37,923건의 리뷰에서 이탈이 생기는 과정을 찾았다
앱 리뷰 감정 분석 → 고객 여정 기반 서비스 개선안 설계
문제
Gcar 앱에는 부정 리뷰가 반복되고 있었지만, 어떤 문제가 핵심 이탈을 유발하는지 구조적으로 정리된 데이터가 없었다.
역할
데이터 분석·여정 매핑 담당 (공개 리뷰 데이터 기반 4인 팀 프로젝트)
결과
Google Play · App Store 리뷰 37,923건을 수집·분류해 부정 경험의 핵심 축을 고객센터·앱오류·반납예약·과금으로 구조화했습니다.
산출물
01 · Results
분석 성과
Google Play · App Store 리뷰 37,923건을 수집·분류해 부정 경험의 핵심 축을 고객센터·앱오류·반납예약·과금으로 구조화했습니다.
기획 성과
앱 오류 → 반납 실패 → 과금 → CS 문의 → 1점 리뷰로 이어지는 실패 여정 맵을 만들고, 4개 개선 방향을 제안했습니다.
검증 근거
KoELECTRA-Base-v3 감정 분류(정확도 0.976 · F1 0.984), SHAP 키워드 추출, Mann-Whitney U 검정으로 별점 차이의 유의성을 확인했습니다.
검증 한계
공개 리뷰 기반 분석이므로 실제 서비스 내부 지표나 A/B 테스트로 검증된 결과는 아닙니다. 3.49 → 3.65, 31.4% → 27.5%는 실행 전 목표치입니다.
02 · Problem
Gcar 앱에는 부정 리뷰가 반복되고 있었지만, 어떤 문제가 핵심 이탈을 유발하는지 구조적으로 정리된 데이터가 없었다. 개별 이슈 대응에 그치지 않고 고객 여정 관점에서 원인을 다시 정의해야 했다. 패스트캠퍼스에서 데이터로 기획 방향을 수정했던 방식을, 분석 도구를 갖춰 3.8만 건 규모로 확장한 프로젝트다.
03 · Approach
- 01
데이터 수집
Google Play · App Store에서 Gcar·경쟁사 앱 리뷰 37,923건 크롤링 및 전처리 (수집 기간: 2021–2025)
- 02
감정 분류
사전학습 KoELECTRA-Base-v3 모델 적용, 감정 분류(정확도 0.976 · F1 0.984) 후 SHAP로 부정 감정 유발 핵심 키워드 도출
- 03
이슈 구조화
부정 리뷰를 고객센터·앱오류·반납예약·과금 4개 영역으로 묶고, A지표(전체 리뷰 대비 부정 비율)·B지표(부정 리뷰 내 구성비)로 리뷰량 편향을 보정
- 04
여정 시각화
앱오류 → 반납실패 → 과금 이슈 → CS 문의 → 1점 리뷰로 이어지는 실패 여정 맵 작성
- 05
개선안 도출
여정 기반 4개 우선 개선 방향 제안 (고객센터 정보 구조 재설계 / 반납 장소 혼잡도 사전 안내 / 과금 사전 경고 / 자동 문의 연결)
실패 여정
단일 기능 오류가 아니라 여정 전반에서 누적되는 연쇄 구조였다.
04 · Key Insight
가격 경쟁력만으로 불만은 줄지 않았다
가격 만족도가 높음에도 1★ 리뷰 비율은 Socar(23.9%)보다 Gcar(31.4%)가 높았고, Mann-Whitney U 검정에서도 차이가 유의했다(p<0.05). 저렴한 이용료는 경쟁 우위였지만(카셰어링 차량 선택 기준 1위, 82.7%), 평점을 낮춘 변수는 가격보다 반납·패널티·CS 여정이었다.
앱 오류부터 CS 지연까지, 불만은 단계마다 쌓였다
앱 오류 → 반납 실패 → 패널티 → CS 지연으로 이어지며 불만이 커졌다. 기능 하나를 고치는 것보다 단계마다 생기는 불확실성을 줄이는 일이 먼저였다.
공지 중심 CS를 문제 상황별 FAQ로 재배치했다
사용자는 문제 발생 후 해결 방법을 빠르게 찾지 못했다. 공지사항 중심 구조를 문제 상황별 FAQ 구조로 재배치하는 방향을 잡았다.
개선이 통계적으로 입증된 영역은 고객센터뿐이다
분기별 시계열 추세 검정(OLS+Newey–West) 결과 고객센터 부정 비율만 유의하게 감소했고(연 −1.90%p, p<0.05), 앱·반납예약·페널티는 감소 추세가 확인되지 않았다(p>0.28). 단일 기능 패치가 아니라 여정 전체의 통합 개선이 필요한 근거다.
05 · Contribution
- Role
- 데이터 분석·여정 매핑 담당 (공개 리뷰 데이터 기반 4인 팀 프로젝트)
- Scope
- 크롤링·전처리·감정분석·이슈 구조화·여정 맵 작성·개선안 설계 전 과정
- Output
- 고객 여정 기반 이탈 구조 분석 보고서, 통계 검정(Mann-Whitney·시계열 추세) 기반 개선 우선순위, 4개 개선 방향 제안 + 혼잡도 예측 대시보드 시안