앱 리뷰 수만 개, AI는 '별점 뒤의 진짜 불만'을 읽어낼까?

무슨 연구인가

모바일 뱅킹 앱 스토어에는 사용자 리뷰가 산더미처럼 쌓입니다. 이 연구는 그 리뷰 더미에서 '어떤 품질이 만족을 만들고 어떤 게 불만을 키우는지', 그리고 똑같은 문제라도 글쓴이의 기분에 따라 체감이 어떻게 달라지는지를 캐냅니다.

🔬 어떻게 분석했나

① 리뷰를 주제별로 묶었어요(LDA) — LDA는 수많은 글에서 자주 함께 등장하는 단어 뭉치를 찾아 '이 리뷰들은 속도 얘기, 저 리뷰들은 보안 얘기' 식으로 숨은 주제를 자동으로 솎아내는 통계 기법입니다.
② 각 리뷰의 감정을 긍정/부정으로 판별했어요(감성분석) — 같은 '로그인' 얘기라도 칭찬인지 불평인지 기계가 가려냅니다.
③ 주제 해석은 대형언어모델(LLM)의 도움을 받았어요 — 묶인 단어 뭉치가 사람 말로 무슨 주제인지 이름 붙이는 걸 AI가 거들었습니다.
④ 문장끼리 '의미가 얼마나 비슷한지'는 SBERT로 쟀어요 — 문장을 숫자 좌표로 바꿔, 뜻이 가까운 문장일수록 가까운 위치에 놓는 임베딩 기술입니다. 덕분에 표현이 달라도 같은 뜻이면 한 묶음으로 봅니다.
⑤ 뽑은 품질 속성을 국제표준(ISO/IEC 25010) 품질 항목에 맞춰 정리하고, 회귀분석으로 '어떤 품질이 별점을 올리고 내리는지'를 수치로 추정했어요.

📊 무엇을 찾았나

기능 충실성·상호작용·유지보수성은 만족을 끌어올렸고, 성능·신뢰성·보안 문제는 불만의 진원지였습니다. 가장 흥미로운 건 '비대칭' — 긍정적인 분위기의 리뷰일수록 오히려 부정적 품질요인의 타격이 더 크게 나타났어요.

💡 내 연구에 가져갈 것

리뷰 데이터로 만족도를 볼 땐 감성(긍/부정)을 '조절변수'로 꼭 넣어보세요 — 같은 요인도 분위기에 따라 효과가 달라집니다.

📄 논문 정보

Analysing software quality attributes and user satisfaction in mobile banking applications
Azadeh Esfandyari, Abdolreza Roshani, M. Mahdi Tavalaei, Glenn Parry
International Journal of Bank Marketing · 2026-10-30
원문 보기 ↗