온라인 쇼핑몰, 배달 앱, 플레이스 지도 등 비즈니스를 하는 곳이라면 어디에나 '고객 리뷰'가 쌓입니다. 사장님이나 마케터들은 이 리뷰를 보며 웃고 웁니다. 하지만 리뷰가 10개, 20개일 때는 하나씩 읽어볼 수 있지만, 1,000개가 넘어가면 이야기가 달라집니다.
"대체로 반응이 좋은 것 같아"라는 감(Feeling)에 의존하거나, 별점 평균(4.5점)만 보고 안심합니다. 하지만 별점은 5점인데 내용은 "배송은 빠른데 맛은 그냥 그래요"라고 적혀 있다면 이건 칭찬일까요, 불만일까요?
엑셀은 숫자를 더할 수는 있어도, 고객의 '마음'을 더할 수는 없습니다. 하지만 거대 언어 모델(LLM)인 AI는 텍스트를 읽고 그 안에 담긴 감정을 '데이터'로 바꿔줍니다. 오늘은 수천 개의 리뷰를 AI에게 시켜서 고객의 속마음을 낱낱이 파헤치는 '감성 분석(Sentiment Analysis)' 기법을 배워보겠습니다.
1: 읽지 말고 분류하게 시켜라
감성 분석의 첫 단계는 리뷰를 '긍정(Positive)', '부정(Negative)', '중립(Neutral)'으로 분류하는 것입니다. 사람이 하면 주관이 개입되지만, AI는 일관된 기준으로 분류합니다.
엑셀에 쌓인 리뷰 텍스트를 긁어서 AI에게 다음과 같이 요청해 보세요.
[추천 프롬프트 예시]
"다음은 우리 제품에 달린 고객 리뷰 리스트야. 각 리뷰를 읽고 [긍정, 부정, 중립] 중 하나로 감정을 분류해서 표로 만들어줘.
- 조건: '좋아요'라고 했어도 뒤에 '하지만 ~은 별로예요' 같은 단점이 포함되어 있으면 '중립'으로 분류할 것."
이렇게 하면 막연했던 텍스트 덩어리가 "긍정 70%, 부정 20%, 중립 10%"라는 명확한 통계 데이터로 변신합니다. 이제야 비로소 관리가 가능해지는 것이죠.
2: 고객이 화난 '진짜 이유' 키워드 뽑기
단순히 "부정 리뷰가 20%네"라고 아는 것만으로는 부족합니다. "왜?"를 알아야 고칠 수 있습니다. 수백 개의 부정 리뷰를 관통하는 공통적인 불만 키워드를 뽑아내야 합니다.
사람이 읽으면 "배송이 늦네", "택배가 안 오네", "기사님이 불친절해"를 다 다른 말로 인식하지만, AI는 이를 '배송 문제'라는 하나의 카테고리로 묶을 수 있습니다.
[추천 프롬프트 예시]
"위에서 '부정'으로 분류된 리뷰들만 다시 분석해줘. 고객들이 불만을 가지는 핵심 원인 3가지를 키워드로 뽑아주고, 각 원인이 전체 부정 리뷰 중 대략 몇 퍼센트를 차지하는지 비중을 추산해줘."
결과가 "1위: 내구성이 약함(45%), 2위: 배송 지연(30%), 3위: 가격 대비 양이 적음(25%)" 처럼 나온다면, 당장 무엇부터 개선해야 할지 우선순위가 명확해집니다.
3: 뉘앙스 파악하기 (비꼬는 말 잡아내기)
기존의 단순한 키워드 분석 프로그램(단어 빈도수 세기)은 "냄새가 안 나요"와 "좋은 냄새가 안 나요"를 구분하지 못했습니다. 둘 다 '안'이라는 부정어가 들어갔기 때문입니다.
하지만 문맥을 이해하는 생성형 AI는 뉘앙스를 기가 막히게 파악합니다.
- "생각보다 배송이 빠르네요(ㅋㅋ)" -> 긍정
- "배송 한번 참 빠르네요(도착까지 일주일 걸림)" -> 부정 (비꼬기)
AI에게 분석을 맡길 때 "반어법이나 비꼬는 표현까지 문맥을 고려해서 판단해줘"라고 한 줄만 더 붙이면, 사람보다 더 예리하게 악성 리뷰를 필터링해 냅니다.
4: 보고서용 시각화 데이터로 변환
분석된 결과는 보고서에 바로 쓸 수 있는 형태로 가공해야 합니다. 텍스트 데이터를 차트용 데이터로 바꿔달라고 하세요.
[추천 프롬프트 예시]
"분석한 결과를 보고서에 쓸 거야. [불만 원인 / 건수 / 대표적인 고객 리뷰 1개 / 개선을 위한 AI의 제안] 이렇게 4개 열(Column)로 구성된 요약표를 작성해줘."
이 표를 복사해서 보고서에 붙여넣기만 하면, "고객의 소리(VoC) 분석 보고서"가 뚝딱 완성됩니다.
결론: 고객의 목소리는 데이터다
리뷰 하나하나는 그저 '글자'에 불과하지만, 그것이 모여서 분석되면 강력한 '경영 지표'가 됩니다. 지금까지는 시간이 없어서, 혹은 읽기 귀찮아서 지나쳤던 수많은 리뷰 속에 우리 제품을 떡상시킬 힌트가 숨어 있습니다.
이제 "고객님들이 좋아하시는 것 같아요"라고 애매하게 보고하지 마십시오. "AI로 리뷰 1,000개를 전수 분석한 결과, 긍정 반응이 82%이며, 주요 만족 포인트는 '가성비'였습니다"라고 숫자로 증명하십시오. 그것이 데이터 기반 마케팅(Data-Driven Marketing)의 시작입니다.
[핵심 요약]
- 엑셀로는 불가능한 비정형 텍스트(리뷰, 댓글) 분석을 AI를 통해 긍정/부정/중립의 정량 데이터로 변환할 수 있다.
- 단순한 분류를 넘어, 고객 불만의 핵심 원인을 그룹화(Clustering)하여 개선 우선순위를 도출할 수 있다.
- AI는 반어법이나 문맥적 뉘앙스까지 파악하므로, 단순 키워드 검색보다 훨씬 정확한 감성 분석(VoC)이 가능하다.