별점 4.3이 같아도 전혀 다른 상품인 이유

 

온라인에서 물건이나 숙소를 고를 때 별점은 시간을 아껴주는 숫자입니다. 후보가 열 개라면 4.3점과 3.8점을 먼저 나누는 것만으로도 목록이 금세 줄어들죠. 문제는 평균이 편리한 만큼 많은 정보를 접어버린다는 데 있습니다. 모두가 무난하게 만족한 4.3점과 누군가는 열광하고 누군가는 크게 실망한 4.3점은 같은 상품이 아니에요.

별점을 버리자는 이야기는 아닙니다. 평균을 결론으로 읽지 않고, 더 살펴볼 대상을 고르는 첫 화면으로 쓰자는 뜻에 가깝습니다. 평점의 분포와 리뷰가 달린 조건을 함께 보면 “좋은 상품인가”라는 막연한 판단이 “내 조건에서도 괜찮은가”라는 현실적인 판단으로 바뀝니다.

 

평균은 같지만 실패 방식은 다릅니다

가상의 상품 A와 B가 모두 4.3점이라고 해보겠습니다. A는 4점과 5점이 대부분이고, B는 5점과 1점이 함께 많습니다. A는 대체로 예상 범위 안에 들어오는 상품일 가능성이 크고, B는 사용 조건이나 취향에 따라 평가가 갈리는 상품일 수 있어요. 평균만 보면 이 차이가 사라집니다.

마케팅 학술지 Management Science에 실린 연구는 높은 평균 평점이 품질에 관한 정보를 주는 한편, 평점 분산이 큰 경우에는 일부가 좋아하고 일부가 싫어하는 ‘틈새 상품’의 성격을 나타낼 수 있다고 설명합니다. 다만 분산이 크다는 사실만으로 불량품이라고 단정해서는 안 됩니다. 연구의 핵심도 평균과 분산이 서로 다른 정보를 준다는 데 있죠.

 

예를 들어 단단한 매트리스를 찾는 사람에게 “너무 딱딱하다”는 1점 리뷰는 오히려 중요한 단서가 됩니다. 소음에 민감하지 않은 사람에게 “팬 소리가 크다”는 불만은 치명적이지 않을 수 있고요. 반대로 같은 부품이 반복해서 파손됐다는 리뷰는 취향 차이로 돌리기 어렵습니다. 낮은 점수의 개수보다 낮은 점수가 생긴 이유를 묶어봐야 하는 까닭입니다.

리뷰 수가 많다고 현재 상태까지 보장하지는 않습니다

평점 옆의 리뷰 수는 표본 규모를 가늠하는 데 도움이 됩니다. 리뷰 4개로 만든 5.0점과 리뷰 4천 개로 만든 4.7점을 같은 안정성으로 읽기는 어렵죠. 그렇다고 오래 쌓인 리뷰가 많다는 이유만으로 지금도 같은 제품이라고 볼 수는 없습니다.

판매자가 제조사를 바꾸거나, 포장 단위를 줄이거나, 앱을 크게 업데이트하면 예전 리뷰와 지금 상품 사이에 틈이 생길 수 있습니다. 숙소는 운영자가 바뀌기도 하고, 식당은 조리 인력이나 메뉴 구성이 달라지기도 해요. 전체 평균은 이런 변화를 천천히 반영합니다. 최근 리뷰를 따로 읽어야 하는 이유가 여기에 있습니다.

가장 실용적인 방법은 리뷰를 두 덩어리로 나누는 겁니다. 먼저 최근 한두 달의 리뷰에서 같은 문제가 반복되는지 봅니다. 그다음 오래된 리뷰에서는 제품이 원래 어떤 장단점으로 평가받았는지 확인해요. 최근에만 갑자기 배송 파손이 늘었다면 제품 자체보다 포장이나 물류의 문제일 수 있습니다. 반대로 몇 년 동안 같은 내구성 문제가 반복되면 일시적인 사고로 보기 어렵겠죠.

 

극단적인 리뷰보다 조건이 적힌 리뷰가 쓸모 있습니다

리뷰를 읽을 때는 감정의 세기보다 조건의 구체성을 보는 편이 낫습니다. “최고예요”나 “절대 사지 마세요”는 만족도를 보여주지만 내 상황과 연결하기 어렵습니다. 반면 “키 170cm, 평소 100 사이즈인데 어깨는 맞고 소매가 길었다”는 문장은 구매 판단에 바로 쓸 수 있어요.

온라인 리뷰의 유용성을 연구한 논문에서도 리뷰의 깊이가 도움 판단과 관련 있다고 보고했습니다. 모든 긴 리뷰가 정확하다는 뜻은 아닙니다. 다만 사용 기간, 비교 대상, 환경, 고장 시점처럼 확인 가능한 조건이 들어 있으면 단순한 감탄보다 정보량이 많다는 뜻이죠.

여기서 사진도 주의해서 봐야 합니다. 사진이 있다는 사실은 실제 사용의 흔적일 수 있지만, 사진 한 장이 내구성이나 장기 품질까지 증명하지는 못합니다. 조명과 촬영 각도에 따라 색이 달라질 수도 있고요. 사진은 질감과 크기를 확인하는 자료로 쓰고, 성능 판단은 반복되는 서술과 함께 보는 편이 안전합니다.

별점 조작은 특별한 사건이 아니라 읽기 조건입니다

미국 연방거래위원회 FTC는 2024년 10월 21일부터 소비자 리뷰·추천 관련 규칙을 시행했습니다. 실제 경험이 없는 가짜 리뷰의 판매·구매, 긍정 또는 부정 리뷰에 특정 보상을 거는 행위, 불리한 리뷰를 위협으로 막는 행위 등이 규제 대상입니다. 이는 특정 플랫폼의 모든 리뷰가 가짜라는 뜻이 아니라, 리뷰 시스템에도 이해관계와 조작 가능성이 존재한다는 공식적인 기준점입니다.

그래서 “구매 인증” 표시 하나만 보고 판단을 끝내기보다, 비슷한 문장이 짧은 기간에 몰렸는지, 장점만 반복하면서 사용 조건은 비어 있는지, 낮은 별점이 아예 보이지 않는지 살펴볼 필요가 있어요. 다만 문체가 비슷하다는 이유만으로 개별 리뷰를 가짜라고 단정하는 것도 위험합니다. 우리가 할 수 있는 일은 수사보다 불확실성을 가격에 반영하는 것입니다.

 

평균을 버리지 말고 읽는 순서를 바꿉니다

구매 전에 모든 리뷰를 읽을 수는 없습니다. 다음과 같이 순서를 정하면 시간을 크게 늘리지 않고도 평균의 빈틈을 확인할 수 있어요.

1. 평균과 리뷰 수로 후보를 대략 줄입니다.
2. 별점 분포에서 1점과 5점이 동시에 많은지 봅니다.
3. 최근 리뷰에서 같은 문제가 반복되는지 확인합니다.
4. 내 조건과 가까운 구체적 리뷰를 두세 개 찾습니다.
5. 치명적인 문제와 감수할 수 있는 취향 차이를 나눕니다.

가상의 예로 10만 원짜리 의자가 평점 4.5점이어도 “키 180cm 이상에서 좌판이 짧다”는 내용이 반복된다면 평균보다 신체 조건이 더 중요한 정보가 됩니다. 반대로 색상이 화면과 조금 다르다는 불만만 반복되고 색에 민감하지 않다면 높은 평균을 믿을 근거가 남습니다. 같은 리뷰라도 구매자마다 가치가 달라지는 셈이죠.

별점은 사람들의 경험을 한 줄로 압축한 숫자입니다. 압축은 빠르지만 무엇이 사라졌는지 모르면 실수가 생겨요. 좋은 선택은 평균을 의심하는 데서 끝나지 않습니다. 평균 아래에 숨은 조건 가운데 내 실패 가능성과 연결되는 것을 찾아내는 일에서 시작됩니다.

출처

• FTC, Consumer Reviews and Testimonials Rule Q&A (2024-11-08, 규칙 시행일 2024-10-21): https://www.ftc.gov/business-guidance/resources/consumer-reviews-testimonials-rule-questions-answers
• Monic Sun, “How Does the Variance of Product Ratings Matter?”, Management Science 58(4), 2012: https://pubsonline.informs.org/doi/10.1287/mnsc.1110.1458
• Mudambi & Schuff, “What Makes a Helpful Online Review?”, MIS Quarterly 34(1), 2010 초록: https://dl.acm.org/doi/10.5555/2017447.2017457