글·자료 | 인사이트코리아 INCENCIA AI

 

문제는 데이터가 아니다. 같은 리뷰 10만 건을 놓고도, 누가·어떤 기법·어떤 자산으로 분석하느냐에 따라 결론은 정반대로 갈린다. 그리고 그 결론의 간극이 곧 브랜드가 확보할 기회의 간극이 된다.

 

지난 회에서 우리는 ‘데이터를 모으는 경쟁은 끝났고, 이제 무엇을 어떻게 묻느냐가 승부’라고 정리했다. 이번 회는 그 첫 관문, ‘듣기(VOICE)’다. 화장품만큼 소비자의 말이 곧 매출인 산업도 드물다. 그런데 대부분의 브랜드에서 VOC 분석은 ‘언급량이 늘었고 감성점수가 82점’이라는 대시보드 앞에서 멈춰 선다. 진짜 문제는 그 숫자가 ‘무엇을, 왜, 언제’ 바꿔야 하는지는 끝내 말해주지 않는다는 데 있다.

 

언급량 · 감성점수, 딱 거기까지

VOC를 ‘모으는’ 단계는 이미 상향 평준화됐다. 자사몰·CRM에 후기가 쌓이고, 올리브영·무신사 리뷰를 크롤링해 자사와 경쟁사를 나란히 본다. 유료 구독으로 트렌드 대시보드와 AI 보고서도 받는다. 문제는 손에 쥔 결과가 대체로 ‘버즈(언급량) + 감성(긍·부정) 점수’ 수준에서 멈춘다는 것이다. MIT 슬론 매니지먼트 리뷰도 소셜 리스닝이 대체로 브랜드가 몇 번 언급됐는지, 긍정인지 부정인지를 세는 데 머물렀고, 그렇게 나온 데이터는 너무 뭉뚱그려진 표준 지표라 의사결정에 쓰기엔 지나치게 일반적이라고 짚는다. 82점은 결과를 알려줄 뿐, 이유를 알려주지 않는다.

 

한국 시장에서 이 한계는 더 뼈아프다. 올리브영 어워즈는 1년간 쌓인 약 1억 8천만 건의 구매 데이터를 종합해 순위를 가릴 만큼, 리뷰와 검색이 곧 시장을 그리는 ‘리뷰 경제’가 이미 굳어졌다. 데이터의 결도 빠르게 바뀐다 — 2026 트렌드에서 소비자는 색조에서도 발색·커버력을 넘어 성분까지 따지기 시작했고, 메이크업에서 ‘진정·장벽·수분’ 같은 피부 관리 키워드 검색량은 전년 대비 150% 이상 급증했다. 신호는 이렇게 또렷한데, 이걸 ‘우리 브랜드의 다음 수’로 번역하지 못하면 데이터는 그저 쌓이기만 한다.

 

8월, 여름 성수기의 데오드란트를 예로 들어보자. 국내에서 가장 빠르게 크는 퍼스널케어 카테고리 중 하나지만, 이 시장엔 숫자가 좀처럼 잡아내지 못하는 함정이 있다. 소비자 상당수는 데오드란트가 ‘땀까지 막아준다’고 기대하지만, 실제로 많은 제품은 냄새만 억제할 뿐 땀 자체는 잡지 못한다. 이 ‘기대와 성능의 어긋남’은 별점·감성점수 위에서는 좀처럼 드러나지 않는다. 바로 이 지점이 이번 실험의 무대다.

 

실험 — 같은 데이터를 주고, 두 방식으로 분석하면

한 브랜드가 여름 신제품으로 무향 데오드란트를 냈다. 출시 3개월, 리뷰 5,000건이 쌓였고 별점 4.3·감성점수 82점. 같은 5,000건을 그대로 두 방식에 넣어보면, 분석 과정과 결론은 이렇게 갈린다.

 

표1 같은 리뷰 5,000건, 두 방식의 분석 과정과 결과

 

표를 풀어보면 이렇다. 두 방식 모두 똑같은 5,000건을 봤다. 일반 LLM은 전체를 평균 내 ‘대체로 긍정, 제형을 개선하고 산뜻함을 강조하라’는 답에 이른다. 그럴듯하다. 같은 프롬프트를 넣은 경쟁사도 똑같이 받는 평균값이고, 세그먼트를 나누지 못해 ‘땀 많은 층’과 ‘무향 선호층’의 정반대 니즈를 한 덩어리로 뭉갠다. 재실행할 때마다 강조점이 흔들리고, 리뷰에 없던 일반 지식이 슬며시 섞이기도 한다. 그래서 ‘별점은 높은데 왜 재구매가 새는지’엔 끝내 답하지 못한다.

 

체계적 에이전트는 같은 리뷰를 사용상황·세그먼트로 분해한다. 불만은 ‘한낮 활동’·‘다한증’ 세그먼트에 몰려 있었고, 무향 세그먼트는 별점은 높지만 재구매가 낮았다. 자사 CRM 재구매 데이터와 교차하니 — ‘무향이라 바른 느낌이 없어 케어됐다는 확신이 안 선다’는 심리적 공백이 ‘조용한 이탈’의 진짜 트리거였다. 감성점수엔 결코 안 잡히는 신호다. 그 결과 ‘순한데 한낮에도 오래 보송한’이라는, 경쟁사도 못 채운 화이트스페이스가 드러난다. 결론은 전 제품 리뉴얼이 아니라, 그 세그먼트를 겨냥한 라인 확장과 리포지셔닝이다.

 

두 산출의 차이는 ‘AI를 썼느냐’가 아니다. 둘 다 AI를 썼다. 차이는 ‘무엇을, 어떤 데이터로, 어떤 기법으로 물었는가’에서 갈렸다.

 

“두 결론의 간극이, 곧 기회의 간극이다.”

 

틀린 분석은 ‘안 한 것’보다 나쁘다

여기서 핵심을 짚어야 한다. 단순 분석이 위험한 이유는 ‘틀려서’가 아니라 ‘그럴듯해서’다. 82점이라는 숫자와 매끈한 요약은 오판에 ‘데이터의 외피’를 입힌다. 마케터는 확신을 가지고 엉뚱한 방향 — 이를테면 향을 더 강화하거나 전 제품 제형을 갈아엎는 쪽 — 에 예산과 몇 달의 개발 리드타임을 쏟는다. 정작 이탈을 부른 ‘보송함 지속’의 공백은 방치되고, 비어 있던 공백은 그것을 먼저 읽은 경쟁사가 채운다. 아무것도 하지 않은 브랜드보다, 잘못된 확신으로 자원을 태운 브랜드가 더 크게 뒤처지는 이유다.

 

화장품에서 이 함정은 특히 치명적이다. 뷰티 소비는 ‘남이 직접 써보고 남긴 말’에 대한 신뢰 위에서 움직인다. 브랜드 고유의 결을 범용 AI의 평균값으로 납작하게 눌러버리면, 정작 구매를 일으키던 그 신뢰마저 흔들린다. AI를 앞세운 광고가 ‘영혼이 없다’며 역풍을 맞았던 것처럼, 맥락이 빠진 분석은 도입하지 않느니만 못한 결과를 낳는다.

 

무엇이 결과를 가르는가 — 네 가지 차이

결과의 간극은 ‘AI를 썼는가’에서 오지 않는다. 표준 자동보고서도, 노하우가 밴 분석도 모두 AI를 쓴다. 정작 결과를 가르는 것은 다음 네 가지다.

 

① 분석 기법
내러티브 클러스터링·히든 텐션·미충족 니즈·화이트스페이스처럼, 이론과 경험으로 체계화된 분석 함수·로직이 들어 있는가, 아니면 프롬프트 한 줄의 단순 추론인가.

 

② 분석자의 전문성
그 카테고리와 상품을 아는가. 데오드란트에서 ‘냄새 억제’와 ‘땀 억제(제습)’가 서로 다른 축이라는 걸 모르면, ‘지속력 불만’을 뭉뚱그려 엉뚱한 처방을 내리고 세그먼트별로 정반대인 니즈를 하나로 뭉갠다.

 

③ 자기 기업만의 데이터
외부 공개 리뷰만으로는 보이지 않던 것이, 자사 CRM·임상·성분 자산과 교차될 때 비로소 가설이 검증된다. 이건 경쟁사가 복제할 수 없는 해자(moat)다.

 

④ 사람의 통제(Human-in-the-Loop)
마케터가 가설과 분석 방향을 검토·승인해야, 결과가 ‘남이 내린 결론’이 아니라 ‘우리 전략’이 된다. 이 네 가지가 빠진 AI는, 누가 돌려도 같은 82점을 돌려준다.

 

VOICE — 리뷰를 전략으로 바꾸는 에이전트

앞의 실험이 겨냥한 지점이, 최근 국내에 등장한 화장품 특화 AI 플랫폼 ‘인센시아(INCENCIA)’의 첫 모듈 VOICE가 서는 자리다. 25년간 FMCG·화장품 리서치·컨설팅으로 축적한 분석 노하우와 5,000여 건의 신상품 수용도 DB를 에이전트에 이식했다는 이 플랫폼에서, VOICE는 정성조사·오픈응답·버즈/SNS·고객 VOC를 사용상황·세그먼트 단위로 분해해 히든 텐션과 미충족 니즈, 위험 신호를 함께 끌어올린다. 앞서 짚은 ‘깊은 분석’의 조건을 검증된 분석 함수·로직으로 산업화한 셈이다.

 

차별점은 ‘프롬프트 한 줄’이 아니라 각 분석에 분석 함수·로직이 내장돼 있다는 것, 그리고 외부 리서치사가 알 수 없는 브랜드 히스토리와 내부 VOC를 그 브랜드를 가장 잘 아는 마케터가 직접 투입한다는 것이다. 모든 단계에서 마케터가 방향을 검토·승인하는 Human-in-the-Loop 구조라, 결과는 ‘대신 내린 결론’이 아니라 ‘함께 세운 가설’로 남는다. 분석부터 보고서 자동 생성까지 평균 1~3시간. 누구나 같은 답을 받는 표준 보고서와 결정적으로 갈리는 지점이다.

 

 

결국, 잘 듣는 브랜드가 이긴다

도구가 보편화될수록 사람의 몫은 오히려 또렷해진다. VOC 분석의 경쟁력은 ‘리뷰를 몇 건 모았는가’가 아니라 ‘그 리뷰에 무엇을, 어떤 데이터로 묻고, 그 답을 어떻게 판단하는가’로 이동하고 있다. 그리고 그 답은, 그 카테고리를 가장 잘 아는 전문가와 그 회사만이 가진 데이터가 결합될 때에만 가치 있는 인사이트가 된다.

 

82점 앞에서 멈출 것인가, 그 아래에서 ‘왜’를 캐낼 것인가. 리뷰 경제가 굳어진 한국 시장에서 잘 듣는 브랜드는 늘 이겨왔고, 이제 그 ‘듣기’를 산업화한 도구가 중견·인디 브랜드의 손에도 들어오고 있다. 다음 회에서는 이렇게 길어 올린 니즈를 실제 ‘신제품 컨셉’으로 바꾸는 단계, DEVELOP 모듈을 다룬다.

 

※ 본 기획은 AI 시대 화장품 마케팅 연재의 2회차입니다.
더 많은 정보·문의 : https://incencia.ai

글 │ INCENCIA AI