아티클 인사이트

후기 10만 개, 다 읽고 계신가요? - AI 후기 요약 기능 도입기

후기 10만 개, 다 읽고 계신가요? - AI 후기 요약 기능 도입기

 

후기가 많을수록 오히려 불편해지는 이유

<상세페이지 내 후기 영역> 고객이 가장 오래 머무르는 공간 + 구매 결정에 직접적인 영향을 주는 핵심 정보 영역

후기가 많을수록 고객이 원하는 정보를 찾기는 오히려 어려워진다

 

어떤 요약을, 어떤 형태로 보여줄까

요약	적용	상세
키워드	의류 전용	12개 키워드를 기준으로 후기를 한 줄씩 정리
장단점	전 카테고리 공통	좋은 점/참고할 점

• 신중한 의사결정자 → 구도화된 장단점을 꼼꼼히 읽음
• 빠른 판단의 의사결정자 → 핵심 키워드 위주의 스캐닝

👉 1개의 뷰 강요 X, 두 가지 요약 방식 모두 제공하여 자신의 쇼핑 스타일과 상화에 맞춰 선택하도록

 

신상품도 요약이 필요해: Priority Falback(우선순위 대체)

😭부족한 신상품 후기 → 😁 다른 색상 상품 후기로 대체

 

Priority Falback 구조

• 해당 상품 자체 후기 충분 → 해당 상품 기준 요약 (Priority 1)
• 부족 → 아더 컬러 전체 후기 기준 요약 (Priority 2)

* 검정 상품에 후기가 쌓여 자체 요약이 생성되면 자동으로 Priority 1로 전환

 

AI 호출 한번이면 된다고요?-모델과 프롬프트 이야기

❌ AI에게 원하는 결과물의 예시 제공하면 참고 X, 거의 그대로 복사

⭕ 구체적인 문장 구조 대신 구조만 제공 

• [속성]이 [평가]해요 (단순)
• [속성] 덕분에 [결과]해요 (인과)
• [기대/가격] 대비 [평가]해요 (비교)

구체적 예시는 복사를 유발하고, 추상적 템플릿은 창의를 유발한다.

 

단점을 보여줄 것인가

양쪽 다 고객인 플랫폼의 전형적인 딜레마

파트너사	플랫폼			고객
Negative 판매 미진 우려 / 브랜드 신뢰 하락	👈	단점을 보여준다	👉	Positive 상품 신뢰 상승

 

단점을 숨기지 않되, 표현을 완화하는 방식 선택 → 완충어(쿠션어) 적용으로 톤 조절

 

AI가 생성한 요약이 실제로 고객에게 도움이 되는지 요약 섹션 하단에 '도움이 됐어요/별로예요' 평가 버튼 배치

* '별로예요' 선택 시 바템 시트를 통해 아쉬웠던 점 추가 수집 → 요약 모델 개선과 검수 기준 고도화에 직접 활용

 

기술을 넘어 '경험'으로 완성하다-ux와 디자인

탐색의 효율과 '검증의 심리'를 충족하는 동선: 상단 퀵 링크

PDP 진입 시 "다른 사람들은 어떻게 생각할까?"를 가장 먼저 궁금해 하는 사용자 니즈 반영

AI 요약 보기 → 후기 센션 도달 → 요약 확인

 

---

 

인사이트

 

  기획 숙련 과제를 진행하면서 내가 선택한 페르소나는 ‘리뷰 열람 여부가 장바구니 전환에 직접적인 영향을 미치는 사용자’였다. 이 글이 리뷰에 대한 글이다보니 과제가 생각나면서 더욱 와닿았다. 단순히 리뷰를 많이 보여주는 것이 아니라, 사용자가 리뷰를 통해 실제로 구매 결정까지 이어지도록 어떻게 설계할지를 고민한 흔적이 잘 드러난 글이었다.

  특히 인상 깊었던 부분은 AI 후기 요약 자체만 설계하고 끝내는 것이 아니라, 발생할 수 있는 예외 케이스를 세밀하게 고려했다는 점이다. 단순히 “어떤 정보를 어떻게 요약해서 보여줄까”에서 끝나는 것이 아니라, 리뷰가 부족한 상황에서는 어떻게 대체할지까지 고민한 부분이 인상 깊었다. 나중에 비슷한 문제를 마주했을 때 참고할 수 있는 좋은 레퍼런스가 될 것 같다는 생각도 들었다. 그중에서도 가장 흥미로웠던 사례는 특정 상품의 리뷰가 부족할 경우, 동일 상품의 다른 색상 리뷰를 활용한다는 방식이었다. 이 방식은 무신사만이 가진 독특한 커머스 구조 때문에 가능한 접근이라는 생각이 들었다. 무신사는 보세 의류 판매가 아닌, 하나의 브랜드가 자체 상품을 판매하는 구조다. 따라서 동일 상품을 다른 판매자에게서 찾기 어렵다. 그렇기 때문에 특정 상품에 리뷰가 부족할 경우, 같은 판매자의 다른 색상의 리뷰를 대체 데이터로 활용한 것이다.

  반면 에이블리나 지그재그 같은 플랫폼은 구조가 다르다. 보세 의류 중심 플랫폼 특성상 동일하거나 매우 유사한 상품을 여러 판매자가 동시에 판매하는 경우가 많다. 그래서 A 스토어에 리뷰가 부족하더라도, 유사 상품 분석을 통해 B 스토어의 리뷰를 참고 데이터로 활용하는 경우가 있다. 이런 플랫폼의 특징을 살려서 AI 기반 리뷰 시스템을 도입한다면, 단순히 리뷰 요약만 하는 것을 넘어 "‘동일 상품 리뷰 통합 및 대체’ 기능까지 발전할 수 있지 않을까?" 하는 생각이 들었다. 물론 현실적으로는 해결해야 할 문제도 많다. 수많은 판매자의 상품을 검수하고, 실제로 동일 상품인지 판별해 묶는 과정 자체에 상당한 공수가 들어갈 수 있다. 또한 특정 스토어의 리뷰를 다른 스토어에서 활용할 경우 사용자 이탈이나 판매자 간 이해관계 문제도 발생할 수 있다. 그래서 기술적으로 가능하더라도 플랫폼 운영 측면에서는 매우 신중하게 접근해야 하는 영역이라는 생각이 들었다.

  또 하나 흥미로웠던 부분은 AI 프롬프트 설계 방식이었다. AI에게 완성된 문장 예시를 직접 제공하기보다, 결과물의 ‘구조’를 제시했을 때 더 풍부하고 다양한 결과가 나온다고 설명한다. 이 부분은 나 역시 비슷한 경험이 있어서 더욱 공감됐다. 실제로 AI에게 원하는 결과물 예시를 그대로 보여주면, 그것을 참고해 발전시키기보다는 거의 복제에 가까운 결과를 내놓는 경우가 많다. 나는 예시를 기반으로 더 확장된 결과나 다양한 방향의 결과물을 기대했지만, AI는 오히려 형식을 그대로 따라가는 데 집중했던 것이다. 그런데 이 글을 통해 문장이 아닌 ‘추상화된 템플릿’, 즉 구조 자체를 제공하면 이런 문제가 해결될 수 있다는 점을 새롭게 알게 되었다. 특정 기준에 따라 정보 구조를 설계해두면 AI가 그 틀 안에서 더 다양한 방식으로 내용을 생성할 수 있다. 다음에 AI를 활용해 결과물을 설계하게 된다면, 단순 예시 제공이 아니라 구조 중심으로 프롬프트를 설계해보고 싶다는 생각이 들었다.

  이외에도 글 전반에는 다양한 AI 후기 설계 사례와 고민들이 담겨 있어, 무신사뿐 아니라 여러 플랫폼이 AI를 리뷰 경험에 어떻게 접목하고 있는지 함께 떠올려볼 수 있었다. 전반적으로 AI 기반 후기 요약과 리뷰 UX를 구조적으로 이해하는 데 도움이 되었고, 실제 서비스 기획 관점에서도 많은 인사이트를 얻을 수 있었던 글이었다.