GEO는 Generative Engine Optimization, 생성형 엔진 최적화입니다. 챗GPT, Gemini, Claude, Perplexity, 구글 AI 개요처럼 글을 "생성해서" 답하는 엔진에 우리 병원이 근거와 추천으로 들어가도록 만드는 일입니다. 2023년 미국 대학 연구진이 같은 이름의 논문에서 이 말을 쓰기 시작했고, 지금은 AEO(답변 엔진 최적화), LLMO(대규모 언어모델 최적화)와 거의 같은 뜻으로 쓰입니다.
세 용어의 차이
| 용어 | 상대 | 목표 | 병원 입장에서 |
|---|---|---|---|
| SEO | 검색 알고리즘 | 검색 결과 목록에서 위에 오르기 | 홈페이지 구조·속도·제목 |
| AEO | 답을 내놓는 엔진(AI 브리핑·AI 개요·챗봇) | 답 안에 들어가기 | 질문형 글, 직답, 구조 데이터 |
| GEO | 글을 생성하는 AI(챗GPT·Gemini 등) | 생성된 답의 근거와 추천이 되기 | 확인 가능한 사실, 제3자 언급, 전문가 서명 |
SEO가 "찾히는 것"이라면 AEO와 GEO는 "불리는 것"입니다. 찾히는 병원은 환자가 목록에서 고르지만, 불리는 병원은 AI가 환자 대신 골라 줍니다. 두 번째 쪽이 선택에 미치는 힘이 훨씬 큽니다.
실무에서는 AEO와 GEO를 나누지 않습니다. 네이버 AI 브리핑도 생성형 AI가 만들고, 챗GPT도 결국 "답"을 내놓기 때문입니다. 두 말을 같이 쓰는 이유는 보는 쪽이 다를 뿐입니다. AEO는 "답이 나오는 화면"에서 출발하고, GEO는 "답을 만드는 AI"에서 출발합니다. 병원이 할 일은 같습니다.
생성형 AI는 병원을 어떻게 고르나
생성형 AI는 한 곳의 정보만 보고 답하지 않습니다. 홈페이지, 지도, 기사, 블로그, 리뷰를 나란히 놓고 대조합니다. 앤씨컨설팅이 2026년 9월 네이버 AI 브리핑을 실측했을 때, 질환을 묻는 질문에서는 출처 76개 중 74개가 병원 공식 홈페이지였고, "잘하는 병원"을 묻는 질문에서는 출처 63개 중 블로그가 37개, 홈페이지가 13개였습니다. 지식iN 답변 두 건만으로 AI 브리핑 본문에 이름이 오른 병원도 있었습니다. AI는 어디에 적혀 있든 "서로 맞는 말"을 믿습니다.
그래서 GEO의 핵심은 글의 양이 아니라 일관성입니다. 홈페이지에는 목요일 야간진료인데 지도에는 화요일이면, AI는 둘 다 쓰지 않거나 둘 중 하나를 틀리게 씁니다.
병원 GEO 마케팅의 실제 작업
앤씨컨설팅은 생성형 AI가 병원을 추천하기 위해 확인하는 것을 읽힘·사실·전문가·권위·경험·평판 여섯 조건으로 정리하고, 다음 여섯 가지 작업으로 채웁니다.
- 홈페이지 최적화 — 글자로 된 본문, 빠른 첫 화면, 구조 데이터(JSON-LD), 사이트맵과 RSS
- 병원 지식 문서 — 환자가 실제로 묻는 질문 하나에 한 페이지씩, 맨 위에 직답
- 원장 칼럼 — 원장 이름이 붙은 글. AI가 "누가 썼는가"를 확인하는 근거
- 매체 기사 — 제3자가 병원을 언급한 기록
- 유튜브 자막 — AI는 영상을 보지 못하고 자막만 읽습니다
- 구글 리뷰 관리 — 평판이 일관되게 쌓이도록
생성형 AI마다 읽는 곳이 다릅니다
같은 질문을 넣어도 AI마다 답의 재료가 다릅니다. 네이버 AI 브리핑은 네이버 안의 문서(블로그·지식iN·플레이스)와 병원 홈페이지를 함께 읽고, 챗GPT는 웹 검색을 돌린 뒤 몇 페이지를 실제로 열어 보며, 구글 AI 개요는 구글 색인에 있는 페이지를, Perplexity는 출처를 번호로 붙여 가며 답합니다. Gemini는 구글 검색 결과를, Claude는 웹 검색 결과를 근거로 씁니다.
서울의 한 비뇨의학과를 병원 이름 없이 질문 10개로 잰 2026년 10월 결과는 이 차이를 그대로 보여 줍니다. Perplexity는 10개 질문 중 4개에서 병원 이름을 냈고, 챗GPT는 3개, 구글 AI 개요는 1개, 네이버 AI 브리핑은 0개였습니다. 같은 병원, 같은 질문인데 AI에 따라 0에서 4까지 갈립니다. 그래서 한 AI만 보고 "우리 병원은 AI에 나온다"거나 "안 나온다"고 말할 수 없고, 여섯 곳을 같은 질문으로 나란히 재야 어디가 비어 있는지 보입니다.
| AI 검색 | 주로 읽는 것 | 병원이 챙길 것 |
|---|---|---|
| 네이버 AI 브리핑 | 네이버 문서 + 병원 홈페이지 | 홈페이지 질환 페이지, 플레이스 정보 일치 |
| 챗GPT | 웹 검색 후 실제 열람 | 읽히는 구조, 사실의 일관성 |
| 구글 AI 개요 | 구글 색인 | 서치콘솔 등록, 구조 데이터 |
| Perplexity | 출처를 명시한 웹 문서 | 원장 이름이 붙은 글, 기사 |
| Gemini · Claude | 검색 결과 | 위의 전부 |
성과는 어떻게 재나
GEO 마케팅에서 가장 흔한 함정은 "챗GPT에 우리 병원이 나왔어요"라는 캡처 한 장입니다. AI 답은 물을 때마다 달라서 한 번의 화면은 증거가 되지 못합니다. 앤씨컨설팅은 병원 이름을 넣지 않은 환자 질문 10개를 여섯 AI 검색(네이버 AI 브리핑·구글 AI 개요·챗GPT·Gemini·Perplexity·Claude)에 세 번씩 묻고, 답 가운데 병원 이름이 나온 비율(멘션)과 홈페이지가 출처로 붙은 비율(인용)을 매주 같은 질문으로 다시 잽니다. 서울의 한 비뇨의학과는 2026년 10월 첫 측정에서 답 76개 중 멘션 25%, 인용 43%였습니다. 이 숫자가 기준선이 되고, 다음 주부터의 변화가 성과입니다.
GEO 마케팅과 AEO 마케팅 중 어느 쪽을 맡겨야 하나요?
이름이 다를 뿐 하는 일은 같습니다. 어떤 AI를 어떻게 재는지, 홈페이지를 직접 고칠 수 있는지를 물어보시는 것이 이름을 따지는 것보다 중요합니다.
광고를 하면 AI 답변에 나오나요?
광고는 검색 결과의 광고 자리에 나오고, AI 답변은 광고가 아니라 읽을 수 있는 근거로 만들어집니다. 광고비를 늘려도 AI 답변의 추천은 바뀌지 않습니다.
작은 의원도 GEO가 가능한가요?
규모보다 일관성이 중요합니다. 지식iN 답변 두 건으로 AI 브리핑에 이름이 오른 사례가 있을 만큼, 작게라도 서로 맞는 말이 여러 곳에 있으면 AI는 읽습니다.