쿨링 샴푸 기획기 ④ | 리뷰 텍스트 분석

왜 리뷰 텍스트를 분석할까?

이전 글에서는 브랜드별 리뷰 수와 평점, 가격대, 도움돼요 반응을 살펴보며 소비자 반응의 전반적인 흐름을 확인했습니다.
이를 통해 어떤 제품이 많이 언급되고, 브랜드와 가격대에 따라 반응이 어떻게 달라지는지 파악할 수 있었습니다.

하지만 정량 지표만으로는 소비자가 왜 그런 평가를 남겼는지 설명하기 어렵습니다.
같은 5점 리뷰라도 누군가는 강한 쿨링감에 만족했을 수 있고, 다른 누군가는 세정력이나 향, 자극이 적은 사용감을 높게 평가했을 수 있습니다. 낮은 평점 역시 리뷰 본문을 살펴봐야 구체적인 불만의 원인을 알 수 있습니다.

따라서 이번에는 점수와 수치에서 한 걸음 더 나아가 소비자가 실제로 사용한 언어에 집중했습니다.
리뷰에서 반복되는 표현과 평가 맥락을 살펴보고, 소비자가 쿨링 샴푸에서 기대하는 경험과 구매를 망설이게 만드는 요인을 분석했습니다.

리뷰는 단순한 후기 모음이 아니라 소비자가 제품을 평가하는 기준을 담고 있습니다.
이번 분석에서는 소비자의 언어를 통해 무엇을 기대하고, 무엇에 만족하며, 어떤 점을 불편하게 느끼는지를 살펴봅니다.

분석 데이터

이번 분석에서는 이전 글에서 전처리를 완료한 올리브영 쿨링 샴푸 리뷰 데이터를 활용했습니다.
중복 리뷰 제거와 가격대 생성, 옵션혜택 분리, 도움돼요 구간화, 리뷰 길이 계산 등의 전처리를 마친 데이터를 기반으로 텍스트 분석을 진행했습니다.

이번에는 평점이나 리뷰 수와 같은 정량 지표보다 리뷰 본문에 집중했습니다.
리뷰를 분석하기 쉬운 형태로 정제한 뒤 자주 등장하는 키워드와 표현을 비교하고, 브랜드별 특징과 긍정·부정 반응을 살펴보았습니다. 또한 유사한 리뷰를 클러스터링하여 소비자 유형과 주요 구매 장벽을 함께 분석했습니다.

정제 데이터 확인

텍스트 분석을 시작하기에 앞서 이전 글에서 생성한 정제 리뷰 데이터를 다시 불러왔습니다.
전처리 결과가 정상적으로 반영되었는지 확인한 뒤, 동일한 데이터를 기반으로 이후 분석을 진행했습니다.

불필요한 컬럼을 제거하고 분석에 필요한 파생 변수를 추가한 최종 데이터셋을 확인했습니다. 이후 모든 텍스트 분석은 해당 데이터를 그대로 활용합니다.

이번 분석에서는 전체 컬럼을 사용하는 대신 브랜드, 가격대, 옵션혜택, 리뷰평점, 도움돼요구간, 리뷰내용을 중심으로 소비자 반응을 살펴봤습니다. 특히 리뷰 본문은 이후 키워드 분석과 리뷰 유형 분석의 핵심 데이터로 활용됩니다.

텍스트 전처리

리뷰 본문을 그대로 분석하면 특수문자와 공백, 불필요한 표현이 함께 포함되어 의미 있는 키워드가 분산될 수 있습니다.
따라서 소비자가 반복해서 사용하는 표현을 보다 일관된 기준으로 비교하기 위해 텍스트를 분석하기 적합한 형태로 전처리했습니다.

01 리뷰 텍스트 정제

리뷰를 모두 소문자로 변환한 뒤, 한글·영문·숫자를 제외한 특수문자를 제거했습니다. 또한 여러 개의 공백을 하나로 통일하여 동일한 표현이 일관된 형태로 저장되도록 정리했습니다.

Python · Text Cleaning

def clean_review_text(text):
    text = str(text).lower()
    text = re.sub(r"[^0-9a-zA-Z가-힣\\s]", " ", text)
    text = re.sub(r"\\s+", " ", text).strip()
    return text

02 토큰 생성 및 불용어 제거

정제된 리뷰를 단어 단위로 분리한 뒤 숫자만 있는 토큰과 길이가 너무 짧은 단어, 분석에 의미가 적은 불용어를 제거했습니다.
이후 리뷰마다 토큰 목록과 분석용 문서를 생성하여 키워드 분석과 TF-IDF, 리뷰 클러스터링에 활용했습니다.

Python · Tokenization

review_data["키워드토큰"] = review_data["정제리뷰"]\
    .apply(tokenize_review)

review_data["토큰문서"] = \
    review_data["키워드토큰"].apply(
        lambda tokens: " ".join(tokens)
)

03 전처리 결과 확인

전처리가 완료된 후에는 분석 리뷰 수와 평균 글자 수, 평균 토큰 수, 고유 토큰 수를 확인했습니다.
또한 토큰이 생성되지 않은 리뷰가 있는지 함께 점검하여 이후 분석에 문제가 없는지 확인했습니다.

전처리 결과 모든 리뷰에서 정상적으로 토큰이 생성되었으며, 빈 토큰이 포함된 리뷰는 확인되지 않았습니다. 이후 생성된 토큰 데이터를 기반으로 키워드 분석과 브랜드 비교, 리뷰 클러스터링을 진행했습니다.

리뷰 텍스트 분석

전처리를 완료한 리뷰 텍스트를 바탕으로 소비자가 반복해서 언급하는 경험과 반응을 분석했습니다.
단순히 많이 등장한 단어를 확인하는 데 그치지 않고, 어떤 경험이 만족과 불만으로 이어졌는지, 그리고 구매 판단에 어떤 영향을 주는지 함께 살펴봤습니다.

전체 키워드 분석부터 그룹별 비교, 긍정·부정 신호, 리뷰 클러스터링까지 순차적으로 분석하여 소비자 경험을 데이터 관점에서 해석했습니다.

01 전체 키워드 확인

키워드 빈도와 워드클라우드, 키워드 네트워크를 통해 소비자가 쿨링 샴푸를 평가할 때 가장 많이 언급하는 경험과 핵심 키워드를 확인합니다.

02 그룹별 키워드 비교

브랜드와 평점, 가격대 등 다양한 조건에서 키워드를 비교하여 어떤 특징이 소비자 반응을 구분하는지 분석합니다.

03 긍정·부정 신호 분석

리뷰 속 긍정·부정 표현을 비교하고, 소비자가 중요하게 생각하는 핵심 경험과 구매를 망설이게 만드는 요인을 분석합니다.

04 리뷰 클러스터링

유사한 리뷰를 하나의 그룹으로 묶어 소비자 유형과 주요 관심사를 파악하고, 페르소나별 특징과 반응 차이를 비교하여 마케팅 인사이트를 도출합니다.

전체 키워드 확인

먼저 전체 리뷰에서 자주 등장한 키워드를 확인하여 소비자가 쿨링 제품을 설명할 때 어떤 표현을 많이 사용하는지 살펴봤습니다.
이후 주요 키워드 간의 연결 관계를 함께 분석하여, 각 키워드가 어떤 맥락에서 함께 언급되는지도 확인했습니다.

– 가장 많이 등장한 키워드는 거품이었습니다.
– 여름, 세정력, 시원한 등 제품의 사용 경험을 나타내는 표현도 함께 자주 등장했습니다.
– 리뷰는 특정 기능보다 다양한 사용 경험을 중심으로 작성되는 경향을 확인할 수 있었습니다.

키워드 네트워크를 통해 주요 표현들이 독립적으로 등장하는 것이 아니라 거품, 세정력, 시원함, 두피와 같은 경험이 하나의 리뷰 안에서 함께 언급되는 경향을 확인했습니다.

그룹별 키워드 비교

전체 키워드 분석에서는 소비자가 공통적으로 언급하는 경험을 확인했습니다.
이번에는 리뷰 수가 많은 브랜드를 대상으로 브랜드별 주요 키워드 비중을 비교하여, 브랜드마다 어떤 표현이 상대적으로 많이 등장하는지 살펴봤습니다.

– 브랜드별로 상대적으로 많이 언급되는 키워드에는 차이가 있었습니다.
– 일부 브랜드는 거품·모발 관리, 다른 브랜드는 드라이샴푸·풋샴푸와 같은 제품 특성을 나타내는 키워드가 함께 등장했습니다.
– 동일한 카테고리의 제품이라도 브랜드마다 강조되는 경험이 다르게 나타났습니다.

긍정·부정 신호 분석

키워드가 자주 등장했다는 사실만으로는 소비자가 해당 경험을 만족스럽게 느꼈는지, 불편하게 느꼈는지 구분하기 어렵습니다.
그래서 리뷰 문장에 나타난 표현을 긍정 신호와 부정 신호로 나누고, 각 표현이 전체 리뷰에서 얼마나 자주 등장했는지 확인했습니다.

이번 분석은 감성분석 모델로 리뷰 전체를 긍정·부정으로 분류한 것이 아니라, 미리 정의한 표현 패턴을 탐지하는 사전 기반 분석입니다.
따라서 결과는 리뷰의 감정을 단정하기보다 만족 포인트와 구매 장벽의 후보를 찾는 탐색적 지표로 해석했습니다.

– 긍정 반응은 시원함과 개운함, 세정감을 중심으로 나타났습니다.
– 주요 불편 요인은 쿨링감 부족보다 사용 후 건조함과 자극감에 가까웠습니다.
– 쿨링 제품은 개운한 사용 경험을 제공하는 동시에 두피 자극과 머릿결의 뻣뻣함을 함께 관리할 필요가 있습니다.

특정 주제가 언급된 리뷰 안에서 긍정 신호와 부정 신호가 얼마나 함께 나타나는지도 확인했습니다.
쿨링감은 긍정 신호 동시 등장률이 99.2%로 가장 높았지만, 부정 신호도 40.1%에서 함께 나타났습니다. 같은 리뷰 안에서 개운함에 대한 만족과 건조함·자극에 대한 우려가 동시에 표현될 수 있다는 의미입니다.

특히 자극 주제가 포함된 리뷰는 부정 신호 동시 등장률이 100%로 나타났습니다. 두피, 향, 가격·구성 역시 긍정 신호와 함께 부정 신호가 일정 비율로 동반되어, 장점만큼이나 불안 요소를 함께 살펴볼 필요가 있었습니다.

– 쿨링감은 제품을 설명하는 핵심 경험이지만, 소비자가 항상 더 강한 자극을 원하는 것은 아니었습니다.
– 쿨링 제품의 주요 장벽은 니즈 부족보다 두피 자극과 사용 후 건조함에 대한 불안에 가까웠습니다.
– 따라서 제품 메시지는 강한 시원함만 강조하기보다 개운하지만 부담 없는 쿨링감을 함께 전달하는 방향이 적절합니다.

리뷰 클러스터링

앞에서는 리뷰에 반복해서 등장한 키워드와 긍정·부정 신호를 중심으로 소비자 경험을 확인했습니다.
이번에는 비슷한 단어 구성을 가진 리뷰를 하나의 그룹으로 묶어, 소비자가 쿨링 제품을 평가하는 기준이 어떻게 나뉘는지 살펴봤습니다.

리뷰는 TF-IDF 벡터로 변환한 뒤 K-Means로 군집화했습니다. 군집 수별 실루엣 점수는 모두 약 0.01로 큰 차이가 없었기 때문에, 모델 성능보다 마케팅 세그먼트로서의 활용 가능성을 고려해 4개 군집으로 고정했습니다.
따라서 이번 군집은 소비자를 명확하게 분류하는 정답이라기보다, 리뷰에서 반복되는 관심사를 정리한 탐색적 페르소나로 해석했습니다.

– 가장 큰 군집은 가격과 구성, 사용 편의를 함께 언급한 실속 편의 탐색형이었습니다.
– 청량감 즉시 체감형은 규모는 작았지만 평균 도움돼요점수가 2.83으로 가장 높았습니다.
– 넓은 소비자층에는 실속 정보가 중요했지만, 관심을 빠르게 끌어낸 표현은 즉각적인 청량감에 가까웠습니다.

두피 컨디션 관리형은 사진 리뷰 비율도 78.6%로 가장 높았습니다. 즉각적으로 체감되는 청량감은 짧은 표현만으로도 전달됐지만, 세정력이나 두피 상태처럼 확인 과정이 필요한 경험은 긴 설명과 사진이 함께 제시되는 경향을 보였습니다.

– 청량감은 짧고 직관적인 표현만으로도 높은 반응을 얻었습니다.
– 세정감과 두피 관리 경험은 사용 과정과 사진을 포함한 구체적인 정보가 함께 나타났습니다.
– 제품 메시지도 체감 효익은 간결하게, 관리 효익은 충분한 근거와 함께 전달할 필요가 있습니다.

– 세정감과 두피 관리는 서로 분리된 기능보다 하나로 이어지는 사용 경험에 가까웠습니다.
– 즉각적인 청량감은 다른 군집과 상대적으로 구분되는 독립적인 체감 요소였습니다.
– 관심을 끄는 청량감과 신뢰를 보강하는 세정·두피 메시지는 서로 다른 역할로 구성하는 편이 자연스럽습니다.

특히 두피 컨디션 관리형은 건조·뻣뻣 표현이 29.1%, 자극·따가움이 21.4%로 나타났습니다. 두피 관리에 관심이 높은 소비자일수록 긍정적인 효익뿐 아니라 사용 후 부담에도 민감하게 반응하는 모습이었습니다.

– 시원함과 개운함은 모든 페르소나에 적용할 수 있는 공통 만족 요소였습니다.
– 세부 관심사는 청량감, 세정력, 두피 관리, 실속 정보로 나뉘었습니다.
– 유형별로 강조하는 효익은 달리하되, 건조함과 자극에 대한 안심 근거는 공통적으로 보완할 필요가 있습니다.

리뷰 분석 인사이트

리뷰 텍스트를 종합하면 소비자는 쿨링 샴푸를 단순히 시원한 제품으로만 평가하지 않았습니다.
거품과 세정력, 두피 상태, 향, 가격과 구성까지 여러 경험을 함께 비교하며 만족과 불편을 판단하고 있었습니다.

전체 키워드와 그룹별 차이, 긍정·부정 신호, 리뷰 클러스터링에서 확인한 결과를 상품 메시지와 소비자 커뮤니케이션 관점에서 정리했습니다.

리뷰 텍스트에서 확인한 방향은 시원함 하나를 강하게 반복하는 것이 아니었습니다.
쿨링으로 관심을 끌고, 두피와 세정 근거로 신뢰를 만들며, 향과 구성 정보로 선택을 돕는 것이 이번 분석에서 정리한 메시지 구조입니다.

알 수 없었던 점

리뷰 텍스트 분석을 통해 소비자가 어떤 경험에 만족하고, 어떤 부분을 불편하게 느끼는지는 확인할 수 있었습니다.
하지만 리뷰만으로는 이러한 반응이 어떤 상품 특성이나 판매 전략에서 비롯된 것인지까지는 설명하기 어려웠습니다.

텍스트 분석에서 남은 질문은 상품 데이터와 함께 살펴볼 때 더 명확하게 확인할 수 있습니다.