기획자·마케터라면 꼭 알아야 할, AI로 앱 리뷰 크롤링부터 분석까지 하는 방법

앱 서비스를 기획하거나 마케팅하고 있다면, 리뷰를 읽다가 비슷한 불만이 자꾸 눈에 밟힌 적이 있을 겁니다. 하지만 그 느낌을 ‘사용자가 무엇을 바꿔 달라고 하는지’로 정리하려면 리뷰를 하나씩 모으고, 묶고, 다시 골라내야 하죠. 이 일을 AI에 맡기면 어떤 결과가 나올까요?

그래서 제가 직접 맡겨봤습니다. AI로 크롤링 프로그램을 만들어 카카오톡 앱 리뷰를 모으고, 모은 리뷰를 AI에 넣었더니 사용자들의 개선 요청이 시급한 순서대로 정리돼 나왔어요. 결과부터 보여드리고, 만드는 과정은 이어서 설명할게요.

빌더 조쉬(@builderjoshkim)는 조슈아앤컴퍼니 대표 조쉬가 운영하는 유튜브 채널입니다. AI를 업무에 적용한 경험과 자동화 방법, 창업가·실무자 인터뷰를 공유합니다.

리뷰, 일일이 수집할 필요 없이 시급한 요청부터 순서대로

시험 대상은 카카오톡 앱스토어 리뷰였습니다. 모은 리뷰를 AI에 넘기고 사용자들이 요청한 개선 사항을 시급성 1~5단계로 나눠 달라고 했더니, 문제마다 개선 요청과 예상 영향, 관련 리뷰 번호까지 정리돼 나왔습니다. 1단계가 가장 시급한 문제를 뜻합니다.

화면에 정리된 내용 가운데 일부를 표로 옮기면 다음과 같습니다.

이렇게 정리된 결과가 있으면 긴 리뷰를 하나씩 읽기 전에 어떤 의견부터 살펴볼지 가늠할 수 있습니다. ‘무슨 불만이 있는가’에서 한 걸음 더 나아가 ‘사용자가 어떤 변화를 요구하는가’까지 볼 수 있다는 점도 장점이죠. 다만 표의 분류와 영향은 어디까지나 AI의 해석이므로, 이 결과를 원문과 대조하는 방법은 뒤에서 따로 다루겠습니다.

그렇다면 이 결과는 어떻게 나왔을까요? 과정은 크게 두 단계였습니다. 먼저 앱 리뷰를 수집해 텍스트 파일로 저장하는 프로그램을 만들었고, 저장된 파일을 Google AI Studio에 직접 넣어 분석을 요청했습니다. 리뷰를 가져오는 프로그램과 내용을 해석하는 AI가 각자 다른 일을 맡은 셈이죠. 첫 단계인 수집부터 살펴보겠습니다.

1. 앱 리뷰 크롤링: 리뷰 수집 프로그램 만들고 실행하기

① 크롤링 프로그램에 요청할 조건 정하기

리뷰 수집 프로그램은 Cursor를 통해 만들었습니다. Cursor는 AI의 도움을 받아 코드를 작성하고 수정하는 개발 도구로, 설치 방법과 작업 폴더·터미널 사용법은 클로드 코드로 PPT 자동화하는 방법에서 자세히 확인할 수 있어요. 새 작업 폴더를 열고, 파이썬으로 만들어 달라고 요청했습니다.

하지만 ‘리뷰를 모아줘’라는 말만으로는 원하는 도구를 설명하기 어렵습니다. 어디에서 자료를 가져올지, 사용자가 무엇을 입력할지, 결과를 어떤 형태로 받을지까지 정해줘야 하죠. 그래서 요청에 다음 조건을 함께 담았습니다.

• 앱스토어와 구글 플레이 리뷰를 수집할 것.

• 앱 주소나 ID를 입력하고, 가져올 리뷰 수를 100~5,000개 사이에서 선택할 수 있게 할 것.

• 필요한 파이썬 라이브러리를 별도로 관리하는 가상환경에서 실행할 것.

• 수집 진행 상태를 화면에 보여줄 것.

• 결과를 텍스트 파일로 저장할 것.

여기에 사용할 기술도 구체적으로 정했습니다. 화면은 CustomTkinter로 만들도록 했는데, 버튼과 입력창을 갖춘 화면을 만들 때 쓰는 파이썬 라이브러리입니다. 리뷰를 가져오는 방법도 스토어별로 지정했어요. 앱스토어에는 Apple RSS Feed API를, 구글 플레이에는 google-play-scraper 라이브러리를 사용하도록 요청했습니다.

결과를 텍스트 파일로 저장하게 한 것은 분석 단계에서 AI에 넘길 리뷰 파일이 필요했기 때문입니다. 리뷰 수를 고를 수 있게 한 것도 분석할 자료의 양을 조절하기 위해서였죠.

② 앱스토어·구글 플레이 리뷰 수집, 실제 저장된 리뷰 수 확인하기

요청을 받은 Cursor는 작업 목록을 세운 뒤 프로그램 파일과 실행 안내를 만들었습니다. 생성이 끝나자 안내에 따라 가상환경을 활성화하고, 실행 명령을 터미널에 입력했습니다. 터미널은 명령어를 입력해 프로그램을 실행하는 창입니다.

프로그램을 실행하자 수집할 스토어와 앱 ID, 리뷰 수를 지정하는 창이 열렸습니다. 처음 만들어진 화면에는 색상이나 구성처럼 더 다듬을 부분이 남아 있었지만, 우선 수집 기능부터 시험해보기로 했어요. 카카오톡의 앱스토어 주소에서 앱 ID를 확인해 입력창에 넣었습니다. 프로그램은 구글 플레이 리뷰도 가져오도록 만들었지만, 이번 시험은 앱스토어 리뷰로 진행했어요.

리뷰 수는 500개로 지정했는데, 수집이 끝난 화면에는 490개를 저장했다는 안내가 나왔습니다. 입력한 개수만큼 모인다는 보장은 없으니, 분석할 때는 실제로 저장된 결과를 기준으로 삼아야 합니다. 이렇게 모은 파일이 앱스토어의 전체 리뷰나 모든 고객의 의견을 대표하는 것도 아니므로, 어떤 범위의 리뷰를 모았는지 알고 그 안에서 결과를 읽어야 하죠.

직접 크롤링해 볼 때는 공개된 리뷰라도 스토어 약관과 사용 목적을 먼저 확인해 두세요. 팀 내부 분석에 쓸지, 외부에 공개하거나 다른 용도로 활용할지에 따라 지켜야 할 조건이 달라질 수 있습니다.

2. AI 리뷰 분석: 시급 순서대로 분류, 요약하기

① 리뷰 파일을 AI에 넣기 전, 입력량부터 확인하기

수집한 파일은 AI Studio에 직접 넣었습니다. AI Studio는 구글의 AI 모델을 사용해 파일에 관해 질문하고 결과를 확인할 수 있는 작업 도구로, AI가 한 번에 읽고 처리할 수 있는 입력 범위, 즉 ‘컨텍스트 윈도우’를 고려해 많은 리뷰를 다룰 수 있으리라 기대하고 골랐어요.

하지만 처음 넣은 파일에서는 입력량 문제가 생겨, 리뷰 수를 줄여 다시 시도해야 했습니다. 한 번에 처리할 수 있는 양은 선택한 모델과 설정에 따라 다르니, 분석 전에 미리 확인해두는 것이 좋습니다.

② 개선 요청을 시급성 1~5단계로 분류하기

분량을 맞춘 뒤에는 사용자들이 요구하는 개선 사항을 시급성에 따라 나눠 달라고 요청했습니다. 전체를 단순히 요약하기보다, 무엇부터 검토할지 정리하려는 목적이었죠.

이 요청으로 받은 결과가 바로 앞에서 본 시급성별 정리입니다.

③ 상세 결과를 핵심만 다시 요약하기

상세 결과를 받은 뒤에는 핵심을 한 번 더 요약해 달라고 요청했습니다. 문제별 내용을 먼저 꼼꼼히 살펴보고, 이어서 전체 쟁점을 빠르게 훑어본 거죠.

여기까지가 리뷰 수집부터 AI 분석까지의 전체 과정입니다.

제작 요청과 실행 화면을 더 자세히 보고 싶다면 빌더 조쉬의 앱 리뷰 수집·분석 프로그램 만들기 영상을 확인해 보세요.

직접 따라 해보고 싶다면 공개 소스와 실행 안내도 참고해 보세요. 실행에 필요한 준비와 사용 방법이 저장소의 README에 정리돼 있으니, 사용 조건도 함께 확인해 주세요.

직접 따라 해보고 싶다면 공개 소스와 실행 안내도 참고해 보세요. 실행에 필요한 준비와 사용 방법이 저장소의 README에 정리돼 있으니, 사용 조건도 함께 확인해 주세요.

리뷰 분석 결과를 제품 개선에 반영하기 전 확인할 점

이 방법을 여러분의 업무에 가져온다면, 먼저 알아보고 싶은 질문부터 정해보세요. 질문에 따라 살펴볼 리뷰도, AI에 보낼 분석 요청도 달라집니다.

• 자사 앱에서 반복되는 불편은 무엇인가?

• 경쟁 앱에서는 어떤 기능에 불만이 있는가?

• 사용자들은 어떤 변화를 요구하는가?

분류 결과를 받았다면, 제품 개선에 쓰기 전에 관련 리뷰 번호를 따라 원문도 읽어보세요. 제가 시험할 때는 거치지 않은 단계지만, 다음 두 가지를 확인할 수 있습니다.

이렇게 분석 결과를 원문과 함께 읽으면, 팀이 다음에 검토할 질문도 더 분명하게 정할 수 있습니다.

기획자·마케터라면, 앱 리뷰 수집·분석 자동화는 어디서부터 시작할까요?

정리하면, Cursor로 리뷰 수집 프로그램을 만들고, 그 프로그램으로 리뷰를 파일에 모은 뒤, AI Studio에서 개선 요청을 분류·요약했습니다. 자료를 모으는 일과 내용을 해석하는 일을 나누고 나니, 각 단계에 어떤 도구와 요청이 필요한지도 구체적으로 정할 수 있었습니다.

여러분의 팀은 어떤가요? 리뷰를 모으고 옮기는 데 시간이 많이 드나요, 아니면 모은 내용을 읽고 분류하는 일이 더 부담인가요? 부담이 어디에 있느냐에 따라 필요한 지원도 달라집니다. 구성원이 AI로 리뷰를 분석하는 방법을 익히는 교육이 맞을 수도 있고, 반복되는 수집·정리 과정을 도구로 연결하는 구축이 맞을 수도 있습니다.

어느 쪽인지 아직 판단하기 어렵다면, 분석하고 싶은 리뷰가 어디에 있는지, 지금은 어떤 도구로 정리하는지, 그 자료에서 무엇을 알고 싶은지부터 이야기해 주세요. 조슈아앤컴퍼니 문의하기에서 지금의 업무와 어려움을 알려주시면, 필요한 교육·구축 지원을 함께 검토하겠습니다.

우리 회사의 AX, 어디부터 시작할까요?

정리하면, Cursor로 리뷰 수집 프로그램을 만들고, 그 프로그램으로 리뷰를 파일에 모은 뒤, AI Studio에서 개선 요청을 분류·요약했습니다. 자료를 모으는 일과 내용을 해석하는 일을 나누고 나니, 각 단계에 어떤 도구와 요청이 필요한지도 구체적으로 정할 수 있었습니다.

이렇게 나눠 보는 방법은 여러분의 업무에도 그대로 쓸 수 있습니다. 한 번 시험해보는 것과 달리, 실제 업무에서는 리뷰가 계속 쌓이고 여러 앱을 함께 봐야 하니까요. 리뷰를 모으고 옮기는 데 시간이 많이 든다면 수집부터, 모은 내용을 읽고 분류하는 일이 더 부담이라면 분석부터 자동화해 보세요.

리뷰 분석을 넘어 팀의 다른 반복 업무까지 AI로 바꾸고 싶다면 조슈아앤컴퍼니에 문의해 주세요. 조슈아앤컴퍼니는 리뷰 분석처럼 작업 하나를 자동화하는 데 그치지 않고, 사내 문서를 찾아 답하는 AI나 업무용 AI 에이전트처럼 팀의 반복 업무를 연결하는 시스템 구축, 구성원이 직접 자동화 도구를 만드는 AI 활용 교육, 도입 이후 운영까지 지원합니다. 현재 사용하는 자료와 업무 흐름을 살펴보며, 어떤 업무부터 AX를 시작하면 좋을지 함께 찾아보겠습니다.