리뷰 2,400건을 AI에 넣고 ‘대체로 만족, 배송과 가격에 일부 불만’이라는 요약을 받았다면 무엇을 고쳐야 할까. 문장은 매끄럽지만 제품팀도, 마케팅팀도, 고객경험팀도 다음 행동을 정하기 어렵다. 고객 리뷰 분석의 문제는 데이터가 많아서가 아니라 별점과 감정 요약만으로는 구매 이유와 실패 장면, 이탈 신호의 조건이 분리되지 않는 데 있다.
이 책은 리뷰를 고객의 속마음을 알아맞히는 도구가 아니라 ‘결정이 지나간 흔적’을 읽는 데이터로 다룬다. 기능·감정·구매 상황·불만 원인의 네 축으로 코드북을 만들고, AI가 같은 기준을 반복하도록 닫힌 선택지와 근거 문장을 요구하는 지시문을 설계한다. 첫 100건의 기준 데이터를 사람이 독립 코딩하고, 정확도뿐 아니라 희귀 신호의 정밀도와 재현율까지 확인하는 검증 절차도 제시한다.
긍정 리뷰에서는 칭찬 단어가 아니라 선택의 계기를, 부정 리뷰에서는 감정의 크기가 아니라 증상·원인·책임 대상을 분리한다. ‘다시는 안 산다’는 표현을 실제 이탈로 단정하지 않고 재구매·문의 데이터와 연결하며, 빈도·심각도·확산성·해결 가능성을 함께 보아 개선 순서를 정한다.
리뷰를 광고 카피의 재료로만 소비하지 않고 제품 백로그와 메시지 실험, 고객경험 개선으로 이어가고 싶다면 이 책이 분석의 질문부터 바꿔 준다. AI가 뭐라고 요약했는지가 아니라 어느 원문이 판단을 지지하고, 무엇을 바꾼 뒤 어떤 행동 데이터로 다시 확인할지를 묻게 만드는 실전 분석서다.