분류보다 먼저 근거를 보존한다

리뷰 분석에서 가장 먼저 정할 것은 라벨 이름이 아니라 근거를 다루는 방식이다. 요약이 매끄러울수록 원래 문장의 조건과 망설임이 사라질 수 있다. 나는 검토용 기록에 원문과 분류 결과를 분리하고, 왜 그 라벨이 붙었는지 확인할 수 있는 구조를 권한다. 다만 근거 보존이 개인정보까지 무조건 남긴다는 뜻은 아니다. 분석에 필요 없는 식별 정보는 가져오기 전에 제외한다.

현재 Fitnote의 CSV 처리는 브라우저에서 실행되는 규칙 기반 방식이다. 정해진 표현과 조건을 이용한 분류를 AI가 의미를 이해한 결과처럼 설명하지 않는다. 어떤 표현을 포착했는지와 어떤 판단을 하지 못하는지를 구분하면 사용자는 결과를 더 정확히 읽을 수 있다. 단순한 규칙도 검토에 유용할 수 있지만 그 유용성이 사람 수준의 이해를 증명하지는 않는다.

원문과 라벨이 분리돼 있으면 검토자는 요약을 믿는 대신 문장으로 돌아갈 수 있다. 라벨을 수정하더라도 원문에서 실제로 무엇을 읽었는지 설명할 수 있어야 한다. 분석을 전달받는 사람에게도 그 구분이 보여야 결과의 확실성과 한계를 함께 이해할 수 있다.

부정 표현은 키워드 옆의 장식이 아니다

"작다"라는 글자가 있다고 해서 작은 사이즈 불만으로 처리하면 "작지 않아요"까지 같은 묶음에 들어갈 수 있다. "처음에는 작은 줄 알았는데 입어 보니 맞아요"처럼 판단이 바뀌는 문장도 있다. 단어의 존재와 최종 의견을 같은 것으로 취급하지 않으려면 부정, 대조, 시간에 따른 변화가 있는 문장을 별도로 검토해야 한다. 규칙이 모든 문장 구조를 해결한다고 약속하지 않는 것도 중요하다.

이 글의 따옴표 속 문장은 모두 설명을 위해 만든 가상 예시이며 실제 리뷰나 분석 성과가 아니다. "길이가 짧은 건 아닌데 움직일 때 올라가요"는 길이 불만으로 단순화하기 어렵다. 올라간다는 현상은 남길 수 있지만 원인이 길이인지 패턴인지 착용 방식인지 확인되지 않았다. 이런 경우 원문을 보면서 라벨을 보류하거나 더 넓은 검토 항목으로 묶는 편이 낫다.

모호함을 억지로 긍정과 부정에 넣지 않는다

"생각한 느낌은 아니에요"에는 기대와 실제 경험의 차이가 있지만 어떤 점이 달랐는지는 없다. "괜찮긴 한데 애매해요"도 정밀한 속성 평가가 아니다. 모호한 메모를 명확한 사이즈, 소재 또는 만족도 라벨로 채우면 표가 깔끔해지는 대신 근거가 약해진다. 미확인과 검토 필요는 실패 표시가 아니라 자료가 허용하는 판단의 범위를 보여주는 표시다.

검토자는 문장에 실제로 적힌 내용과 자신이 보충한 해석을 나눠 기록해야 한다. 제품 정보를 이미 알고 있더라도 그 지식이 원문에 있었던 것처럼 처리하지 않는다. 메모만으로 해결되지 않는 질문은 별도의 확인 항목으로 남긴다. 조건이 빠진 의견을 대표적인 고객 요구로 확대하지 않는 것도 같은 원칙이다.

  • 구체적인 대상이 없는 표현은 속성을 추정하지 않는다.
  • 상반된 표현이 함께 있으면 한쪽을 지우지 않는다.
  • 정보 부족과 부정적인 평가를 별개로 다룬다.

여러 라벨의 합계는 행 수와 다를 수 있다

한 문장에 여러 주제가 있으면 여러 라벨을 붙일 수 있다. 가상 예시인 "소매는 길고 몸통은 좁아요"는 소매 길이와 몸통 폭 모두의 검토 대상이다. 이때 라벨별 건수를 합하면 분류된 원문 행 수보다 커질 수 있다. 이것은 자동으로 중복 오류가 되는 것이 아니라 다중 라벨 방식의 결과다. 다만 같은 행을 두 번 가져온 중복 입력과는 구분해야 한다.

집계 옆에는 한 행에 여러 라벨이 가능하다는 설명과 집계 단위를 적는다. 입력 행, 고유 메모, 라벨 발생 수를 서로 다른 수치로 취급한다. 각 라벨의 비중이 같은 분모를 사용해도 겹침이 있으면 합계가 전체를 넘을 수 있다. 서로 배타적인 범주를 원한다면 우선순위 규칙을 별도로 정해야 하며, 그 과정에서 사라지는 부차적 의견도 검토해야 한다.

겹침을 설명하지 않은 합계는 독자에게 서로 다른 메모가 각각 존재한다는 인상을 줄 수 있다. 표를 공유할 때는 여러 주제가 한 문장에서 나왔다는 사실을 숨기지 않는다. 숫자를 줄이기 위해 부차적인 라벨을 없애기보다, 어떤 방식으로 셌는지를 명확하게 설명하는 편이 원문에 충실하다.

개인정보를 제외하고 사람이 경계를 확인한다

CSV를 가져오기 전에 이름, 전화번호, 이메일, 주소, 주문 식별자 등 분석에 불필요한 개인정보를 제외한다. 자유 서술 안에도 연락처나 개인을 알아볼 단서가 들어갈 수 있으므로 열 이름만 확인해서는 충분하지 않다. 브라우저에서 처리한다는 사실만으로 모든 개인정보 문제가 해결되거나 완전한 보안이 보장되는 것은 아니다. 작업 목적에 필요한 최소한의 메모만 남기는 판단이 먼저다.

사람의 검토는 틀린 라벨을 고치는 일에만 한정되지 않는다. 부정 표현, 모호한 대상, 복수 주제, 출처 누락처럼 규칙이 흔들릴 수 있는 경우를 우선 읽고, 명확해 보이는 분류도 확인한다. 판단을 수정할 때는 원래 라벨과 변경 이유를 구분해 기록하는 편이 좋다. 변경한 규칙이 다른 문장을 손상시키지 않는지도 살핀다.

최종 공유본에는 확인된 관찰과 해석, 미해결 질문을 분리한다. 제안 문구가 필요하면 원문과 검증된 상품 사실을 바탕으로 사람이 체크리스트나 템플릿을 작성하고 검토한다. 이것을 AI 생성 결과로 포장하지 않는다. 근거를 먼저 지키는 분석은 모든 말을 확실하게 만드는 기술이 아니라, 확실하지 않은 부분까지 독자가 확인할 수 있게 하는 작업이다.