Read Original
#AI

후기 10만 개, 다 읽고 계신가요? - AI 후기 요약 기능 도입기

후기 10만 개, 다 읽고 계신가요? - AI 후기 요약 기능 도입기
01

Summary

"10만 개의 후기를 3초 만에 스캔한다면?" 무신사의 AI 리뷰 요약 정복기

오픈소스 LLM 활용부터 사용자 심리를 파고드는 UX 전략까지, AI 서비스 상용화의 A to Z

이 아티클은 무신사가 방대한 상품 후기를 AI로 요약하여 고객의 구매 결정을 돕는 시스템을 구축한 과정을 상세히 담고 있습니다. 성능과 비용 사이의 균형을 맞춘 모델 선택, 프롬프트 엔지니어링의 실질적 팁, 그리고 플랫폼 입장에서 '단점'을 노출하는 전략적 고민까지 실무 중심의 인사이트를 제공합니다.

  • 012,100만 건 이상의 데이터를 처리하기 위해 상용 API 대신 오픈소스 Qwen3-VL-8B 모델 도입
  • 02모델의 단순 복제를 막기 위해 Few-shot 대신 문장 구조 템플릿을 활용한 프롬프트 고도화
  • 03신상품 데이터 부족 문제를 '아더 컬러' 후기로 해결한 Priority Fallback 설계
  • 04문법 교정부터 긍부정 균형 검증까지 신뢰도를 높이는 9단계 후처리 파이프라인
  • 05사용자의 '검증 심리'를 고려한 요약-원본 리뷰 교차 배치 UX 디자인

RECOMMENDATION

AI 기능을 실제 서비스에 도입하려는 엔지니어와 기획자에게 추천하며, 특히 데이터 부족 문제와 LLM의 신뢰성 확보를 위한 후처리 파이프라인 설계에 큰 영감을 줍니다.

The Problem

무신사는 수만 개의 후기가 쌓인 상품에서 고객이 필요한 정보를 찾는 데 어려움을 겪는 정보 과부하 문제와 후기가 적은 신상품의 정보 불균형 문제를 해결해야 했습니다.

The Solution

오픈소스 모델 Qwen3-VL-8B를 기반으로 의류 키워드 및 장단점 요약 기능을 구현하고, '아더 컬러' 후기를 활용하는 우선순위 폴백 시스템과 9단계 후처리 파이프라인을 구축했습니다.

The Result

사용자 만족도 84.6%를 달성했으며, 신상품에도 즉각적인 요약 정보를 제공하는 커버리지를 확보하고 AI 고유의 비주얼 아이덴티티를 확립했습니다.

Trade-off

비용 효율성을 위해 선택한 소형 모델이 예시 문장을 복제하는 한계가 있어 프롬프트 구조를 추상화해야 했으며, 파트너사의 반발을 최소화하기 위해 부정적인 피드백에는 완곡한 표현(쿠션어)을 사용하는 타협점을 찾았습니다.

03

Key Concepts

Concept · 01

Priority Fallback

특정 조건이 만족되지 않을 때 미리 정의된 우선순위에 따라 대안 데이터를 사용하는 전략입니다.

  • 신상품의 후기가 부족할 경우 동일 모델의 다른 색상(아더 컬러) 후기를 활용하여 요약 생성
  • 자체 후기가 쌓이면 자동으로 해당 상품 데이터로 전환되도록 설계
Concept · 02

프롬프트 추상화 (Prompt Abstraction)

LLM에게 구체적인 예시 문장을 주는 대신 문장 구조나 패턴만을 제공하여 모델의 창의적 생성을 유도하는 기법입니다.

  • 소규모 모델이 예시를 그대로 복사하는 현상을 방지
  • [속성], [평가], [결과] 등 추상화된 템플릿을 통해 상품별 맞춤형 요약 유도
Concept · 03

쿠션어 (Cushioning)

부정적인 정보나 민감한 내용을 전달할 때 심리적 충격을 완화하기 위해 사용하는 완곡한 표현 방식입니다.

  • 장단점 요약 시 파트너사의 우려를 반영하여 '일부 후기에서는', '드물지만' 등의 표현 적용
  • 플랫폼과 입점사 간의 이해관계를 조율하면서 고객에게 솔직한 정보를 제공하는 장치로 활용