AI는 고객 후기를 전부 읽을까?

AI가 고객 후기를 요약할 때 모든 후기를 그대로 읽을 필요는 없었다. 뉴욕 호텔 후기에서는 20개만 골라 넣어도 전체 후기로 만든 요약과 뜻 일치가 0.85였다. 중요한 것은 몇 개를 읽느냐만이 아니라 어떤 후기를 골라 읽느냐였다.

AI는 후기를 몇 개나 읽을까

이 질문을 확인하기 위해 이탈리아 칼라브리아대 연구진은 아마존 전자제품 후기, 트립어드바이저 뉴욕 호텔 후기, 2024년 미국 대선 때 경합 주 7곳의 X 글을 대상으로 실험했다. 후기와 글에는 긍정·부정, 기쁨·분노 같은 감정 7가지, 그리고 주제를 표시했다.

그다음 전체 글의 비율을 최대한 유지하면서 일부만 골라 GPT-5에 넣었다. 일부 후기만 넣었을 때 나온 요약이 전체 후기를 넣었을 때의 요약과 얼마나 같은 뜻인지 비교했다.

후기 20개만 넣어도 정말 비슷할까

뉴욕 호텔 한 곳의 후기를 전부 넣으면 입력량이 5만 4,000토큰을 넘었다. 그런데 후기를 골고루 뽑아 20개만 넣으면 약 1,500토큰으로 줄었고, 전체 후기로 만든 요약과의 뜻 일치는 0.85였다.

입력량은 97% 넘게 줄었다. 전체 후기의 1~2% 정도만 넣었는데도 요약에 필요한 내용이 상당 부분 담겼다는 뜻이다.

아마존 전자제품 후기도 비슷했다. 전체 요약에는 2만 8,000토큰이 넘게 필요했지만, 5~20개 후기만 넣었을 때 뜻 일치가 0.83 이상이었다.

20개보다 더 많은 후기를 넣어도 뜻 일치는 0.85~0.88에서 거의 멈췄다. 후기를 많이 넣는 것만으로 요약의 뜻이 계속 좋아지는 것은 아니었다.

그런데 후기 20개를 아무렇게나 골라도 될까

그렇지는 않았다. 같은 20개를 넣더라도 전체 후기의 특성을 골고루 반영해 뽑았을 때와 무작위로 뽑았을 때 결과가 달랐다.

아마존 제품은 골고루 고른 경우 뜻 일치가 0.86~0.87이었지만 무작위 선택은 0.76이었다. 뉴욕 호텔도 0.87~0.88과 0.80으로 차이가 났고, X 글에서는 0.83~0.84와 0.75로 차이가 났다.

세 가지 글 묶음의 무작위 선택 평균은 0.77이었다. 골고루 고른 20개는 전체 후기의 중요한 내용이 빠지지 않도록 구성됐지만, 무작위 선택은 특정 의견이나 주제에 치우칠 수 있었다.

후기가 5개로 줄어들면 차이는 더 커졌다. 이 실험에서는 아마존 제품이 0.82 대 0.63, 호텔이 0.79 대 0.66, X 글이 0.80 대 0.70으로 나타났다.

결국 후기를 적게 읽을수록 무엇을 골라 넣느냐가 더 중요해진다.

별점만 보고 후기를 고르면 부족할까

연구진은 후기를 고르는 기준도 비교했다. 긍정·부정의 비율만 전체와 맞춘 경우보다 주제와 감정까지 함께 고려한 경우가 요약과 원문의 뜻을 더 잘 맞췄다.

긍정·부정만 맞춘 선택의 주제 점수는 0.56, 요약 뜻 일치는 0.80이었다. 여기에 주제를 더하자 각각 0.66과 0.85가 됐고, 감정까지 더하자 0.68과 0.87이 됐다.

이 결과는 고객 후기를 단순히 좋은 후기와 나쁜 후기로만 나누는 것만으로는 부족할 수 있다는 것을 보여준다. 고객이 무엇을 말했는지까지 골고루 들어가야 요약에도 그 내용이 담길 수 있었다.

정보가 많은 후기가 더 잘 뽑힐 수도 있다

연구진은 골고루 후기를 고르는 방법이 무작위 선택보다 입력량이 조금 더 길었다고 적었다. 아마존 20개 기준으로는 1,756~1,961토큰이 들어갔고, 무작위 선택은 1,160토큰이었다.

주요 주제어가 많이 들어간 후기처럼 정보가 많은 후기를 먼저 뽑도록 설계했기 때문이다. 연구진은 후기를 전부 한꺼번에 넣으면 비용이 커지고, 많은 쪽의 의견이 요약에서 지나치게 커질 수 있다고 지적했다.

그럼 우리 가게 후기는 어떻게 남을까

국내 서비스에서도 AI가 상품과 후기를 요약하는 기능이 등장하고 있다. 쿠팡은 2026년 8월 7일 상품 비교와 리뷰 요약 등을 포함한 AI 기능을 내놓았고, 네이버는 2026년 5월 28일 간담회에서 AI 브리핑과 AI 검색 결과에 사용된 콘텐츠 가운데 70%가 블로그·카페·지식iN 같은 이용자 글이라고 밝혔다.

다만 쿠팡과 네이버가 실제로 후기를 몇 개 고르는지, 어떤 기준으로 고르는지는 공개되지 않았다. 따라서 특정 서비스가 반드시 이렇게 후기를 고른다고 말할 수는 없다.

이번 실험만 놓고 보면 입력량을 줄이기 위해 일부 후기만 고르는 경우, 주제와 내용이 분명한 후기가 요약에 들어갈 가능성을 생각해 볼 수 있다. 이는 이번 실험에서 확인된 결과를 국내 서비스에 적용해 본 예상이다.

사장님은 후기에서 무엇을 챙겨야 할까

후기 요청 문구부터 바꿔볼 수 있다(예상). 고객이 메뉴 이름이나 서비스 이름, 이용하면서 느낀 점이나 불편했던 점을 구체적으로 적도록 요청하는 방식이다.

불만 후기도 그냥 지나치지 않는 것이 좋다. 무엇이 불편했는지 확인하고 실제로 무엇을 고쳤는지 구체적으로 답하면 후기 안에 가게와 관련된 내용이 더 분명하게 남는다.

「좋아요」처럼 짧은 후기만 많이 쌓이는 것과 구체적인 내용이 담긴 후기가 쌓이는 것은 AI가 요약할 때 같은 방식으로 작용한다고 단정할 수 없다. 다만 이번 실험에서는 주제와 정보가 고르게 담긴 후기를 골랐을 때 전체 요약과 더 비슷한 결과가 나왔다.

그래서 중요한 것은 후기의 개수만 늘리는 것이 아니다. 고객이 실제로 무엇을 이용했고, 무엇이 좋았고, 무엇이 불편했는지가 드러나는 후기가 쌓이도록 만드는 것도 중요하다.

같이 읽을 글

• AI는 고객 후기를 어떻게 골라서 보여줄까?
• 배민이 AI로 가게를 고르면, 사장님은 무엇을 관리해야 할까?
• 플레이스 후기 200개가 왜 챗GPT에는 안 나올까?

자료 출처

• Large Language Models for Token-Efficient and Semantic-Preserving Opinion Summarization(Marozzo·Iannicelli, 이탈리아 칼라브리아대, 2026년 7월 arXiv 제출, 아마존·트립어드바이저·X 3개 묶음·GPT-5)
• 같은 연구의 공개 코드(표본 고르는 방법 3종)
• 같은 연구진의 후기 데이터 모음(아마존 전자제품·트립어드바이저 뉴욕 호텔)
• BERTopic: Neural topic modeling with a class-based TF-IDF procedure(Grootendorst, 2022, 실험에 쓴 주제 추출 방법)
• LV-Eval: A Balanced Long-Context Benchmark with 5 Length Levels Up to 256K(Yuan 등, 2024, 입력이 길수록 품질이 떨어지는 문제)
• 쿠팡 뉴스룸 「쿠팡, AI로 쇼핑 경험 개선…비교부터 구매 결정까지 한 번에」(2026년 8월 7일, 리뷰 요약 기능)
• 한국경제 「카페·블로그로 챗GPT 잡는다고?…네이버 의외의 승부수」(2026년 5월 28일, AI 브리핑 재료 중 이용자 글 70%)