# AI는 고객 후기를 어떻게 골라서 보여줄까?

_경험담이 AI 답에서 약해지는 이유_

> 레딧 AI 검색 3만 개 답을 분석한 결과, 선택된 댓글의 92%가 맨 위 댓글이었다. 경험담 말투의 선택 승산은 0.789배였고, 요약 뒤 1인칭 표현은 3.3%에서 0.06%로 줄었다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/ai-community-summaries-keep-the-loudest-voices
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-09-26

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

 

- 후기는 어디에 있어야 AI가 읽을까?

- 게시판에 글 하나 쓰면 AI의 식당 추천도 바뀔까?

- AI는 노트북 하기 좋은 카페를 어떻게 고를까?

- 플레이스 후기 200개가 왜 챗GPT에는 안 나올까?
 

## 자료 출처

 

- Goyal·Claire·Chandrasekharan(일리노이대) 「The Wisdom of the Loudest: A Large-Scale Audit of Generative Search on Reddit」(arXiv 2609.14575, 2026년 9월 13일, 질문 1만 개×3회·답 3만 개·댓글 1,468만 개) — 승산 2.88·1.97·1.488·0.789배, 1인칭 3.3→0.06%, 비추천 댓글 5.1→0.53%, 레딧 인용 0.4%

- Huang·Goyal·Saha·Chandrasekharan 「Answer Bubbles: Information Exposure in AI-Mediated Search」(arXiv 2603.16138, 2026년 3월, 실제 검색어 1만 1,000개·5개 시스템) — 조심스러운 표현 최대 60% 감소, SNS·부정적 출처 덜 반영

- 모틀리풀 「Reddit (RDDT) Q1 2026 Earnings Call Transcript」(2026년 4월 30일 실적 발표) — 전 세계 주간 이용자 약 5억 명, 레딧 앤서즈 비교 기능

- 한국경제 「카페·블로그로 챗GPT 잡는다고?…네이버 의외의 승부수」(2026년 5월 28일) — 네이버 미디어 간담회, 이일구 콘텐츠 서비스 부문장: AI 브리핑·AI 검색 결과에 쓴 콘텐츠 중 네이버 이용자 글(UGC: 블로그·카페·지식iN 등) 70%

- 비즈워치 「[챗ICT]네이버가 블로그·카페에 1조 베팅한 이유」(2026년 6월 4일) — 이일구 네이버 콘텐츠서비스 부문장: AI 브리핑·AI 검색 결과에 쓴 콘텐츠 중 네이버 이용자 글(UGC) 70%

- 네이버 보도자료 「'콘텐츠의 힘' 가장 잘 아는 네이버, AI 기술에 차별화된 데이터·콘텐츠 역량 더해 일상에 더 깊게 스며들 것」(2026년 5월 28일) — AI 브리핑 월 이용자 3,000만 명