배달 음식점을 고를 때도, 상품을 살 때도 별점부터 봅니다. 소비자에게는 나쁜 걸 먼저 걸러내는 좋은 휴리스틱입니다. 그런데 서비스를 운영하는 쪽, 그러니까 마케터나 리서처는 같은 별점을 어떻게 읽어야 할까요? 별점은 결국 개개인이 누른 별의 평균이고, '평균적인 사용자'는 대체로 존재하지 않습니다. 퍼소나를 나눠 보듯, 별점도 사용자를 세분화해서 봐야 합니다.리뷰 텍스트를 어피니티버블로 묶으면 "사용자가 무엇을 말하는지"는 꽤 잘 보입니다. 그런데 리뷰에는 별점, 작성 시점 같은 정보가 늘 함께 달려 있습니다. 텍스트 군집을 이 메타데이터와 함께 보면 어떻게 되는지, K뷰티 앱 top3 (올리브영·화해·글로우픽)의 앱 리뷰로 확인해봤습니다.별점은 평균이 아닌 분포를 봐야 한다별점 2.6점인 사용자는 없..

유튜브 댓글에서 OTT 사용자 목소리 분석하기우리나라에서 10명 중 9명이 OTT를 본다는 사실, 알고 계셨나요? 2024년 한국콘텐츠진흥원 조사 결과에 따르면 10대에서 70대 이상까지의 OTT 이용률은 89.3%에 달합니다.일상 깊숙이 들어온 OTT 플랫폼 시장은 최근 쿠팡플레이 무료화, 배달의민족과 티빙의 제휴, 네이버페이와 넷플릭스의 제휴 등 변화가 끊이지 않고 있습니다. 이렇게 이슈가 될 때마다 SNS, 유튜브 등에서는 사용자 의견이 쏟아져 나옵니다. 이런 자발적인 의견들은 서비스에서 직접 시행하는 조사보다 더 솔직하고 생생할 수 있죠.하지만 그만큼 방대하고, 중요도를 판단하기도 어려운데요. 어떻게 하면 이런 의견들을 쉽고 빠르게 훑어볼 수 있을까요?이번 포스트에서는 "OTT 플랫폼에 대한 사용..

어피니티버블(Affinity Bubble)은 수집된 ‘다수의 사용자 목소리’로부터 핵심 주제를 추출하여 계층적으로 시각화하고 인사이트 리포트까지 제공하는, pxd 업무툴입니다.* 본문 하단에 있는 URL을 통해 직접 사용해 보실 수 있어요!pxd에서는 사용자 의견으로부터 인사이트를 얻기 위해 어피니티 다이어그램을 사용했는데요. 주로 포스트잇을 활용하는 이 방법은 장시간동안 여러 디자이너들과의 협업이 필요합니다.그에 비해, 어피니티버블은 LLM을 이용하여 보로노이 트리맵 형식으로 한눈에 그리고 빠르게 데이터의 계층구조를 보여주죠. 일상에서 흔히 볼 수 있는 보로노이 구조가 비누거품 모양이라, ‘방법론+시각화’ 를 의미하는 단어들을 조합하여 ‘어피니티버블’이라고 이름 붙였습니다.텍스트 데이터 분석에서 널리 ..

한국어 감정 단어를 정리한 표가 트위터에서 인기를 얻었습니다. 자신의 감정을 표현하는데 적당한 단어가 잘 떠오르지 않는다는 트윗에 인용으로 한국어 감정단어의 목록 작성과 차원 탐색 논문에서 수집한 감정단어 434개 한국어 감정 단어 목록을 공유해 주셨습니다. 요즘 미쳤다라는 표현이 심지어 방송에서도 남용되어 우려하는 목소리가 많은데요. 감정 어휘의 부족이 소통을 피상적으로 만드는 것 같습니다. 감정 어휘가 늘어 날 수록 자신의 감정을 보다 적확하게 표현하는것 뿐 아니라 자기 감정을 정확하게 아는데도 도움이 된다고 합니다. 어피니티 버블다만 가나다 순으로 나열된 이런 표 형태는 한눈에 잘 들어오지 않아 아쉬웠는데요. 우선 비슷한 의미끼리라도 묶어보면 좋을 것 같았습니다.어피니티 버블은 텍스트 임베딩을 이용..