읽어보기 · 프로젝트 사례