AI는 고객 후기를 어떻게 골라서 보여줄까?

경험담이 AI 답에서 약해지는 이유

AI에게 「이 가게 어때?」라고 물으면 고객 후기가 모두 고르게 반영되는 것은 아니다. 레딧 AI 검색 3만 개 답을 분석한 연구에서는 추천을 많이 받고 먼저 달린 댓글, 단정적인 말투의 댓글이 더 자주 선택됐다. 특히 경험담은 선택 단계에서도 덜 뽑히고, 선택된 뒤 요약 과정에서도 경험담이라는 특징이 약해졌다.

AI는 고객의 경험을 그대로 모으기보다, 선택하기 쉬운 글을 골라 일반적인 조언처럼 요약한다.

정말 경험담 후기는 AI 답에서 잘 빠질까?

그렇다고 볼 만한 조사 결과가 있다. 미국 일리노이대 연구진은 레딧의 AI 검색 기능인 레딧 앤서즈를 조사했다.

레딧 앤서즈는 이용자가 질문하면 레딧 글을 찾아 하나의 답으로 요약하고, 그 답에 사용한 댓글도 함께 보여 주는 기능이다. 연구진은 재테크·마음 건강·법률·의료·육아·연애 등 상담·조언 커뮤니티 20곳의 글에서 실제 질문 1만 개를 뽑아 각각 3번씩 물었다.

항목	내용
조사 주체	미국 일리노이대 연구진
대상	레딧 앤서즈(레딧의 AI 검색)
질문	1만 개(상담·조언 커뮤니티 20곳, 2025년 8월~2026년 7월 글에서 추출)
답	3만 개(질문마다 3번)
분석한 글	글타래 33만 7,690개·댓글 1,468만 개·커뮤니티 8,590곳

같은 글타래 안에서 어떤 댓글이 선택됐는지를 비교하니 점수, 댓글 위치, 작성 시점, 말투에 차이가 나타났다.

어떤 댓글이 AI에 잘 선택될까?

가장 눈에 띄는 것은 댓글의 위치와 점수다. AI가 고른 댓글의 92%가 대댓글이 아닌 맨 위 댓글이었다. 전체 댓글에서 맨 위 댓글이 차지하는 비율은 53%였다.

댓글이 얼마나 빨리 달렸는지도 차이가 있었다. AI가 고른 댓글은 글이 올라온 뒤 중앙값 1.2시간 만에 작성됐고, 선택되지 않은 댓글은 5.9시간이었다.

점수가 낮은 댓글도 AI 답에서 크게 줄었다. 점수가 0 이하인 댓글은 전체의 5.1%였지만, AI가 고른 댓글에서는 0.53%였다. 반대 의견이나 비판적인 내용은 AI가 요약하기 전에 이미 선택 과정에서 적게 남을 수 있다는 뜻이다.

댓글 조건	뽑힐 승산(odds) 변화
글타래 안 점수 순위가 한 단계(1표준편차) 높음	2.88배
외부 링크가 있음	2.25배
맨 위 댓글(대댓글 아님)	1.97배
댓글이 김	1.79배
답글 깊이가 한 단계 깊음	0.50배
논쟁 표시가 붙음	0.744배
운영진 표시 댓글	0.010배

말투도 영향을 줄까?

말투 역시 차이가 있었다. 격식 있는 말투가 한 단계 높을 때 선택될 승산은 1.488배였다. 「~해야 한다」처럼 방향을 분명하게 제시하는 지시형 말투도 선택에 유리했다.

반대로 경험담 말투는 한 단계 높을 때 선택될 승산이 0.789배였다. 따뜻한 말과 긍정적인 감정 표현도 선택에 불리한 쪽에 있었다.

말투	뽑힐 승산 변화(한 단계 높을 때)
격식 있는 말투	1.488배
지시형(「~해야 한다」)	1.070배
구체적인 정보	1.019배
따뜻한 말	0.924배
긍정 감정	0.801배
경험담 말투	0.789배

경험담 자체가 가치 없다는 뜻은 아니다. 고객이 실제로 가게를 이용하면서 겪은 일은 분명한 정보지만, AI가 여러 댓글을 하나의 답으로 줄이는 과정에서는 다른 형태의 문장보다 덜 남을 수 있다.

선택된 경험담도 그대로 전달될까?

그렇지 않다. 원래 댓글에서는 1인칭 단수 표현이 전체 낱말의 3.3%였지만, 레딧 AI 답에서는 0.06%로 줄었다. 「내가 해 보니」처럼 누군가 직접 겪은 일을 말하는 표현이 사라지고, 일반적인 조언처럼 바뀌는 것이다.

과거형 표현도 원래 댓글의 2.7%에서 레딧 AI 답의 0.9%로 줄었다. 고객이 실제로 무엇을 했고 어떤 일을 겪었는지 보여 주는 표현이 요약 과정에서 약해졌다.

지표	원래 댓글	레딧 AI 답	GPT-4o-mini(검색)	GPT-5(검색)
1인칭 단수 표현	3.3%	0.06%	0.3%	0.9%
인칭 대명사 전체	9.5%	3.8%	4.1%	4.8%
과거형 표현	2.7%	0.9%	0.8%	0.9%
격식 점수(0~1)	0.65	0.82	0.90	0.54

같은 질문을 검색을 켠 일반 AI에 물었을 때도 1인칭 표현은 줄었다. 경험담이 AI 답에 들어오더라도 「누군가가 직접 겪은 이야기」라는 표시가 약해질 수 있다.

AI는 커뮤니티 목소리를 골고루 보여 줄까?

또 다른 조사에서는 실제 검색어 1만 1,000개를 대상으로 검색 시스템 5종을 비교했다. 이 조사에서도 AI 요약은 「아마」 같은 조심스러운 표현을 최대 60% 줄였고, SNS 글과 부정적인 글은 덜 반영됐다.

일반 AI가 커뮤니티 글을 항상 많이 참고하는 것도 아니다. 두 모델이 검색을 스스로 켜거나 강제로 켠 조건에서 단 인용 4,932건 가운데 레딧 인용은 18건, 0.4%였다. 미국 국세청과 질병통제예방센터 같은 기관 사이트의 인용이 훨씬 많았다.

한국 가게도 똑같다고 봐도 될까?

이번 연구는 레딧을 대상으로 한 연구이기 때문에 네이버 카페나 지역 커뮤니티를 요약하는 AI에서도 똑같은 결과가 나오는지는 확인되지 않았다.

다만 한국의 AI 검색에서도 이용자 글은 중요한 재료다. 네이버는 AI 브리핑과 AI 검색 결과에 사용한 콘텐츠의 70%가 블로그·카페 같은 이용자 글이라고 밝혔다.

항목	수치	출처
네이버 AI 답 재료 중 이용자 글(블로그·카페)	70%	네이버 콘텐츠서비스 부문장(2026년 5월 28일 간담회)
네이버 AI 브리핑 월 이용자	3,000만 명	네이버 보도자료(2026년 5월 28일)
레딧 주간 이용자	약 5억 명	레딧 실적 발표(2026년 4월 30일)

사장님은 홈페이지와 공식 답글을 어떻게 챙길까?

커뮤니티에 올라온 고객 글 자체를 가게가 통제하기는 어렵다. 가게가 직접 관리할 수 있는 곳은 홈페이지와 공식 답글이다.

공식 정보를 적을 때는 영업시간, 예약 방법, 가격, 메뉴처럼 고객이 확인해야 할 사실을 분명하게 적는다. 후기 내용을 홈페이지에 옮길 때도 날짜·메뉴·가격 같은 사실을 함께 적어 둔다.

커뮤니티에서 가게로 답할 때는 해당 커뮤니티의 규칙을 지키면서 일찍, 맨 위 댓글로, 시간·가격·조건을 사실 위주로 쓴다. 다만 이것이 네이버나 다른 한국 커뮤니티의 AI에도 똑같이 적용된다고 확인된 것은 아니다.

할 일	근거
커뮤니티 질문에 가게로서 답할 땐 규칙을 지키며 일찍, 맨 위 댓글로, 시간·가격·조건 사실 위주로 쓴다	고른 댓글 92%가 맨 위 댓글, 중앙값 1.2시간 만에 달림
후기를 홈페이지에 옮길 땐 날짜·메뉴·가격 같은 사실을 함께 적는다	요약 뒤 1인칭 표현 3.3%→0.06%
영업시간·예약 방법 같은 공식 정보는 홈페이지에 단정한 문장으로 적는다	격식 있는 말투 승산 1.488배
AI 요약만 보지 말고 원래 글타래의 비판 글을 직접 읽는다	점수 0 이하 댓글 전체 5.1% → AI 선택 0.53%
같은 질문을 며칠에 걸쳐 여러 번 확인한다	두 번 물어 출처가 완전히 같았던 비율 큰 커뮤니티 41.8%, 작은 커뮤니티 24.6%

AI가 보여 주는 답만 보고 고객 여론을 판단해서도 안 된다. 점수 0 이하인 댓글이 전체에서는 5.1%였지만 AI가 선택한 댓글에서는 0.53%였기 때문에, 원래 글타래에 있던 비판이나 반대 의견이 답에서 적게 보일 수 있다.

같은 질문을 며칠에 걸쳐 여러 번 확인하는 것도 방법이다. 두 번 물었을 때 출처가 완전히 같았던 비율이 큰 커뮤니티에서는 41.8%, 작은 커뮤니티에서는 24.6%였다.

① AI가 고른 댓글의 92%가 맨 위 댓글이었고, 전체에서 맨 위 댓글은 53%였다. ② 격식 있는 말투의 선택 승산은 1.488배였고, 경험담 말투는 0.789배였다. ③ 1인칭 단수 표현은 요약 뒤 3.3%에서 0.06%로 줄었다. ④ 네이버가 밝힌 AI 답 재료 중 블로그·카페 같은 이용자 글은 70%였다.

같이 읽을 글

자료 출처

작성일 2026년 9월 26일 · 고침 2026년 9월 27일

#AI의 눈 #커뮤니티 #후기 #경험담 #레딧

← 칼럼 목록