신제품 기획 회의 전날, 경쟁사 리뷰를 읽기 시작했어요. 쿠팡에서 상위 제품 5개, 리뷰 각 200개씩. 총 1000개. 새벽 2시까지 읽고 엑셀에 정리한 결과물은 A4 한 장짜리 ‘배송 빠름, 품질 괜찮음, 가격 비쌈’ 수준이었어요.
그 엑셀을 ChatGPT에 붙여넣고 10분 만에 받은 분석이, 밤새 정리한 것보다 나았어요. 구체적으로 어떻게 했는지 공유합니다.
리뷰를 왜 직접 읽으면 안 되는가
사람이 리뷰를 읽으면 두 가지 함정에 빠져요.
첫째, 최신 편향. 최근 리뷰 50개에 ‘포장이 찢어져 왔다’는 불만이 3건 있으면, 그게 전체의 핵심 문제처럼 느껴져요. 실제로는 1000개 중 0.3%인데도요.
둘째, 확인 편향. ‘우리 제품이 더 낫다’는 전제를 갖고 읽으면, 경쟁사 부정 리뷰만 눈에 들어와요. 경쟁사가 잘하는 부분은 무의식적으로 넘기게 되죠.
소비자의 95%가 구매 전 리뷰를 읽는다는 조사 결과가 있어요. 리뷰는 고객이 직접 써준 시장 조사 보고서나 다름없는데, 사람의 눈으로 읽으면 왜곡이 생겨요.
AI에게 리뷰를 던지는 실전 방법
준비물은 간단해요. 리뷰 데이터(텍스트)와 ChatGPT 또는 Claude 하나면 돼요.
1단계: 리뷰 수집
쿠팡이든 아마존이든, 리뷰 페이지에서 텍스트를 복사해서 엑셀이나 메모장에 붙여넣으세요. 한 줄에 리뷰 하나. 별점도 같이 넣으면 좋지만, 텍스트만 있어도 충분해요. 100개면 좋고, 500개면 더 좋아요.
2단계: 분석 프롬프트
아래 프롬프트를 그대로 복사해서 AI에 붙이면 돼요. 프롬프트 기본기가 궁금하다면 이 글을 먼저 보세요.
아래 고객 리뷰 데이터를 분석해줘.
1. 긍정 키워드 TOP 5 (언급 횟수 포함)
2. 부정 키워드 TOP 5 (언급 횟수 포함)
3. 고객이 가장 중요하게 여기는 구매 결정 요인 3가지
4. 경쟁사 대비 우리가 개선해야 할 포인트
5. 이 데이터를 바탕으로 한 상품 기획 제안 1가지
리뷰 데이터:
[여기에 리뷰 텍스트 붙여넣기]3단계: 결과 해석
AI가 돌려주는 결과에서 진짜 쓸모 있는 건 4번과 5번이에요. 긍정·부정 키워드는 예상 가능한 내용이 많거든요. ‘배송 빠르다’, ‘가격 비싸다’ 같은 건 안 봐도 알아요.
핵심은 AI가 사람이 놓치는 패턴을 잡아준다는 거예요. ‘포장’이라는 단어가 부정 리뷰에서 47번 언급됐는데, 사람 눈으로는 그게 47번인지 7번인지 구분이 안 돼요. AI는 정확한 숫자를 세요.
실제로 써먹은 사례
폰케이스 카테고리 리뷰 800개를 분석했을 때, 의외의 패턴이 나왔어요. ‘그립감’이라는 키워드가 긍정 리뷰에서 2위였는데, 부정 리뷰에서도 4위였어요. 같은 키워드가 양쪽에 등장한다는 건, 이 속성이 구매 결정의 핵심 요소라는 뜻이에요.
이 데이터를 AI 기획서 작성에 그대로 넣었어요. ‘그립감 강화’를 핵심 셀링 포인트로 잡고, 상세 페이지 첫 줄에 배치했더니 전환율이 눈에 띄게 올랐어요.
크리마 같은 리뷰 분석 솔루션은 AI 리뷰 요약 기능을 정식 출시했고, 도입 쇼핑몰의 주문 전환율이 전년 대비 2배 올랐다는 발표도 있었어요. 무료 AI 도구만으로도 비슷한 분석이 가능하다는 게 포인트예요.
리뷰 분석을 루틴으로 만드는 팁
한 번 분석하고 끝내면 의미가 반감돼요. 이걸 월 1회 루틴으로 만드세요.
매월 1일: 경쟁사 상위 제품 3개의 최근 리뷰 100개씩 수집. 같은 날: AI 분석 돌리고 지난달 결과와 비교. 변화하는 키워드를 추적하면 시장의 온도가 보여요.
리뷰 데이터가 엑셀에 쌓여 있다면 AI로 함수까지 자동화할 수 있어요. COUNTIF로 키워드 빈도를 세고, 피벗 테이블로 월별 추이를 보는 것까지 AI한테 시키면 돼요.
리뷰는 고객이 써준 기획서다
VOC(고객의 소리) 수집에 돈을 쓰는 회사가 많아요. 설문조사 만들고, 인터뷰하고, FGI 돌리고. 그런데 이미 쌓여 있는 리뷰 데이터를 제대로 분석하는 곳은 드물어요.
리뷰 1000개를 밤새 읽지 마세요. AI한테 5분이면 돼요. 그리고 그 5분의 결과물이 밤샘 작업보다 정확해요. 편향 없이, 숫자로, 패턴으로.
