네이버 지도 리뷰 클렌징 시스템 역기획
어떻게 하면 시스템의 의도가 사용자에게 오해 없이 전달될 수 있을까?
이 프로젝트를 한눈에
리뷰 클렌징 시스템의 의도가 사용자에게 정반대로 오해되고 있음을 설문으로 발견하고, 배너 메시지 개선안을 A/B 설문으로 검증해 부정 오해율을 35%에서 10%로 낮췄다.
- 1차 인식 설문 · 문제 정의N=81, 시스템 의도를 정반대로 해석한 응답 32.1% 발견보기(PDF) ›
- As Is / To Be 배너 비교요구사항 5건(REQ-01~05) 기반 배너 메시지 재설계보기(PDF) ›
- 2차 검증 설문 결과N=80, A/B 분리 노출로 개선 효과 검증보기(PDF) ›
결론만 — 부정 오해율 35% → 10%, 정확 이해율 55% → 85%. 배너 메시지 개선 가설은 통계적으로 유의하게(p<.01) 지지됨.
문제를 발견하다
시스템 의도와 사용자 해석 간 격차 발생.
네이버 지도의 리뷰 클렌징 시스템은 신뢰하기 어려운 허위·보상성 리뷰를 자동으로 탐지·관리해 리뷰 신뢰도를 높이는 장치다. 그러나 1차 인식 설문(N=81, 2026.07) 결과, 26명(32.1%)이 이 시스템을 정반대로 해석하고 있었다 — "사장이 부정적 리뷰를 마음대로 삭제하거나, 네이버가 리뷰를 조작하는 시스템"으로.
시스템 의도를 정반대로 해석 (26/81명)
확인 후 타 앱에서 리뷰 재확인
1차 인식 설문 · 2026.07
이 프로젝트의 설문은 두 번이다. 1차 인식 설문(N=81)으로 문제를 발견·정의하고, 2차 검증 설문(N=80, 집단별 n=40의 A/B 분리 노출)으로 개선안의 효과를 검증했다.
문제 선택 논리
설문에서 발견된 신호는 세 갈래였다. 각각을 검증 가능성 기준으로 비교했다.
| 근거 | 개선 방향 | 검증에 필요한 것 | 판단 |
|---|---|---|---|
| 52/81명(64.2%)이 네이버 지도 확인 후 다른 앱에서 리뷰 재확인 | 교차 검증 발생 맥락과 전후 행동 파악 | 내부 로그 (이탈 지점, 복귀 여부) | 제외 — 교차검증은 신중한 사용자의 자연스러운 탐색 행동일 수 있음 |
| 불신층이 리뷰 이벤트(20/24명)·광고 체험단 리뷰(22/24명)를 불신 원인으로 지목 | 체험단·대행까지 얽힌 리뷰 생태계 구조 재설계 | 정책·운영 데이터, 허위 리뷰 탐지 알고리즘 | 제외 — 플랫폼 구조·정책 영역, 개인 기획으로 검증 불가 |
| 26/81명(32.1%)이 시스템을 "삭제·조작"으로 정반대 해석 | 시스템 의도를 사용자 관점 언어로 전달해 오해율을 낮춤 | 자체 검증 설문 (A/B) | 선택 — 직접 검증 가능한 범위 |
시스템 알고리즘과 운영 정책은 직접 개선할 수 없지만, 사용자 접점의 안내·전달 방식은 검증 가능한 범위다. 이에 시스템 의도와 사용자 해석 간 격차 해소를 우선 과제로 선택했다.
리뷰 클렌징 시스템의 의도는 사용자가 접하는 순간 오해 없이 전달되고 있는가?
배너의 메시지 전달 구조를 개선하면 정확 이해율은 오르고 부정 오해율은 내린다
방치 시 잠재 비즈니스 영향
오해 → 리뷰 신뢰도 저하 → 지도 리뷰 관심도 하락 → 타 채널에서 의사결정 완결(이탈 후 미복귀) → 저장·공유·예약·네이버페이 전환 기회 유출.
오해는 줄이고, 이해는 지키기
1차 설문 응답을 해석 유형으로 분류하고, 검증 전에 성공 조건을 사전 설정했다. 부정 오해를 줄이는 것뿐 아니라, 정확 이해 집단에 새로운 오해를 만들지 않는 것까지 조건에 포함했다.
사용자 집단 분류와 타겟 설정
| 집단 | 비율 | 해석 | 역할 |
|---|---|---|---|
| 부정 오해 집단 | 32.1% | 업체가 부정적 리뷰를 지울 수 있는 시스템 | Primary Target — 줄여야 하는 지표 |
| 정확 이해 집단 | 30.9% | 허위 리뷰를 자동으로 걸러내는 시스템 | Guardrail — 유지해야 하는 지표 |
| 미인지 집단 | 23.5% | 배너 자체를 인지하지 못함 | 노출·가시성 문제로 별도 관찰 |
| 혼합 해석 집단 | 13.4% | 걸러내기도 하고 지울 수도 있는 시스템 | 후속 관찰 대상 |
성공 조건 (검증 전 사전 설정)
- 부정 오해율: 32.1%(1차 기준) → 20% 이하
- 정확 이해율: 30.9%(1차 기준) 수준 유지 (허용 하한 −2%p)
개선방안 탐색
핵심 질문("시스템의 의도가 오해 없이 전달되는가?")과의 정합성을 포함한 5개 기준으로 후보 6개를 평가했다.
| 후보 | 내용 | 정합성 | 기대효과 | 개발공수 | 정책리스크 | 검증가능성 | 판단 |
|---|---|---|---|---|---|---|---|
| 언어 개선 | 사용자 효익 중심 카피, 내부 용어 단독 노출 완화 | ○ | ○ | ○ | ○ | ○ | 우선 적용 |
| 정보 위계 변경 | 핵심 의미 1-depth 즉시 노출, 상세는 점진 노출 | ○ | ○ | ○ | ○ | ○ | 우선 적용 |
| 맥락 안내 | 코치마크·툴팁 등 탐색 맥락 내 안내 | ○ | ○ | ✕ | ○ | ✕ | 후속 검토 |
| 투명성 강화 | 운영 원칙·FAQ, 검토 사유 안내 | ○ | ○ | ✕ | ✕ | ✕ | 후속 검토 |
| 작동 피드백 | 상태 표시, 검토 과정 시각화 | ○ | ✕ | ✕ | ✕ | ✕ | 후속 검토 |
| 범위 외 | 인증 뱃지, 작성자 보상, 쇼핑 연계 | ✕ | — | — | — | — | 제외 |
우선 적용 2안(언어 개선 + 정보 위계 변경)의 선택 근거: 오해 발생 지점에 직접 타겟팅 가능, 신규 기능 대비 낮은 공수, 추가 탐색 없이 의미 전달, 기존 상세 경로 유지 가능.
배너에서 즉시 이해되도록
2-depth에 있던 시스템 역할 설명을 사용자 관점 카피로 재구성해 1-depth 배너에서 즉시 노출하고, 요구사항 5건(REQ-01~05)을 정의했다.
요구사항
| ID | 요구사항 | 수용 기준 | 우선순위 | 난이도 |
|---|---|---|---|---|
| REQ-01 | 배너만으로 시스템의 의도를 이해할 수 있어야 함 | 추가 선택 행동 없이 리뷰 탭에서 핵심 의미 즉시 확인 | 1 | 하 |
| REQ-02 | 사용자 관점의 메시지를 제공해야 함 | 내부 시스템 용어보다 사용자에게 제공되는 결과를 명시 | 1 | 중 |
| REQ-03 | 상세 정보 접근 경로를 유지해야 함 | 배너 내 '자세히' 진입 경로와 기존 상세 페이지 연결 유지 | 3 | 중 |
| REQ-04 | 새로운 오해를 유발하지 않아야 함 | 삭제 주체·리뷰 조작·광고주 우대를 연상시키는 표현 제외 | 4 | 상 |
| REQ-05 | 개선 효과를 비교할 수 있어야 함 | 메시지 외 UI 요소를 동일하게 유지한 A/B 분리 노출 | 2 | 상 |
[이미지: As Is / To Be 배너 비교 화면]
배너 메시지 변경으로 사용자 오해를 줄이다
2차 검증 설문(N=80) — 응답자를 두 집단(각 n=40)으로 나눠 As Is 배너와 To Be 배너를 각각 노출했다. 메시지 외 UI 조건은 동일하게 통제해, 해석 차이가 배너 메시지에서만 발생하도록 설계했다.
부정 오해율 35% → 10% · 목표 20% 이하 달성
정확 이해율 55% → 85% · 가드레일 초과 달성
두 비율 검정 기준 통계적으로 유의
As Is 수치(35% / 55%)가 1차 인식 설문(32.1% / 30.9%)과 다른 것은 별개 표본을 대상으로 한 별개 설문이기 때문이다. 목표선(20% 이하, −2%p)은 1차 기준으로 사전 설정했고, 2차에서는 동일 조건의 As Is 집단을 직접 대조군으로 두어 비교했다.
[이미지: 배너 안별 사용자 인식 비교 차트 — 제목 "A/B 설문, N=80", X축 라벨 As Is (n=40) / To Be (n=40), 목표선 20% 점선. 캡션: 자체 A/B 설문 · 각 집단 n=40]
가설 검증 — 부정 오해율은 낮아지고 정확 이해율은 유지(상승)되어, 배너 메시지 개선 가설을 지지함.
기대 효과 — 개선 배너 적용 제안 → 시스템 의도의 오해 없는 전달 → 리뷰 신뢰 회복 기대.
관찰, 범위, 기준의 필요성을 배우다
관찰을 곧바로 문제로 단정하지 않기
타 채널 재확인은 '이탈'이 아니라 자연스러운 탐색일 수 있다. 맥락과 전후 과정을 확인한 뒤 진짜 문제를 정의해야 한다.
검증 가능한 범위로 좁히기
"리뷰 신뢰도 전체"가 아니라 "의도–해석 간 격차"로. 직접 검증하고 확실히 확인할 수 있는 단위로 구체화해야 한다.
결과보다 먼저 기준 정하기
검증 전 성공지표를 사전 설정해, 결과에 따라 해석을 바꾸지 않도록 객관적으로 평가해야 한다.
프로젝트 요약
| WHAT | WHY | HOW | SO WHAT |
|---|---|---|---|
| 32.1% 부정 오해 — 26/81명의 정반대 해석 확인 | 직접 개선 가능한 문제 — 알고리즘보다 사용자 접점 메시지에 집중 | 배너 메시지 A/B 설문 — 메시지 외 UI 조건 통제 | 목표 달성·가설 지지 — 부정 오해율 35→10%, 정확 이해율 55→85% |