리뷰 부정 키워드 추출이란, 고객이 남긴 부정 리뷰에서 반복적으로 등장하는 단어와 표현을 뽑아내 '무엇이 가장 자주 문제되는지'를 수치로 파악하는 작업입니다. 리뷰 한두 개를 눈으로 읽는 것과 달리, 수백 개 리뷰에 흩어진 공통된 불만의 패턴을 빈도 데이터로 드러내는 것이 핵심입니다.
왜 부정 키워드를 따로 뽑아야 하나
평균 별점만 보면 '평점이 떨어졌다'는 사실은 알아도 '왜' 떨어졌는지는 알 수 없습니다. 별 1개짜리 리뷰 50개가 모두 배송 문제인지, 절반은 품질 절반은 사이즈 문제인지에 따라 대응이 완전히 달라집니다. 부정 키워드 추출은 이 '왜'를 단어 단위로 드러내 줍니다.
또한 어떤 불만이 몇 번 반복되는지를 세어 보면, 감이 아니라 빈도라는 객관적 근거로 개선 우선순위를 정할 수 있습니다. 10번 나온 불만과 1번 나온 불만을 같은 무게로 다루던 실수를 줄일 수 있습니다.
한국어 리뷰에서 키워드 추출이 어려운 이유
- 조사·어미가 붙어 '배송이', '배송은', '배송도'가 모두 다른 단어로 집계됨
- '좋아요', '잘 쓰고 있어요' 같은 일반 표현이 빈도 상위를 차지해 신호를 가림
- 오타·줄임말·신조어가 많아 같은 뜻이 여러 형태로 흩어짐
- 긍정 리뷰 안에도 부정어가 섞여 있어 감성 분리를 먼저 해야 함
그래서 단순히 '많이 나온 단어'를 세는 것만으로는 쓸모 있는 결과가 나오지 않습니다. 불용어를 걸러내고, 부정 리뷰만 먼저 분리하고, 단어를 원형에 가깝게 정리하는 전처리가 반드시 필요합니다.
부정 키워드를 뽑는 5단계
- 쿠팡·스마트스토어에서 리뷰를 CSV로 내려받아 한곳에 모은다
- 감성(긍정/중립/부정)으로 분류해 부정·중립 리뷰만 따로 분리한다
- 조사·어미·일반 명사 같은 불용어를 제거해 의미 있는 단어만 남긴다
- 빈도 상위 단어와 '배송 느림'처럼 붙어 다니는 2어절 묶음(바이그램)을 집계한다
- 상위 키워드를 카테고리(배송/품질/가격/사용성/CS/기타)와 연결해 어느 영역 문제인지 확인한다
단어 하나보다 '단어 묶음'이 중요한 이유
'배송'이라는 단어만 뽑으면 배송이 빠르다는 칭찬인지 느리다는 불만인지 구분되지 않습니다. 반면 '배송 느림', '포장 파손', '색상 다름'처럼 두 단어가 붙은 묶음(바이그램)을 집계하면 불만의 맥락이 그대로 드러납니다. 실무에서 바로 액션으로 옮길 수 있는 건 대부분 이 단어 묶음 쪽입니다.
추출한 키워드를 액션으로 바꾸기
- '사이즈', '작다'가 자주 보이면: 상세페이지에 실측 치수와 착용·비교 사진 추가
- '파손', '포장'이 자주 보이면: 완충재·박스 규격 등 포장 방식 점검
- '설명과 다름'이 자주 보이면: 상세페이지 문구와 실제 구성의 불일치 수정
- '문의', '답변 없음'이 자주 보이면: CS 응대 속도와 템플릿 재정비
ReviewBoost로 자동화하기
위 5단계를 손으로 하려면 부정 리뷰만 골라내고 조사를 지우고 단어를 세는 데만 상당한 시간이 듭니다. ReviewBoost는 CSV를 업로드하면 감성·카테고리 6버킷 분류와 함께 부정 키워드 TOP10을 자동으로 뽑아 줍니다. 한국어 불용어·조사 처리와 바이그램 집계가 내장돼 있어, 셀러는 결과를 보고 '무엇부터 고칠지'만 판단하면 됩니다.
여기에 부정 비율·리뷰 볼륨·최근성을 반영한 0~100점 우선순위 점수가 함께 제시되므로, 여러 불만 중 지금 매출과 평점에 가장 크게 영향을 주는 항목부터 순서대로 대응할 수 있습니다. 결과는 PDF 리포트로 내려받아 팀과 공유하기도 좋습니다.