AI로 고객 리뷰 분석하기 - 팬덤 인사이트를 굿즈 기획에 활용하는 법

굿즈를 출시하고 판매가 시작되면, 구매자들이 남기는 리뷰와 댓글은 그 자체로 소중한 데이터가 됩니다. “생각보다 크기가 작아요”, “마감이 기대 이상이에요”, “포장이 너무 예뻐서 열기 아까웠어요” 같은 짧은 한 줄 속에 다음 기획을 위한 힌트가 숨어 있습니다.

헤세드코퍼레이션은 굿즈 라인업을 운영하면서 누적된 리뷰 수백 건을 수동으로 분류하다가 효율의 한계를 느꼈습니다. 2025년 하반기부터 AI를 활용한 리뷰 분석 워크플로우를 도입했고, 기획 회의에서 활용하는 인사이트의 질이 달라졌습니다. 이 글에서는 그 과정을 실전 가이드 형식으로 공유합니다.

리뷰 데이터, 왜 굿즈 기획의 핵심 자산인가

팬들이 남기는 리뷰에는 두 가지 가치가 있습니다. 하나는 개별 상품에 대한 피드백이고, 다른 하나는 팬덤이 굿즈에서 무엇을 기대하는지를 알려주는 집단 심리의 단면입니다.

리뷰 유형	기획에 주는 신호
크기·무게 관련 불만	스펙 조정 또는 상세 페이지 사이즈 가이드 강화
패키지 감동 언급	언박싱 경험이 재구매 동기로 작용하고 있음
”한정판이라 아쉽다”	정기 굿즈나 상시 판매 라인 검토 신호
가격 대비 만족 언급	현재 가격 포지셔닝이 적절하다는 확인
특정 캐릭터·색상 반복 요청	다음 시리즈 기획 방향의 직접적인 힌트

이런 패턴을 직접 파악하려면 리뷰 수십 건은 금방 읽을 수 있지만, 수백 건이 쌓이면 구조화된 분석이 어렵습니다. AI는 이 지점에서 실질적인 도움을 줍니다.

AI 리뷰 분석 실전 워크플로우 4단계

저희 팀이 실제로 사용하는 프로세스를 단계별로 소개합니다.

1단계: 리뷰 데이터 수집

스마트스토어, 크라우드펀딩 플랫폼, SNS 댓글을 포함한 리뷰를 하나의 스프레드시트에 모읍니다. 최소 50건 이상이 모여야 통계적으로 의미 있는 패턴이 나타납니다. 플랫폼별로 리뷰 성격이 다를 수 있으므로 출처도 함께 기록해 두는 것이 좋습니다.

2단계: 감성 분류(Sentiment Analysis) 요청

Claude나 ChatGPT에 리뷰 묶음을 붙여넣고, “이 리뷰들을 긍정·부정·중립으로 분류하고, 자주 등장하는 키워드와 불만 유형을 카테고리별로 정리해줘”라고 요청합니다. 한 번에 20~30건씩 나눠 처리하면 결과의 정확도가 높아집니다.

3단계: 카테고리별 집계

AI가 분류한 결과를 “제품 품질”, “패키지”, “배송·포장”, “가격 만족”, “디자인 선호” 카테고리로 재분류합니다. 이 단계도 AI에게 표 형식으로 정리해달라고 요청하면 시간이 크게 줄어듭니다. 결과물을 팀이 공유할 수 있는 문서로 내보내면 기획 미팅 자료로 바로 활용 가능합니다.

4단계: 인사이트 추출 및 기획 반영

집계된 데이터를 바탕으로 “다음 굿즈 라인에서 개선할 점 3가지를 우선순위와 함께 제안해줘”라고 요청합니다. AI의 제안을 그대로 수용하기보다는, 팀의 경험과 맥락을 더해 최종 방향을 결정하는 것이 핵심입니다.

헤세드코퍼레이션이 발견한 실제 인사이트

이 워크플로우를 적용하면서 반복적으로 확인된 패턴 세 가지를 공유합니다.

언박싱 경험의 구매 연결력

전체 리뷰의 약 30%에서 포장 관련 언급이 나왔고, 그 중 긍정 비율이 85%를 넘었습니다. “포장이 선물처럼 예뻐서 SNS에 올렸다”는 리뷰가 반복되면서, 패키지 투자 비용이 자연스럽게 바이럴(Viral)로 연결된다는 점을 데이터로 확인할 수 있었습니다.

크기 정보 부족에 대한 불만

“생각보다 작다”, “크기를 몰랐다”는 리뷰가 특정 상품군에서 집중됐습니다. 상품 상세 페이지에 실물 크기 비교 이미지와 수치를 추가한 이후, 해당 유형의 불만이 눈에 띄게 줄었습니다. 작은 개선으로 고객 만족도를 높일 수 있는 대표적인 사례였습니다.

반복 등장하는 캐릭터 요청

리뷰와 댓글에서 같은 캐릭터 이름이 여러 차례 등장할 경우, 다음 시리즈 기획에서 우선순위를 높이는 근거로 활용합니다. 팬이 직접 원한다고 표현한 캐릭터는 기획 리스크를 낮추는 데 도움이 됩니다.

리뷰 분석 AI 활용 시 주의할 점

AI 리뷰 분석에도 한계가 있습니다. 몇 가지 주의 사항을 정리합니다.

첫째, 맥락은 사람이 해석해야 합니다. “무거워요”라는 표현이 불만인지 고급감을 긍정적으로 표현한 것인지, AI는 구분하지 못할 수 있습니다. 최종 판단은 항상 팀의 몫입니다.

둘째, 리뷰는 구매자 전체를 대변하지 않습니다. 만족한 고객은 리뷰를 잘 남기지 않는 경향이 있어 데이터가 불만 쪽으로 치우칠 수 있습니다. 설문조사나 팬 커뮤니티 반응과 병행해 균형을 맞추는 것이 좋습니다.

셋째, 개인정보 처리에 유의해야 합니다. 리뷰를 외부 AI 서비스에 입력할 때 구매자의 이름, 아이디, 주소 등 개인 식별 정보(PII)가 포함되지 않도록 사전에 제거하는 것이 원칙입니다.

---

고객이 남긴 리뷰는 단순한 별점이 아닙니다. 팬이 다음 굿즈에서 원하는 것을 가장 직접적으로 말해주는 신호입니다. AI를 활용해 이 신호를 체계적으로 분석한다면, 감에 의존하는 기획에서 데이터 기반 기획으로 한 걸음 나아갈 수 있습니다.

헤세드코퍼레이션은 리뷰 분석 워크플로우를 포함한 AI 활용 기획 프로세스를 지속적으로 발전시켜 나가고 있습니다. 굿즈 기획이나 AI 도입 과정에서 궁금한 점이 있으시면 언제든지 문의해 주세요.