“이 제품 좋긴 한데 손잡이가 너무 미끄러워요.” “케이스는 예쁜데 버튼 누르기가 불편해요.” 리뷰를 한두 개 읽을 때는 그냥 개인 의견이에요. 그런데 같은 말이 100번 반복되면? 그건 시장이 보내는 신호입니다.
저는 지난달, 실제 판매 상품의 리뷰 1,000개를 CSV로 뽑아서 AI한테 던져봤어요. 쿠팡, 스마트스토어, 아마존 리뷰를 합쳐서요. 결론부터 말하면 — 고객이 다음 상품의 스펙을 이미 써놓고 있었어요.
4점짜리 리뷰에 진짜 힌트가 숨어 있어요
보통 셀러가 리뷰를 볼 때 별점 낮은 것 위주로 훑어봐요. 문제는 4점짜리 리뷰예요. “전체적으로 만족하는데 한 가지 아쉬운 점은…” 이런 문장이 모이면 패턴이 되는데, 사람 눈으로는 못 잡아요.
ChatGPT나 Claude에 CSV 파일을 업로드하고 이렇게 물어보세요. 1,000개 정도면 한 번에 처리되고, 3,000개 넘으면 500개씩 나눠서 던지세요.
“이 리뷰에서 반복되는 불만을 빈도순으로 정리해줘. 별점과 관계없이 부정적 언급을 모두 추출하고, 키워드별로 묶어서 건수와 비율도 보여줘.”
AI가 뽑아낸 불만 Top 5
1위: 그립감 (187건, 18.7%) — “미끄럽다”, “손에서 빠진다”
2위: 버튼 조작감 (134건, 13.4%) — “버튼이 딱딱하다”, “케이스 끼면 안 눌린다”
3위: 색상 차이 (98건, 9.8%) — “사진이랑 다르다”
4위: 무게감 (76건, 7.6%) — “생각보다 무겁다”
5위: 포장 (61건, 6.1%) — “박스가 찌그러져 왔다”
3위~5위는 상세페이지로 대응 가능해요. 색상 불만의 핵심은 기대와 실물의 간극이니까, 실물 컷 추가와 안내 문구로 기대치를 맞추면 돼요. 반품 데이터로 상세페이지 고치는 방법에서 다뤘던 접근법 그대로요.
하지만 1위와 2위는 제품 자체를 바꿔야 하는 신호예요. 리뷰의 32%가 물리적 한계를 지적하고 있으니까요.
불만에서 다음 상품이 보이는 순간
AI한테 한 단계 더 물어봤어요.
“1위, 2위 불만을 해결하려면 제품 스펙을 어떻게 바꿔야 해? 현재 사양과 비교해서 변경 포인트를 표로 정리해줘.”
측면 텍스처 변경, 소재 교체, 버튼 돌출 높이 증가 같은 구체적 제안이 나오더라고요. 다만 AI가 제시하는 수치를 양산에 바로 반영하면 안 돼요. AI는 텍스트 패턴을 읽을 뿐, 금형이나 소재 물성을 아는 건 아니거든요. 악성 리뷰나 인센티브 리뷰도 섞여 있을 수 있고요. 방향 잡기 도구로 쓰고, 최종 판단은 QC팀이나 OEM 협의에서 내리세요.
이 결과를 OEM한테 보여주면서 “다음 리비전에서 이거 잡아달라”고 하면 — 그게 리뷰 기반 상품 개발이에요.
경쟁사 리뷰까지 던지면
내 상품만 분석하면 절반이에요. 경쟁사 리뷰를 같이 넣으면 시장 전체의 미충족 수요가 보여요.
“우리 제품과 경쟁사 A, B 리뷰를 비교해줘. 경쟁사 반복 불만 중 우리가 이미 해결한 것과, 아직 누구도 해결 못 한 공통 불만을 분류해줘.”
“누구도 해결 못 한 공통 불만”이 시장의 빈 공간이에요. 여기에 답하는 제품을 만들면 차별화가 되는 거죠. 리뷰 수집은 쿠팡 셀러 오피스, 스마트스토어 리뷰 관리, 아마존 셀러 센트럴에서 다운로드하면 되고, CS 문의 분석에서 쓴 프롬프트 구조를 리뷰에도 그대로 적용할 수 있어요.
리뷰는 이미 써진 시장 보고서예요
고객이 원하는 다음 상품의 스펙은 리뷰에 다 적혀 있었어요. 비싼 시장 조사 보고서 없이도, AI가 이미 있는 데이터에서 패턴을 뽑아줘요. 판매 데이터로 재고 예측하는 글에서도 말했지만, AI의 진짜 가치는 이미 있는 데이터에서 사람이 못 본 걸 찾아주는 데 있어요.
리뷰 1,000개, 한번 던져보세요.
Photo by Campaign Creators on Unsplash
