의료기기 바이어가 구글 AI에서 당신 제품을 못 찾는 진짜 이유: 학술 스키마 마크업 처방
2026년 07월 28일
#의료기기 SEO
#Google AI Overviews 최적화
#스키마 마크업
#B2B 글로벌 마케팅

요약

  • 해외 B2B 의료기기 키워드에서 Google AI Overviews 인용 5위 밖으로 밀리면, 오가닉 상위권이어도 CTR이 평균 38~61% 급감합니다.
  • 2026년 구글 Gemini는 단순 키워드 밀도가 아닌, 임상 논문·규제 승인·전문의 검수 데이터가 JSON-LD로 선언된 페이지를 우선 인용합니다.
  • 핵심 처방은 MedicalDevice + MedicalScholarlyArticle + reviewedBy 스키마를 상호 연결(Schema Stack)하는 것입니다.
  • 스키마 내 데이터는 반드시 본문 텍스트와 일치해야 하며, 허위 임상 수치 기입은 수동 조치(Manual Action) 위험이 있습니다.
  • 이 글은 해외 진출 의료기기 마케팅팀이 오늘부터 실행할 수 있는 구체적 코드 구조와 판단 기준을 제시합니다.

"검색 1위인데 왜 바이어 문의가 없죠?"

미국 정형외과 전문 바이어가 "high-intensity laser therapy chronic back pain clinical evidence" 를 구글에 검색합니다. 화면 최상단에는 AI Overviews 박스가 펼쳐지고, 3개 출처가 인용 카드로 표시됩니다. 당신 회사 제품 페이지는 오가닉 3위인데, 그 인용 카드 안에는 없습니다.

바이어는 AI 요약을 읽고 인용된 두 경쟁사 링크를 클릭합니다. 당신 페이지는 스크롤조차 되지 않습니다.

이것이 2026년 해외 B2B 의료기기 마케팅팀이 실제로 겪고 있는 가시성 단절(Visibility Gap) 입니다.


진단 1 — 왜 AI Overviews는 내 페이지를 건너뛸까?

구글 Gemini가 의료 정보 출처를 선택하는 기준

구글 AI Overviews는 단순히 '상위 랭킹 페이지'를 나열하지 않습니다. Gemini 모델은 페이지를 크롤링할 때 데이터 간의 의미론적 관계(Semantic Relationship) 를 추적합니다.

의료·헬스케어 쿼리는 YMYL(Your Money or Your Life) 카테고리로 분류됩니다. 이 카테고리에서 AI가 출처를 채택하려면 다음 세 가지 신호가 코드 수준에서 명시되어 있어야 합니다.

  • 임상적 유효성 근거: 논문 DOI, ClinicalTrials.gov 등록번호, 저널명
  • 규제 승인 상태: FDA Clearance 등급, CE 마킹 여부
  • 전문가 검수 사실: 감수한 의사의 자격증·소속·ORCID

이 세 가지가 일반 텍스트 문장으로만 존재하면, AI는 '주장'으로 처리합니다. 반면 JSON-LD 구조화 데이터로 선언되면 '검증된 사실'로 처리하여 인용 후보에 올립니다.

2025년 12월 코어 업데이트가 남긴 데이터

2025년 12월 대규모 코어 업데이트 이후, 학술적 근거가 구조화되지 않은 의료·헬스케어 웹사이트의 67%가 유의미한 가시성 손실을 기록했습니다. 같은 기간 의료 관련 쿼리의 약 43%에서 AI Overviews가 활성화되었고, 클릭 없이 검색 결과 내에서 답변이 종결되는 비중이 빠르게 늘었습니다.

AI Overviews 인용 Top 5 안에 들어가면 기존 오가닉 1위 대비 2.8배 높은 CTR을 기록합니다. 반대로 5위 밖으로 밀리면 오가닉 순위와 무관하게 CTR이 최대 61% 감소합니다.


진단 2 — 지금 내 페이지의 스키마 상태 자가 점검

아래 세 가지 질문에 하나라도 '아니오'가 나온다면, AI 인용 탈락의 기술적 원인이 이미 존재합니다.

① 제품 페이지에 MedicalDevice 타입의 JSON-LD가 있는가? 단순 Product 스키마만 있다면 의료기기로 인식되지 않습니다.

② 임상 논문 정보가 MedicalScholarlyArticle 스키마로 연결되어 있는가? '임상 연구 결과' 섹션을 텍스트로만 작성했다면, Gemini는 이를 마케팅 카피로 판단할 수 있습니다.

③ 콘텐츠 감수자의 ORCID 또는 공식 프로필이 sameAs 속성으로 연결되어 있는가? 이름만 적힌 'Dr. 홍길동 감수' 문구는 E-E-A-T 신호로 작동하지 않습니다.


처방 — 학술 스키마 스택(Schema Stack) 설계법

핵심 구조: 세 스키마의 상호 연결

단일 스키마 하나를 추가하는 것으로는 부족합니다. 의료기기 제품과 임상 논문, 그리고 검수 전문가를 하나의 @graph 안에서 @id로 상호 참조해야 Gemini가 지식 그래프(Knowledge Graph)로 인식합니다.

구성 요소는 다음 세 가지입니다.

  • MedicalDevice: 기기 사양, FDA/CE 승인 상태, 적응증(indication), 금기사항(contraindication), 전문 진료과(relevantSpecialty)
  • MedicalScholarlyArticle: 논문 제목, DOI, ClinicalTrials.gov ID, 저자 정보
  • reviewedBy 속성: 감수 전문의의 자격·소속·ORCID

실제 JSON-LD 구현 예시

아래는 고출력 레이저 치료기를 예시로 한 2026년형 스키마 템플릿입니다. 실제 구현 시 @id URL과 수치는 반드시 자사 실제 데이터로 교체해야 합니다.

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "MedicalDevice",
      "@id": "https://yourmedicaldevice.com/products/laser-pro#device",
      "name": "LaserPro Therapy System",
      "description": "비침습적 척추 통증 치료용 고출력 레이저 의료기기",
      "legalStatus": {
        "@type": "DrugLegalStatus",
        "name": "FDA Class II cleared, CE marked"
      },
      "indication": "만성 요통, 근골격계 통증 완화",
      "contraindication": "임산부 복부 주위 사용 금지, 심장 박동기 착용 환자 사용 제한",
      "relevantSpecialty": {
        "@type": "MedicalSpecialty",
        "name": "https://schema.org/Orthopedic"
      }
    },
    {
      "@type": "MedicalScholarlyArticle",
      "@id": "https://yourmedicaldevice.com/clinical-evidence#article",
      "headline": "LaserPro 고출력 레이저 치료가 만성 요통 환자에 미치는 임상적 유효성 연구",
      "about": {
        "@id": "https://yourmedicaldevice.com/products/laser-pro#device"
      },
      "identifier": [
        {
          "@type": "PropertyValue",
          "name": "DOI",
          "value": "10.1016/j.clinthera.2025.12.004"
        },
        {
          "@type": "PropertyValue",
          "name": "ClinicalTrials.gov ID",
          "value": "NCT08765432"
        }
      ],
      "author": {
        "@type": "Person",
        "name": "Dr. John Smith, MD",
        "sameAs": "https://orcid.org/0000-0002-1825-0097"
      },
      "reviewedBy": {
        "@type": "Person",
        "name": "Dr. Emily Choi, PhD",
        "jobTitle": "의학 자문 위원",
        "credentialCategory": "MD, Board Certified Orthopedist"
      }
    }
  ]
}

이 코드에서 핵심은 MedicalScholarlyArticle"about" 속성이 MedicalDevice@id를 직접 참조한다는 점입니다. 이 연결 덕분에 Gemini는 "이 논문이 저 기기의 효능을 증명한다"는 관계를 기계가 읽을 수 있는 형태로 파악합니다.

본문 데이터 테이블 구조화: AI 발췌율을 높이는 실무 팁

스키마 마크업 외에 본문 콘텐츠 설계도 중요합니다. 임상 성과 지표(치료 성공률, 대조군 대비 호전율 등)를 줄글 문단으로만 서술하면 AI가 수치를 정확히 추출하기 어렵습니다.

데이터 테이블 형식으로 정리된 임상 수치는 AI가 인라인 텍스트 대비 약 2.1배 높은 확률로 발췌합니다. 예를 들어 아래처럼 구성합니다.

지표 대조군(물리치료) LaserPro 그룹 개선율
VAS 통증 점수 감소 1.8점 3.4점 +89%
치료 완료율 71% 88% +24%

이 테이블은 HTML <table> 태그로 마크업되어야 하며, 스키마의 MedicalScholarlyArticle과 동일한 페이지에 위치해야 연결성이 인정됩니다.


실행 전 반드시 확인할 3가지 주의사항

① 스키마 데이터 ≠ 본문 내용이면 수동 조치 대상

본문에 없는 임상 수치를 JSON-LD에만 기입하거나, 관련 없는 논문을 연결하면 구글 가이드라인 위반입니다. 스키마는 본문 내용을 기계어로 번역하는 도구이지, 없는 사실을 추가하는 수단이 아닙니다.

② ORCID 없는 '전문의 이름'은 신호로 작동하지 않는다

reviewedBy에 이름만 적으면 구글 LLM은 해당 인물의 실재 여부를 검증할 수 없습니다. ORCID(orcid.org), 의사 협회 공식 프로필, LinkedIn 주소 중 하나 이상을 sameAs에 반드시 연결해야 E-E-A-T 신뢰도 신호로 인정됩니다.

③ AI 번역 초안을 임상 검토 없이 퍼블리싱하지 말 것

비용 절감을 위해 AI가 생성한 임상 설명 문구를 검토 없이 올리는 경우가 많습니다. 구글 품질 평가 시스템은 임상 검증 없이 복제된 AI 패턴을 빠르게 탐지합니다. 단 하나의 부정확한 의료 정보가 해당 도메인 전체의 Citation Authority(LLM 인용 신뢰도)를 장기적으로 실추시킬 수 있습니다.


적용 후 검증: 3단계 기술 점검 루틴

스키마를 배포한 뒤 다음 순서로 검증합니다.

1단계 — 코드 오류 확인 구글 Rich Results Test (search.google.com/test/rich-results)에 URL을 입력하여 MedicalDevice, MedicalScholarlyArticle 타입이 정상 인식되는지 확인합니다.

2단계 — 스키마 유효성 검사 Schema Markup Validator (validator.schema.org)에서 @graph@id 참조 연결이 오류 없이 파싱되는지 점검합니다.

3단계 — 크롤링 요청 및 모니터링 Google Search Console의 'URL 검사 → 색인 생성 요청' 기능으로 즉시 재크롤링을 요청합니다. 이후 2~4주간 Search Console의 '검색 결과' 탭에서 해당 키워드의 노출수와 CTR 변화를 추적합니다.


실제 적용 사례: 인용 순위 9위 → AI Overviews 2위

미세전류 척추 치료기를 제조하는 해외 A사는 핵심 적응증 키워드에서 AI Overviews 인용 순위가 9위권에 머물며 오가닉 트래픽이 정체되어 있었습니다.

적용한 변경 사항은 세 가지였습니다.

  • 기존 Product 스키마를 MedicalDevice 타입으로 전환하고 FDA 승인 등급 및 적응증 명시
  • 자사 임상 연구 결과 페이지에 MedicalScholarlyArticle 스키마를 추가하고 about 속성으로 제품과 연결
  • 감수 전문의 프로필에 ORCID와 미국 정형외과학회 프로필 URL을 sameAs로 연결

결과적으로 제품 인용 순위가 AI Overviews 2위로 상승했으며, 3개월 내 오가닉 리드(문의) 건수가 유의미하게 증가하는 성과를 거두었습니다.

이 사례에서 주목할 점은 콘텐츠 자체를 새로 쓰지 않았다는 것입니다. 이미 존재하는 임상 데이터를 AI가 읽을 수 있는 형태로 선언하는 것만으로 가시성이 회복되었습니다.


자주 묻는 질문 (FAQ)

Q1. MedicalDevice 스키마는 schema.org에서 공식 지원하는 타입인가요? 네. schema.org/MedicalDevice는 공식 타입이며 MedicalEntity를 상속합니다. 다만 구글이 Rich Results로 공식 렌더링하는 타입 목록에는 아직 포함되지 않아 Rich Results Test에서 '경고'로 표시될 수 있습니다. 이는 인용 신호로는 작동하므로 배포를 중단할 이유가 없습니다.

Q2. 논문이 없는 경우에도 스키마를 적용할 수 있나요? 가능합니다. 자사가 직접 수행한 임상 데이터가 없다면, 제품이 인용된 제3자 SCI 논문을 MedicalScholarlyArticle로 구조화하고 about 속성으로 제품과 연결하는 방식을 사용합니다. 단, 해당 논문의 저자가 자사가 아님을 authorpublisher 속성으로 명확히 구분해야 합니다.

Q3. 한국어 페이지에도 동일한 스키마 구조가 유효한가요? 구글 AI Overviews는 현재 영어권 시장에서 가장 활발하게 작동합니다. 해외 진출을 목표로 한다면 영문 제품 페이지에 우선 적용하는 것이 맞습니다. 한국어 페이지는 hreflang 태그로 영문 페이지와 연결하면 도메인 전체의 E-E-A-T 점수를 공유할 수 있습니다.

Q4. 스키마 적용 후 효과가 나타나기까지 얼마나 걸리나요? 구글이 재크롤링 후 지식 그래프를 업데이트하는 데 통상 2~6주가 소요됩니다. Search Console에서 크롤링 요청 후 최소 4주간 데이터를 관찰한 뒤 판단하는 것을 권장합니다.

Q5. 스키마 마크업 외에 함께 진행해야 할 작업이 있나요? 스키마는 '신뢰도 선언' 역할입니다. 선언된 내용을 뒷받침하는 본문 콘텐츠 품질이 함께 개선되어야 효과가 극대화됩니다. 구체적으로는 임상 데이터 테이블 삽입, 전문의 바이오 페이지 구축, 외부 학술 사이트로부터의 백링크 확보가 병행되어야 합니다.


마치며: 키워드를 심는 시대에서 근거를 선언하는 시대로

2026년 구글 AI 검색에서 B2B 의료기기 바이어의 눈에 띄는 방법은 키워드를 더 많이 넣는 것이 아닙니다. AI가 신뢰할 수 있는 형태로 임상 근거를 코딩하는 것입니다.

이미 임상 데이터와 규제 승인 이력을 보유하고 있다면, 지금 필요한 것은 새로운 콘텐츠가 아니라 기존 자산을 기계가 읽을 수 있는 언어로 번역하는 작업입니다.

에이달(ADALL)은 해외 진출 의료기기·제약 바이오 기업의 글로벌 SEO 전략 수립부터 학술 스키마 마크업 구현, AI Overviews 인용 모니터링까지 실무 단위로 지원합니다. 현재 자사 제품 페이지의 스키마 상태 진단이 필요하시다면 아래로 문의해 주세요.

ADALL (에이달) 📞 02-2664-8631 📧 master@adall.co.kr

지금 자사 핵심 키워드로 구글을 검색해 보세요. AI Overviews 인용 카드 안에 경쟁사만 보인다면, 그것이 바로 프로젝트 문의를 시작할 시점입니다.

무료 컨설팅 받아보고 싶다면?

무료 컨설팅 신청하기