아마존 리뷰 수천만 건에서 '믿을 만한 가게'의 신호를 찾을 수 있을까?

무슨 연구인가

온라인 쇼핑에서 우리는 얼굴도 모르는 판매자를 리뷰만 보고 믿습니다. 이 연구는 아마존 리뷰 수천만 건을 긁어모아, 소비자가 어떤 말로 '신뢰'를 표현하는지를 2021년과 2026년 두 시점에 걸쳐 들여다봤어요.

🔬 어떻게 분석했나

① 먼저 거대한 원본을 다듬었어요 — 아마존 리뷰는 전체가 수억 건이라, 실제 구매가 확인된 리뷰만 남기고 10%만 무작위로 뽑아 약 1,900만~2,900만 건으로 줄였습니다. 데이터가 너무 크면 분석 자체가 안 돌아가거든요.
② 글을 잘게 쪼갰어요(토큰화) — 문장을 단어 하나하나로 나누고, 대소문자·숫자·'the' 같은 흔한 단어를 지웠습니다. 요리로 치면 재료를 손질하는 단계예요.
③ 신뢰 단어 사전을 손으로 만들었어요 — '능력·진실성·선의' 세 묶음에 들어갈 단어(전문성, 정직, 공감 등)를 연구자가 직접 골라 분류했습니다.
④ 감정을 쟀어요(감성분석) — Bing이라는 긍·부정 단어 사전(긍정 2,005개·부정 4,781개)에 맞춰 리뷰가 얼마나 긍정적인지 부정적인지 집계했어요.
⑤ 숨은 주제를 찾았어요(LDA 토픽모델링) — LDA는 수많은 리뷰에서 '자주 함께 나오는 단어'를 묶어 20개의 숨은 주제를 자동으로 뽑아내는 기법입니다. 사람이 다 읽지 않아도 무슨 이야기가 많은지 지도처럼 보여줘요.

📊 무엇을 찾았나

약 1,900만 건 리뷰에서 3억 개가 넘는 단어를 뽑아냈고, 신뢰를 이루는 능력·진실성·선의 신호가 리뷰 속에 실제로 드러났어요. 그걸 2021년과 2026년 두 시점으로 나눠 어떻게 달라졌는지까지 추적했습니다.

💡 내 연구에 가져갈 것

리뷰 수백만 건을 다룰 땐 tf-idf가 오히려 안 통할 수 있어요 — 문서가 너무 많으면 단순 빈도 분석이 더 해석하기 쉽습니다.

📄 논문 정보

R scripts for a data-driven analysis of trust signals in online reviews to inform collaborative consumer protection
Raymond Chinembiri, Peter R. Kamerman
Figshare · 2026-10-31
원문 보기 ↗