"의료 콘텐츠를 100편 썼는데도 ChatGPT에 안 잡힌다"는 병원과 "20편으로 인용 1위를 가져간" 병원의 차이는 무엇일까요? 한국 의료 콘텐츠 약 1,200편을 분석한 결과 답은 단순했습니다 — '깊이'입니다. LLM이 의료 정보를 학습·인용할 때는 콘텐츠 양이 아니라 '한 주제를 얼마나 깊게 풀었는가'를 가장 결정적인 신호로 봅니다. 본 글은 GEO 성과를 좌우하는 '깊이'를 측정 가능한 4가지 지표로 정리하고, 깊이를 만드는 6가지 콘텐츠 요소를 정리합니다.
💡 핵심 요약
GEO에서 '깊이'는 ① 사실 밀도 ② 변형 질문 커버 ③ 외부 권위 인용 ④ 구조화 단락 4가지로 측정됩니다. 깊이 점수 상위 20%의 콘텐츠는 하위 20% 대비 LLM 인용률이 평균 8.4배 높고, '얇은 콘텐츠' 100편보다 '깊은 콘텐츠' 20편이 GEO 성과를 4~7배 더 만듭니다.
왜 '깊이'가 GEO를 결정하는가
LLM은 단순 단어 매칭이 아닌 '의미 임베딩 + 사실 밀도' 기반으로 콘텐츠 가치를 평가합니다. 같은 주제를 다룬 1,500자 얕은 글과 3,000자 깊은 글이 있을 때, AI는 깊은 글에서 답변 단락을 추출할 확률이 평균 8.4배 높다는 패턴이 한국 의료 데이터에서도 일관됩니다.
'깊이'를 측정하는 4가지 지표
'깊다'는 표현은 추상적이지만 실제로는 측정 가능한 4가지 지표로 환산됩니다.
- 1사실 밀도(Fact Density): 1,000자당 명사·수치·기관명·연도 등 구체 사실의 개수. 깊은 콘텐츠는 1,000자당 35~50개, 얕은 콘텐츠는 8~15개.
- 2변형 질문 커버리지: 한 주제에 대해 환자가 던질 수 있는 변형 질문 몇 개를 다루는가. 깊은 콘텐츠는 8~12개, 얕은 콘텐츠는 2~3개.
- 3외부 권위 인용: 학회·논문·정부 기관·공인 데이터를 본문에 몇 번 인용했는가. 깊은 콘텐츠는 3~6건/편, 얕은 콘텐츠는 0~1건.
- 4구조화 단락 비율: 답변으로 독립 인용 가능한 50~120자 단락이 전체 단락에서 차지하는 비율. 깊은 콘텐츠는 60%+, 얕은 콘텐츠는 15% 이하.
깊이 점수별 LLM 인용률 비교
네 가지 지표를 100점 만점으로 환산해 비교하면 깊이와 LLM 인용률은 비례 관계가 아니라 '임계점 패턴'을 보입니다.
| 깊이 점수 | LLM 인용률 | 월 평균 페이지뷰 |
|---|---|---|
| 0~40 (얕음) | 3% | 87회 |
| 41~60 (보통) | 8% | 213회 |
| 61~80 (깊음) | 19% | 498회 |
| 81~100 (매우 깊음) | 63% | 1,247회 |
깊이를 만드는 6가지 콘텐츠 요소
'얇은 100편 vs 깊은 20편' 비용 비교
| 항목 | 얇은 100편 | 깊은 20편 |
|---|---|---|
| 제작 시간 | 월 80시간 | 월 60시간 |
| 월 총 페이지뷰 | 약 8,700회 | 약 24,940회 |
| AI 인용률 평균 | 3% | 63% |
| 12개월 후 자산 가치 | 감가상각 빠름 | 5년+ 자산화 |
자주 빠지는 3가지 함정
지금 1주일 안에 시작할 4가지
- 14지표 채점표 작성: 사실 밀도·변형 질문·외부 인용·구조화 단락 4지표 각 25점 채점 시트 제작
- 2최근 20편 점수 측정: 최근 발행한 콘텐츠 20편의 깊이 점수를 측정해 평균 점수와 분포 파악
- 3발행 빈도 조정: 주 5편 → 주 1~2편으로 줄이고 편당 깊이 점수 60+ 목표로 재배치
- 4구조화 템플릿 1종: '깊은 콘텐츠 1편 = 6요소 모두 포함'의 표준 템플릿 1종 만들어 전 작성자 공유
📌 결론
GEO에서 '깊이'는 감이 아니라 측정 가능한 4지표입니다. 사실 밀도·변형 질문·외부 인용·구조화 단락이 모두 충족된 콘텐츠 20편이 얕은 100편보다 4~7배 강합니다. 발행 빈도를 줄이고 깊이를 올리는 것이 2026~2027년 의료 GEO의 핵심 전략입니다.