감성 분석

현대의 감성 분석은 두 가지 층위에서 작동합니다. 첫 번째 층위는 텍스트에 극성을 부여하여 긍정, 부정, 중립으로 점수를 매기며, 신뢰도 수치가 함께 제공되기도 합니다. 두 번째 층위는 흔히 측면 기반 감성 분석(aspect-based sentiment)이라 불리며, 각 의견을 실제로 언급된 대상과 연결합니다. 이를 통해 하나의 리뷰 안에서 제품에 대한 긍정적 평가, 배송에 대한 불만, 포장에 대한 무관심을 동시에 포착할 수 있습니다. 수천 건의 상품평을 보유한 스토어에게 이는 읽을 수 없던 더미를 요약본으로 바꿔 줍니다. 만족하는 고객의 비율, 불만이 집중되는 상품, 반복해서 등장하는 주제(사이즈, 배송, 품질, 가격 대비 가치)를 한눈에 파악할 수 있습니다. 감성 분석은 분류 도구로서 가장 유용합니다. 인간의 눈이 필요한 상품과 주제를 먼저 가려내 주는 것이지, 그 과정을 대체하는 것은 아닙니다.

Shopify에서 운영하는 국내 의류 스토어를 예로 들어 보겠습니다. 600건의 상품평을 분석했을 때 전반적인 점수는 긍정적이지만, 측면 분석을 보면 특정 니트 제품의 사이즈 항목에 부정적 감성이 집중되어 있고 "작게 나왔어요", "한 사이즈 크게 주문했어요"라는 표현이 반복됩니다. 판매자가 해당 상품 페이지에 핏 안내 문구를 추가하고 실측 사이즈 표를 업데이트하자, 이후 몇 주에 걸쳐 사이즈 관련 불만이 줄어드는 것을 확인합니다. 어떤 설문 조사도 이 신호를 이처럼 빠르게 발견하지 못했을 것입니다. 신호는 아무도 읽을 시간이 없었던 텍스트 안에 이미 있었기 때문입니다. 반대 방향으로도 작동합니다. 판매자가 보통이라고 생각하던 상품이 내구성에 대한 조용하고 반복적인 칭찬을 받고 있다면, 할인 대상이 아니라 홍보 대상으로 삼을 이유가 됩니다.

감성 분석이 오독하는 지점은 뉘앙스입니다. 비꼬는 표현("좋네요, 또 지퍼가 망가졌어요")은 "좋네요"라는 단어 때문에 긍정으로 분류되는 경우가 많습니다. 제품을 칭찬하면서 배송을 비판하는 복합적인 리뷰는 두 가지 관점을 모두 잃는 단일 레이블로 납작해집니다. 부정어, 은어, 상품별 특수 용어는 범용 모델을 혼란스럽게 합니다. 별점과 작성된 텍스트가 서로 엇갈리기도 합니다. 점수는 신호로 다루어야지 판결로 다루어서는 안 됩니다. 어떤 주제에 따라 행동을 결정하기 전에 반드시 그 주제 뒤에 있는 원본 텍스트를 발췌해 읽어 보십시오.

감성 분석이 지니는 더 깊은 가치는 리뷰 코퍼스를 읽을 수 있는 형태로 만드는 데 있으며, 그 가독성이야말로 AI 답변 엔진이 중요하게 여기는 것입니다. 구매자가 ChatGPT, Perplexity, Google AI Overviews 또는 네이버 AI에 "이 재킷이 작게 나오나요?" 혹은 "세탁해도 괜찮나요?"라고 물을 때, 이 시스템들은 명확하고 일관된 주장으로 파싱 가능한 리뷰 텍스트에 의존합니다. 반복되는 주제가 명시적이고, 일관성 있고, 요약하기 쉬운 코퍼스는 의견이 흩어져 있고 모순되는 코퍼스보다 인용될 가능성이 훨씬 높습니다. 감성 분석은 그 주제를 찾아내는 방법입니다. 그 주제들을 읽기 쉽게 다듬고, 상호 검증하며, 인용 가능한 형태로 만드는 일이 BeyondReviews가 채우는 빈자리입니다.