좋은 리뷰는 뭐가 다를까? 알파리뷰 AI가 알아보는 기준
‘이 리뷰가 도움이 됐나요?’ 상품 상세페이지 리뷰에서 자주 볼 수 있는 문장이에요. 고객에게 묻는 질문이지만 정답이 궁금한 쪽은 쇼핑몰이에요. 어떤 리뷰가 고객의 마음을 움직이는지 알아야 그런 리뷰를 먼저 보여줄 수 있으니까요. 그렇다면 이런 고객의 선호나 참고할 지표가 없을 때는 어떻게 좋은 리뷰를 판단할 수 있을까요?
가장 먼저 떠오르는 숫자는 바로 별점이에요. 하지만 별점이 높다고 내용이 항상 긍정적이지 않아요. 그러면 글자 수가 많으면 괜찮을까요? 오히려 불만이 섞여 있거나 상품과 상관없는 이야기만 가득할 수 있어요. 그래서 알파리뷰 AI가 좋은 리뷰를 알아보는 기준은 더 정교해요. 알파리뷰 AI는 리뷰가 장점, 단점, 근거 같은 정보를 얼마나 충실하게 담고 있는지 점수를 매긴 후에 상단에 고정하면 좋은 리뷰를 추천하고 있어요.
좋은 리뷰를 찾는 알파리뷰 AI를 만들면서 알파리뷰 팀은 쇼핑몰에 좋은 리뷰란 무엇인지, AI의 판단이 흔들리지 않으려면 어떻게 물어야 하는지, 쇼핑몰마다 다른 기준은 어떻게 찾는지 끊임없이 물었어요. 알파리뷰 팀이 좋은 리뷰를 찾기 위해 고민한 과정을 따라가다 보면 알파리뷰 AI가 추천한 리뷰에 더 신뢰가 생길 거에요.
좋은 리뷰를 찾아서, 좋은 정보를 쫓아서
“예뻐요”보다 “허리 라인이 잡혀서 예뻐요”가 다음 고객에게 더 많은 걸 알려줘요. 좋은 리뷰에는 좋은 정보가 있는 거예요. 그러면 좋은 정보는 무엇일까요? 좋은 리뷰 기준을 세우기 전에 몇 가지 연구를 먼저 살펴봤어요.
출발점은 2021년 아마존 연구예요. 이 연구에서는 도움이 되는 리뷰를 구매 결정에 실제로 쓸 만한 정보를 주는 리뷰로 정의했어요. 문장 하나만 읽어도 상품을 판단할 수 있을 만큼 정보가 알차야 하고, 다른 리뷰어들도 같은 이야기를 하고 있어야 해요. 정보 밀도와 공감이 만나는 지점에 좋은 리뷰가 있는 셈이에요.
하지만 구매 결정 자체에 도움이 된다는 말은 사지 않겠다고 결정하는 것에도 도움이 된다는 의미예요. 이는 구매자에게는 도움이 되지만, 쇼핑몰 입장에서는 도움이 된다고 하기 어려워요. 상단에 고정하고 싶은 리뷰는 더더욱 아니에요. 쇼핑몰 구매 전환에 도움이 되는 리뷰를 판단하는 기준이 필요했어요. 그래서 주목한 것이 샤피라(Shapira) 연구팀이 2025년 발표한 리뷰 문장 분류예요.
이 연구팀은 전체 리뷰가 아닌 리뷰에 있는 문장을 기준으로 평가했어요. 이를 위해 문장의 성격을 20개 이상의 속성으로 분류했고, 리뷰에 포함된 정보의 가치를 수치화해서 분석할 수 있었어요. 여기서 알파리뷰가 주목한 것은 ‘근거 있는 의견(opinion_with_reason)’과 ‘개선 요청(improvement_desire)’이었어요. 2가지 속성은 고객 입장에서는 도움이 되면서도 쇼핑몰에게는 긍정과 비판 모두 건설적인 내용을 대표해요. 이렇게 알파리뷰는 근거가 분명하고 상품의 장단점을 구체적으로 짚는 리뷰를 좋은 리뷰로 정의했어요.
좋은 리뷰를 판단하는 더 정확한 기준을 찾는 방법
아직 남은 문제가 있어요. 쇼핑몰마다 좋은 리뷰가 달라요. 의류 쇼핑몰에서는 사이즈가 담긴 문장이 중요하지만, 가전 쇼핑몰에서는 사이즈보다 설치 과정 같은 정보가 더 중요해요. 또, 같은 업종이라도 주력 상품과 고객층에 따라 기준은 달라져요. 그렇다고 알파리뷰를 사용하는 5000곳 이상의 쇼핑몰를 위해 좋은 리뷰 기준을 하나 하나 미리 만들어서 줄 수도 없어요.
그래서 알파리뷰는 각 쇼핑몰이 남긴 리뷰 선호를 기준으로 그 쇼핑몰에 좋은 리뷰를 판단할 수 있는 기준을 계산해요. 쇼핑몰이 좋다고 평가한 리뷰(O 리뷰)와 나쁘다고 평가한 리뷰(X 리뷰)를 비교해서 파악한 쇼핑몰의 취향을 AI 모델에 반영하는 방식이에요.
O 리뷰와 X 리뷰 비교에는 젠슨-섀넌 발산(Jensen–Shannon Divergence, JSD)이라는 통계 개념을 활용했어요. 젠센-샤논 발산은 그룹의 데이터가 얼마나 다른지 파악하는 방식이에요. 알파리뷰는 리뷰에 담긴 각 정보를 기준으로 O 리뷰와 X 리뷰의 점수가 얼마나 다른지 확인해요. 그리고 점수 차이가 큰 정보를 선호하는 리뷰와 그렇지 않은 리뷰를 가르는 기준으로 선정해요. 이렇게 선정된 정보를 알파리뷰는 다음 리뷰 추천에 더 반영해요. 쇼핑몰이 고르고 거절할수록 기준도 우리 쇼핑몰에 더 맞게 다듬어지는 이유예요.
편향되는 AI도 막아야 해요
기술적인 한계에서 발생하는 오차도 줄이기 위해 노력했어요. 바로 AI 편향이에요. AI는 질문에 답하는 과정에서 사람과 비슷하게 치우친 선택을 해요. 예를 들어 여러 선택지를 주면 마지막에 놓인 선택지를 더 자주 골라요. 5점 만점에 점수를 달라고 하면 3점을 더 자주 주는 방식이에요. 그래서 좋은 리뷰를 위해서 열심히 기준을 준비해도, 의도하지 않은 결과가 발생할 수도 있어요.
이런 한계를 방지하기 위해서 알파리뷰는 질문을 세세하게 나누는 샤피라 연구팀의 실험 방식을 참고했어요. 먼저, 좋은 리뷰인지 확인하는 질문을 예와 아니요로 답할 수 있게 잘게 나눴어요. 이 질문들은 AI가 답해요. 그렇게 모은 답변으로 예-아니요 분포가 만들면 편향이 발생하는 상황을 최소화할 수 있어요. 마지막으로 예-아니요 분포와 알파리뷰 팀이 준비한 계산식을 통해서 좋은 리뷰인지 아닌지 최종적으로 판단해요.
알파리뷰가 만든 AI니까 좋은 리뷰를 잘 알아요
이렇게 나온 알파리뷰 AI, 어떻게 사용할 수 있을까요? 정말 쉬워요. 알파리뷰 [리뷰 목록]에서 가장 위에 있는 [상단 고정할 리뷰 후보] 카드를 클릭하면 AI가 가장 먼저 보여주면 좋은 리뷰로 추천하는 리뷰를 확인할 수 있어요.
처음부터 알파리뷰 AI의 추천이 마음에 든다면 AI에게 상단 고정까지 맡겨 보세요. 자동화 옵션을 켜면 AI가 매주 새로운 리뷰로 상단 고정 리뷰를 바꿔요. 리뷰를 일일이 읽지 않아도 상품 페이지에는 늘 좋은 리뷰가 올라와 있어요. 아직 아쉽다면 마음에 드는 리뷰는 바로 고정하고 그렇지 않은 리뷰는 거절하면 돼요. 추천이 점점 우리 쇼핑몰 취향에 가까워질 거예요.
이미 10%가 넘는 알파리뷰 고객사가 업데이트 3주차를 마치기 전에 이 기능을 사용하고 있고, 알파리뷰 AI가 추천하는 리뷰에 대한 신뢰와 편의에 힘입어 매주 사용률도 계속해서 올라가고 있어요. 이 기능에 대한 더 자세한 내용은 아래 글에서 확인할 수 있어요.
이제는 감으로 좋은 리뷰를 고르지 마세요. 좋은 리뷰에는 근거가 있고, 알파리뷰 AI가 가장 잘 알아요. 아직 알파리뷰를 쓰지 않는 카페24 · 아임웹 쇼핑몰이라면 알파앱스에 문의하고 더 정확한 추천을 경험하세요. 알파앱스가 솔루션 도입부터 쇼핑몰 성공까지 항상 함께할게요.
