쿠팡에서 별점 4.2짜리 상품이 있다. 나쁘지 않은 점수다. 그런데 3개월째 판매량이 줄고 있다. 상세페이지도 바꿔봤고, 광고비도 올려봤다. 뭐가 문제인지 모르겠다.
이런 상황에서 대부분의 셀러는 가격을 내린다. 아니면 신상품을 소싱한다. 리뷰는? “좋아요 감사합니다” 수준으로 훑고 넘어간다.
문제는 거기에 있었다.
리뷰를 안 읽는 게 아니라, 못 읽는 거다
솔직히 말하자. 리뷰 1,000개를 하나하나 읽을 셀러는 없다. 시간이 없어서가 아니다. 읽어도 패턴이 안 보이기 때문이다.
“배송 빠르고 좋아요” 사이에 숨어있는 “케이스 모서리가 살짝 뜨는 느낌”이라는 한 줄. 이걸 1,000개 중에서 골라내는 건 사람의 인지 한계를 넘는다. 별점 4점짜리 리뷰는 특히 그렇다. 불만도 칭찬도 아닌 애매한 영역에 진짜 신호가 묻혀 있다.
여기서 역으로 생각해보자. 리뷰 분석을 완전히 안 하면 어떻게 될까?
- 같은 불만이 반복되는데 셀러만 모른다
- 경쟁사는 그 불만을 고친 버전을 출시한다
- 별점은 서서히 내려가고, 그때서야 원인을 찾기 시작한다
- 이미 검색 순위가 밀린 뒤다
리뷰 분석을 안 하는 것의 비용은, 리뷰 분석을 하는 것의 비용보다 훨씬 크다. 특히 지금은 AI가 그 비용을 거의 0에 가깝게 만들어줬기 때문에.
AI 리뷰 분석이 실제로 하는 일
거창한 시스템이 필요 없다. ChatGPT든 Claude든, 리뷰 텍스트를 던져넣고 이렇게 물어보면 된다.
“이 리뷰 500개에서 반복되는 불만 패턴을 빈도순으로 정리해줘. 별점 3~4점 리뷰에서 나오는 것만 따로 뽑아줘.”
결과물은 대략 이런 형태다.
- 재질감 불만 (37건) — “생각보다 미끄럽다”, “고급스러워 보이는데 만지면 좀…”
- 버튼 조작감 (28건) — “볼륨 버튼 누를 때 뻑뻑하다”, “전원 버튼이 너무 튀어나와”
- 색상 차이 (22건) — “사진이랑 다르다”, “더 어두운 줄 알았는데”
- 포장 품질 (15건) — “박스가 찌그러져 왔다”, “선물용으로 쓰려 했는데”
여기서 핵심은 빈도만이 아니다. 별점 3~4점 구간의 불만이 진짜 개선 포인트라는 것이다. 별점 1~2점은 감정적 분노(“최악이에요”)가 많고, 5점은 만족 표현뿐이다. 3~4점이야말로 “사긴 살 건데, 이것만 고쳐주면”이라는 구매자의 솔직한 피드백이다.
실전에서 써먹는 3단계 루틴
복잡하게 만들 필요 없다. 아래 3단계면 충분하다.
1단계: 리뷰 수집
쿠팡, 네이버, 아마존 — 플랫폼별로 리뷰를 긁어온다. 수동으로 복사해도 되고, 크롤러를 쓸 줄 알면 자동화해도 된다. 중요한 건 최소 500개 이상 모으는 것이다. 100개로는 패턴이 안 나온다.
경쟁사 리뷰도 함께 수집하면 더 좋다. 내 상품 리뷰에서 “미끄럽다”가 나오고, 경쟁사 리뷰에서 “그립감 좋다”가 나오면 — 그게 바로 개선 방향이다.
2단계: AI 분석
리뷰를 AI에 넣을 때 한 가지 팁이 있다. 한 번에 다 넣지 말고, 별점 구간별로 나눠서 넣어라.
- 별점 1~2점: 치명적 결함 파악
- 별점 3~4점: 개선 기회 발굴
- 별점 5점: 강점 키워드 추출 (상세페이지에 활용)
각 구간마다 “반복되는 키워드와 맥락을 5개씩 뽑아줘”라고 요청하면, 구간별로 전혀 다른 인사이트가 나온다. 이전에 상세페이지 전환율을 AI로 개선하는 방법에서도 다뤘지만, 이 5점 리뷰 키워드가 바로 상세페이지 카피의 재료가 된다.
3단계: 액션으로 전환
분석 결과를 세 가지 버킷에 나눈다.
- 즉시 수정 — 상세페이지 문구, 사진 보정, 사이즈 가이드 추가 (비용 거의 0)
- 다음 발주 반영 — 재질 변경, 버튼 설계 수정, 포장 업그레이드
- 신상품 기획 — 현 제품으로는 해결 불가능한 근본적 요구
대부분의 셀러가 “다음 발주 반영”에만 집중하는데, 실은 “즉시 수정” 버킷이 가장 ROI가 높다. 색상 차이 불만이 많으면 상세페이지에 실물 사진을 추가하는 것만으로 반품률이 줄어든다.
경쟁사 리뷰까지 분석하면 벌어지는 일
자기 리뷰만 보는 건 거울만 보는 것과 같다. 경쟁사 리뷰를 함께 분석하면 시장 전체의 불만 지도가 그려진다.
AI한테 “내 상품 리뷰와 경쟁사 리뷰에서 공통으로 나오는 불만 vs. 내 상품에서만 나오는 불만을 분리해줘”라고 요청해보자.
- 공통 불만 = 카테고리 전체의 한계. 여기서 차별화하면 시장을 먹는다.
- 내 상품만의 불만 = 즉시 고쳐야 할 결함. 경쟁사는 이미 해결한 것이다.
검색어 데이터로 수요를 예측하는 방법과 결합하면 더 강력해진다. 리뷰에서 발견한 개선 포인트가 실제로 검색 수요가 있는지까지 교차 검증할 수 있기 때문이다. “논슬립 케이스”라는 리뷰 키워드가 실제로 월 5,000건 검색되고 있다면, 그건 확실한 기회다.
주의할 점 세 가지
AI 리뷰 분석이 만능은 아니다. 실전에서 부딪히는 함정이 있다.
첫째, 리뷰 조작에 속지 마라. 쿠팡이든 아마존이든 가짜 리뷰가 섞여 있다. AI한테 “자연어 패턴이 부자연스러운 리뷰를 골라줘”라고 먼저 돌리면 어느 정도 필터링이 된다. 너무 짧고 긍정적인 리뷰(“좋아요!”, “최고!”)가 몰려 있으면 의심해볼 것.
둘째, 소수 의견에 과잉 반응하지 마라. 1,000개 중 3건 나온 불만은 패턴이 아니라 이상치다. AI가 뽑아줬다고 다 중요한 게 아니다. 빈도와 심각도를 교차로 봐야 한다.
셋째, 분석에서 멈추지 마라. 리뷰 분석 보고서를 만들어놓고 아무것도 안 바꾸는 셀러가 생각보다 많다. 분석은 30분이면 끝나지만, 실행이 전부다. B2B 자동화로 운영 시간을 줄인 셀러들이 리뷰 분석까지 잘 실행하는 이유가 있다. 반복 업무에서 빠져나와야 이런 전략적 작업에 시간을 쓸 수 있으니까.
한 달에 한 번이면 충분하다
리뷰 분석을 매일 할 필요는 없다. 한 달에 한 번, 신규 리뷰를 모아서 AI에 넣는 것만으로 상품 개선의 사이클이 돌아간다.
더 자동화하고 싶다면 이런 흐름을 만들 수 있다.
- 매월 1일, 신규 리뷰 수집 (크롤러 또는 수동)
- AI 분석 → 개선 포인트 3개 도출
- 1개는 이번 달 상세페이지에 반영
- 나머지는 다음 발주/기획에 메모
이 루틴을 3개월만 돌리면, 별점은 서서히 오르고, 반품률은 내려가고, 전환율에도 영향이 간다. 화려한 기술이 아니라 반복 가능한 루틴이 결과를 만든다.
결국 리뷰는 고객이 건네는 로드맵이다
상품 개선의 방향을 셀러 혼자 머리 싸매고 정할 필요가 없다. 고객이 이미 말하고 있다. 다만 그 목소리가 1,000개의 텍스트 사이에 흩어져 있을 뿐이다.
AI는 그 흩어진 목소리를 모아서 패턴으로 바꿔주는 도구다. 거기에 드는 비용은 30분의 시간과 약간의 프롬프트 작성 능력이다. 지금 판매 중인 상품의 리뷰부터 한번 넣어보자. 별점 3~4점 구간에서, 그동안 못 들었던 이야기가 나올 것이다.
