이벤트로 후기를 많이 받으면 가짜 후기로 잡힐까?

가게 오픈 이벤트나 할인 행사 뒤에 고객 후기가 한꺼번에 올라오면 가짜 후기로 의심받을 수 있는지가 궁금할 수 있다. 최근 가짜 후기 탐지는 글의 내용만 보는 방식에서 벗어나고 있다. 211편의 연구를 정리한 조사에서는 후기의 시기, 별점, 계정 활동, 계정 사이의 관계까지 함께 살피는 흐름이 확인됐다.

가짜 후기를 잡을 때 글만 보는 건 아닐까?

가짜 후기 탐지 연구는 꾸준히 늘고 있다. 중국 구이저우재경대·하얼빈공대(선전) 연구진이 2018년부터 2026년 3월 27일까지 나온 관련 연구를 찾아 211편을 정리했다.

2025년 한 해에만 53편이 나왔다. 방식별로 보면 사람이 특징을 정해 기계가 판단하는 기계학습 연구가 92편으로 가장 많았고, 딥러닝 71편, 사전학습 언어모델 30편, 대형 언어 AI를 사용한 연구는 18편이었다.

초기 가짜 후기 탐지는 주로 글 자체를 봤다. 단어, 문장 모양, 감정 표현처럼 글에서 드러나는 특징을 정해 놓고 가짜와 진짜를 구분하는 방식이다.

연구에 많이 쓰인 자료에는 아마존 쇼핑 후기와 옐프 식당 후기, 호텔 후기가 포함됐다. 특히 식당 후기는 옐프의 여러 지역 자료와 중국 다중뎬핑 자료 등이 활용됐다.

글만 보면 왜 부족할까?

글의 특징을 이용한 탐지는 같은 분야 안에서는 잘 맞을 수 있다. 하지만 다른 분야의 후기에 적용하면 성능이 떨어지는 문제가 나타났다.

한 연구에서는 식당 분야로 옮겨 적용했을 때 정확도가 77%였지만 병원 후기로 옮기자 52~64.7%에 그쳤다. 중국 징둥 전자제품 후기를 대상으로 한 다른 방식도 평균 정확도는 88.1%였지만 20단어 미만의 짧은 후기에서는 성능이 떨어졌다.

이런 결과는 후기 문장만으로 판단하는 데 한계가 있음을 보여준다. 특히 AI가 사람처럼 자연스러운 문장을 만들 수 있게 되면서 글의 문법이나 표현만으로 가짜 여부를 가르는 일은 더 어려워지고 있다.

탐지기는 고객의 행동도 보나?

최근 연구에서 중요하게 다뤄지는 것은 계정과 후기의 행동이다. 조사에서는 크게 네 가지 행동 신호가 정리됐다.

첫째는 작성 빈도다. 한 계정이 비정상적으로 자주 후기를 쓰는지 본다. 둘째는 계정 활동이다. 일반적인 고객과 다른 이용 모습을 보이는지를 살핀다.

셋째는 별점 분포다. 5점이나 1점에 지나치게 몰려 있는지가 신호가 될 수 있다. 넷째는 같은 계정 무리의 반복 등장이다. 여러 상품이나 가게에서 같은 계정 무리가 함께 나타나는지를 보는 방식이다.

여기에 시기도 들어간다. 조사에서는 판촉 기간이나 순위 경쟁 시점에 후기가 한꺼번에 몰리는 경우가 많다고 정리했다. 짧은 기간에 후기가 몰리는 현상을 따로 찾아내는 탐지 방법도 연구됐다.

이 부분이 오픈 이벤트나 할인 행사를 진행하는 가게에서 특히 볼 만한 대목이다. 이벤트 때문에 실제 고객이 같은 기간에 후기를 많이 남겼다고 해도, 결과적으로는 탐지기가 보는 일부 신호와 비슷한 모양이 나타날 수 있다.

그렇다고 후기 몰림 하나만으로 가짜 후기라고 판단한다고 볼 수는 없다. 조사에서도 탐지 결과 때문에 실제 이용자나 가게가 피해를 볼 수 있기 때문에, 어떤 근거로 가짜라고 판단했는지를 설명할 수 있어야 한다고 적었다.

AI에게 물어보면 가짜 후기를 잘 찾아낼까?

대형 언어 AI도 가짜 후기를 만드는 데 쓰이고, 반대로 가짜 후기를 찾는 데도 쓰인다. 다만 AI에게 아무 예시 없이 「이 후기가 가짜인가」라고 묻는 것만으로는 충분하지 않았다.

챗GPT-3.5, GPT-4, 라마2를 대상으로 한 연구에서 별도의 예시 없이 가짜 여부를 판단하게 했을 때 정확도는 대체로 45% 아래였다. 반면 가짜 후기를 따로 학습한 DeBERTa-v3 모델은 96%를 넘는 정확도를 보였다.

또 다른 연구에서는 GPT-4로 여러 언어의 가짜 호텔 후기 1만 건을 만들었다. 이 연구에서는 언어를 바꾸면 탐지 성능이 크게 떨어졌다.

결국 대형 언어 AI가 글을 읽고 자연스럽게 판단하는 것과, 가짜 후기 탐지를 목적으로 훈련된 모델이 여러 신호를 이용해 판단하는 것은 다르다. 특히 AI가 만든 글도 문법과 감정, 글의 흐름만으로는 사람의 글과 구별하기 어려워지고 있다는 점이 조사에서 다뤄졌다.

그럼 가게에서는 후기를 어떻게 받아야 할까?

사장님 입장에서 중요한 것은 이벤트 자체보다 후기 생성 방식이다. 후기를 짧은 기간에 집중시키거나 특정 별점을 유도하는 방식은 탐지기가 보는 신호와 겹칠 수 있다.

그래서 오픈 이벤트나 할인 행사를 할 때는 기간을 길게 잡아 후기가 하루 이틀에 몰리지 않게 하는 방법을 생각할 수 있다(예상). 별점을 조건으로 걸지 않는 것도 5점 쏠림을 만드는 일을 피하는 방법이다.

아는 사람 여러 명이 같은 날 연달아 후기를 올리는 방식도 주의할 필요가 있다. 조사에서 정리한 계정 무리의 반복 등장과 비슷한 형태로 보일 수 있기 때문이다.

다만 실제 고객이 남긴 후기라는 이유만으로 문제가 없다고 단정하거나, 반대로 후기 숫자가 몰렸다는 이유만으로 가짜라고 단정할 수도 없다. 가짜 후기 탐지는 글, 시기, 별점, 계정 활동과 계정 사이의 관계를 함께 보는 방향으로 바뀌고 있기 때문이다.

국내 플랫폼은 어떤 행동을 문제 삼나?

국내에서도 후기 글의 내용만이 아니라 후기와 검색 결과를 조작하는 행위가 문제로 다뤄졌다. 공정거래위원회는 2024년 6월 13일 임직원을 동원해 자체 상품 후기를 쓰게 하고 검색 순위를 조작한 쿠팡과 자회사에 과징금 1,400억 원을 부과했다.

네이버도 2025년 10월 14일 「플레이스 상위 노출 어뷰징 주의 안내」를 통해 후기 조작 등으로 검색 결과를 왜곡하는 이용자에게 불이익을 줄 수 있다고 밝혔다.

이 사례를 보면 사장님이 신경 써야 할 부분은 단순히 후기 숫자를 늘리는 일이 아니다. 실제 고객이 자연스럽게 후기를 남길 수 있도록 이벤트 방식을 설계하고, 특정 별점이나 특정 시점에 후기가 과도하게 몰리는 형태는 피하는 것이 중요하다.

후기 탐지 기술은 이제 「무슨 말을 썼는가」만 보는 데 머물지 않는다. 언제 썼는지, 얼마나 자주 썼는지, 어떤 별점을 줬는지, 다른 계정과 어떤 움직임을 보이는지도 함께 살피는 방향으로 연구가 이어지고 있다.

같이 읽을 글

• 체험단 후기를 홈페이지 별점에 넣어도 될까?
• 가짜 후기는 AI 답변까지 흔들 수 있나?
• 고객이 직접 쓴 후기도 AI 글로 오해받을까?

자료 출처

• A Survey on Fake Review Detection: From Pre-trained Language Models to Large Language Models(Yang·Chen·Yu 등 6인, 구이저우재경대·하얼빈공대(선전)·구이저우상업대, 2026년 9월 arXiv 제출, 연구 211편·2018.1~2026.3)
• MAiDE-up: Multilingual Deception Detection of GPT-generated Hotel Reviews(Ignat·Xu·Mihalcea, 미시간대, 2024, GPT-4 가짜 호텔 후기 1만 건)
• Large Language Models as 'Hidden Persuaders': Fake Product Reviews are Indistinguishable to Humans and Machines(Meng 등 9인, 2025)
• Finding Deceptive Opinion Spam by Any Stretch of the Imagination(Ott 등, 코넬대, ACL 2011, 호텔 가짜 후기 데이터 OpSpam)
• 경향신문 「공정위, 쿠팡에 과징금 1400억…검색순위 조작, 직원 동원 리뷰」(2024년 6월 13일)
• 뉴시스 「1점 리뷰 지울테니 5만원…네이버 리뷰 조작·검색 왜곡 행위엔 페널티」(2025년 10월 14일, 네이버 플레이스 어뷰징 주의 공지)