리뷰 분석 서비스 속 숨겨져 있는 MRC 기술 이야기

AIQ.AWARE 솔루션 시리즈가 추천, 예측 타겟팅, 리뷰 분석으로 구성되어 있다는 점, 이제 우리의 블로그 구독자 분들이라면 다 알고 있는 내용이겠죠? 그 중 리뷰 분석의 경우, 가장 기반이 되는 기술이 텍스트 분석(Text Analysis)과 기계독해(Machine Reading Comprehension, MRC)이기 때문에 대화형 AI 기술과 깊은 연관이 있어요. 오늘은, 특허 출원까지 완료된 우리의 리뷰 분석 기술에서 아주 일부만 소개할게요 :)

​

뷰티 제품을 판매하는 쇼핑몰의 마스크팩 고객 리뷰 하나를 예시로 들어볼게요.

​

확실히 겨울이 되어 찬바람부니 얼굴이 푸석해지는 게 각질이 쌓이는 느낌이었어요. 예전에 패드썼을때 피부 자극만 되고 별효과 못봤는데 괜찮아보여서 다시 도전해봤어요. 써보니 사이즈가 커서 너무 편하고 수분감 폭발이예요. 향도 은은하고 피부자극도 없고 다음날 화장도 잘 받아서 만족합니다.

​

한 사람의 리뷰 속에 사이즈, 수분감, 향, 피부 자극 등 여러가지 내용이 섞여 있다 보니 한가지 주제로 분류(class)하기가 쉽지 않아요. 그래서 아무래도 기존의 텍스트 분류 기술만으로는 해결할 수 없다고 생각했어요. 우리가 택한 방식은 스켈터랩스가 자랑하는 강력한 MRC 엔진을 기반으로 한 Question Answering 기술입니다.

‍

MRC 기술에 대해 다시 한번 간단히 이야기하면, 특정 지문(컨텍스트) 내에서 질문을 던지면 기계가 지문을 읽고 이해를 해서 자동으로 그 질문의 답이 되는 구문을 찾아주는 것이 MRC의 핵심이에요. MRC를 리뷰 분석에 활용할 때는 리뷰 본문이 AI 엔진이 읽을 지문이 됩니다. 그리고 리뷰 내용 속의 다채로운 토픽을 잘 뽑아낼 수 있는 질문을 MRC 엔진에게 던지고, 그 질문에 관련된 답을 찾아내면 토픽으로 분류를 하는 방식이에요. 앞에서 봤던 리뷰 예시를 다시 가져와 볼게요.

​

확실히 겨울이 되어 찬바람부니 얼굴이 푸석해지는 게 각질이 쌓이는 느낌이었어요. 예전에 패드썼을때 피부 자극만 되고 별효과 못봤는데 괜찮아보여서 다시 도전해봤어요. 써보니 사이즈가 커서 너무 편하고 수분감 폭발이예요. 향도 은은하고 피부자극도 없고 다음날 화장도 잘 받아서 만족합니다.

​

“향기에 만족하시나요?” “사이즈는 적당한가요?” “수분감이 좋은가요?”의 질문을 MRC 엔진에게 던지고, 그에 대한 답변으로 본문 내에서 향도 은은하고, 써보니 사이즈가 커서 너무 편하고, 수분감 폭발이예요. 를 각각 제시함에 따라 향기, 사이즈, 수분감이라는 토픽으로 분류를 할 수 있어요. 스켈터랩스의 MRC 엔진은 질문에 대한 답을 본문 내에서 제시할 때 정확도를 가리키는 스코어를 함께 보여주는데요, 이 스코어가 특정 threshold 이상을 넘기면 해당 토픽에 대한 리뷰로 분류를 하게 되죠.

‍

‍

이렇게 AI가 토픽 분류를 잘 할 수 있도록, 패션, 뷰티, 식품 등의 산업군 별로 고객들이 관심 있어하는 주요 토픽들을 정하고 각 토픽마다 MRC 엔진에 물어볼 질문들을 리스트업합니다. 버티컬과 관계없이 공통적으로는 배송, 가격, 품질, 재구매 등이 주요 토픽으로 꼽을 수 있겠고요. 특정 토픽에 대한 질문을 생성하는 것도 모든 고객이 자유롭게 할 수 있도록 기능을 추가해나갈 예정이에요:) 가령 블랙프라이데이 세일 이벤트를 실행했다면, 이벤트가 만족스러운지 등의 토픽과 질문을 생성하여 빠르게 고객 리뷰를 골라서 확인할 수 있어요.

​

토픽 별 질문 예시

▶️배송: “배송 속도가 빠른가요?” “배송 포장 상태가 어떤가요?”

▶️가격: “상품의 가격이 적당한가요?”

▶️품질: “상품의 품질에 만족하나요?”

▶️재구매: “제품을 재구매하시겠어요?” “다시 구매하시겠어요?”

​

이제 토픽을 분류했으니, 토픽에 해당하는 구문들이 긍정적인지 부정적인지 판단해야겠죠? 예를 들어 “민감하신 분 지성이신 분들은 만족할 것 같아요" 라는 문장에서 MRC 엔진이 “제품에 만족하시나요?” 라는 질문에 대해 “만족할 것 같아요" 라는 답을 제시하여 “만족도"로 토픽을 분류했으면, 이 부분을 다시 문장으로 확장해 스켈터랩스의 언어모델 SkERT 기반의 Sentiment Classifier에 넣어서 긍정 혹은 부정을 예측합니다. 고도화된 대화형 AI 모델 덕분에, 직접적인 표현 뿐만 아니라 "돈 아깝지 않아요!"와 같이 우회된 표현도 똑똑하게 '긍정'으로 분류하죠.

‍

이렇게 되면 하나의 리뷰 내용에 대해 어떤 토픽인지, 그리고 그 토픽에 대해 고객이 어떤 감정을 가지고 있는지까지 AI가 모두 자동으로 분석해주게 됩니다!

​

오늘은 여기까지, 우리의 리뷰 분석 서비스 내에서 MRC 기술이 어떤 식으로 적용되는지에 대해 살펴봤어요. 리뷰 분석에는 토픽 분석, 감정 분석 이외에도 다양한 자연어 이해 기술이 사용됩니다. 그리고 엔진 형태로만 남지 않고 ‘서비스'가 될 수 있도록 프론트엔드에서의 구현도 이루어졌고요. 더 자세한 AIQ.AWARE 서비스에 대한 이야기는 앞으로도 블로그에서도 종종 전해볼게요! Stay tuned :)

‍