Insight/Success Story

"한국에 있는 외국인"이라는 타겟은 구글 애즈에 없다. 위치 × 언어 × 검색어, 세 겹의 필터로 직접 조립해야 한다. Growly · Insight · Targeting · 읽는 시간 7분 "외국인 대상 캠페인을 켰는데, 전화는 한국인만 옵니다." 실제로 자주 받는 상담이다. 원인은 대부분 광고 소재가 아니라 설정 세 줄이다. 위치, 언어, 검색어. 구글 애즈에는 "한국에 있는 외국인"이라는 타겟 옵션이 존재하지 않는다. 세 겹의 필터를 직접 조립해야 하고, 하나라도 빠지면 예산은 엉뚱한 사람에게 나간다. 이 글은 그 조립법과, 국가별로 예산을 갈라 태우는 운영 프레임을 정리한다. 기본 설정은 외국인 마케팅 편이 아니다 필터 1 — 위치: 'Presence or interest'라는 함정 구글 애즈 위치 타겟의 기본값은 "타겟 지역에 있는 사람 + 타겟 지역에 관심을 보인 사람(Presence or interest)"이다.[1] 서울을 타겟한 캠

수요는 SNS에서 태어난다. 그러나 병원 선택은 구글에서 시작된다. 병원이 직접 세울 수 있는 관문 3개를 데이터로 뜯어본다. Growly · Insight · SEO · 읽는 시간 7분 결론부터. 외국인 고객의 여정은 수요 형성 → 탐색 → 검증 → 예약의 4단계다. 그런데 첫 단계인 SNS 발견이 만드는 것은 "한국에서 시술 받고 싶다"는 카테고리 수요일 뿐, 특정 병원의 선택이 아니다. 병원의 이름이 걸린 여정은 구글 검색창에서 시작된다. 그리고 탐색·검증·예약 — 병원이 직접 세울 수 있는 세 관문 중 하나라도 비어 있으면, 여정은 그 관문을 채워둔 경쟁 병원으로 흘러간다. 예약은 검색 한 번으로 일어나지 않는다 앞의 두 글에서 구글 1페이지가 매출을 결정하는 구조와, ChatGPT가 병원을 추천하는 공식을 다뤘다. 이번 글은 그 둘을 고객의 시선으로 다시 조립한다. 도쿄에 사는 20대 직장인이 서울의 피부과에서 시술을 받기까지, 실제로 어

여행자 10명 중 4명이 AI로 여행을 계획한다. AI의 추천은 무작위가 아니다. 원리를 알면, 설계할 수 있다. Growly · Insight · AEO · 읽는 시간 7분 결론부터. ChatGPT의 병원 추천은 무작위가 아니다. AI는 웹에 쌓인 흔적 — 검색 상위 페이지, 리뷰, 커뮤니티 언급 — 을 읽고 답을 조립한다. 흔적이 없는 병원은 답변에서 빠지고, 흔적을 설계한 병원은 계속 불려 나온다. 미국 여행자의 37%가 AI로 여행을 계획하는 지금[1], 이것은 홍보의 문제가 아니라 신규 고객 유입 채널의 문제다. 고객은 이미 AI에게 묻고 있다 먼저 하나 짚고 가자. 피부과·성형외과의 외국인 고객은 '아픈 환자'가 아니다. 시술과 병원을 리서치하는 소비자다. 이들의 의사결정에는 두 개의 리서치가 겹쳐 있다. 어느 도시로 갈지 정하는 여행 리서치, 그리고 어떤 시술을 어디서 받을지 고르는 시술 리서치. 그리고 이 두 영역 모두에서 AI는 이