ASO에서의 AI: 사용자 리뷰 마이닝을 위한 새로운 모델 개발

2022년 12월부터 ChatGPT는 디지털 산업에서 인공지능(AI)의 선두 주자로 부상했습니다. 이 기술은 매우 방대한 텍스트 코퍼스에서 질적인 사람이 읽을 수 있는 요약을 생성하는 인상적인 능력을 보여줍니다. 사실, ChatGPT는 간결하고 명확하게 글을 쓸 수 있을 뿐만 아니라, 매우 다양한 맥락에서 인간의 답변을 재현하는 훌륭한 기술이기도 합니다.

데이터 과학이 저희 플랫폼의 핵심인 만큼, 저희 AppTweak은 이 기술에 주목하고 이를 활용하는 방법을 연구하기 시작했습니다. 저희가 ChatGPT를 활용할 수 있다고 생각한 ASO의 한 가지 중요한 측면은 사용자 리뷰입니다. 리뷰에 답변하기 위해 저희가 수행한 초기 실험을 통해 고객들이 특정 목적을 위해 이 기술을 사용하도록 돕는 것에 대한 확신을 얻었습니다.

최초의 스토어별 시맨틱 엔진인 Atlas를 구축한 저희의 경험을 바탕으로, 저희는 GPT를 시험해 볼 기회를 보았습니다. 앱 스토어에 남겨진 사용자 앱 스토어 리뷰에서 가장 가치 있는 인사이트를 추출하는 데 전용 AI 모델이 더 나은 성능을 발휘할 수 있는지 연구하고 싶었습니다.

벤치마크를 위한 GPT 기술 한계점 파악

iOS용 Netflix의 사용자 리뷰에서 가장 흔한 주제가 무엇인지 ChatGPT에게 물었을 때, 저희를 놀라게 한 첫 번째는 답변이 매우 명확했으며 iPhone 및 iPad 사용자들이 언급할 가능성이 매우 높은 요소들을 식별했다는 점이었습니다.

하지만 ChatGPT가 요약 작성에 매우 능숙하고 그 속도가 자동화를 위한 새로운 지평을 열어주지만, ChatGPT가 강조한 주제의 일반적인 특성 또한 새로운 질문으로 이어졌습니다.

• 특정 주제를 특정 리뷰 코퍼스로 추적할 수 있을까요?
• 일반적인 경우와 특정 리뷰를 볼 때 모두, 한 주제가 다른 주제보다 얼마나 널리 퍼져 있는지 정량화할 수 있을까요?
• 특정 주제가 리뷰에서 언제 등장했는지 추적할 수 있을까요?

저희가 답변을 조사하면서, ChatGPT가 일반적인 기술로서 저희가 사용하고자 했던 매우 구체적인 주제에 대해 한 가지 특정 결함을 가지고 있다는 것을 발견했습니다. 전 세계에서 가장 큰 정보 풀 중 하나(혹은 가장 큰)에 대한 접근 권한이 저희 목적에 비해 너무 똑똑하게 만들 위험이 있었습니다. 이는 App Store 및 Google Play 외부의 정보에 기반한 답변을 생성하려는 유혹을 받을 수 있기 때문입니다. 특히, 다른 출처의 영향을 받을 수 있으며, 사실적인 리뷰와 모순되거나 특정 주제를 비례적으로 반영하지 않는 답변으로 이어질 수 있습니다.

저희와 같은 ASO 실무자에게, 이는 리뷰에서 어떤 주제를 찾아야 할지 제안하는 데 ChatGPT를 고려할 수 있다는 의미였지만, 더 방향성 있는 인사이트를 위해 이를 사용하는 것은 최소한 상당한 감독과 입력 제어를 필요로 할 것입니다.

이것이 저희의 초기 목표와 모순되었기 때문에, 저희는 다른 모델을 시도하기로 결정했습니다.

ChatGPT를 사용하여 ASO 노력을 최적화하는 방법을 알아보세요

사용자 리뷰에 시맨틱 머신러닝 적용

저희 데이터베이스에 저장된 매우 방대한 앱 스토어 리뷰 컬렉션을 통해 (저희는 고객들이 팔로우하는 모든 앱과 모든 국가의 사용자 리뷰를 수집합니다), 저희는 비지도 머신러닝 기술을 실험할 수 있었습니다. 단어 빈도와 그와 관련된 의미에 초점을 맞춥니다.

이 방법을 통해 입력이 더 구체적일 뿐만 아니라, 저희 운영자의 유일한 작업은 모델이 식별할 몇 가지 특징적인 주제를 선택하는 것이었습니다. 거기서부터 모델은 주어진 전체 리뷰에서 “x”개의 가장 특징적인 주제가 무엇이었는지 스스로 결정할 수 있으며, 특정 리뷰를 살펴보고 식별된 각 주제에 대한 점수를 부여할 수 있습니다.

이는 결과적으로 ChatGPT에서 발견했던 한계점들에 대한 만족감을 주었습니다.

• 이제 어떤 주제든 모델이 읽은 리뷰의 하위 집합으로 추적될 수 있습니다.
• 과거 및 미래의 모든 리뷰는 각 주제에 대한 점수를 받을 수 있습니다.

이는 저희가 리뷰당 하나 이상의 주제를 식별할 수 있을 뿐만 아니라, 시간 경과에 따른 주제의 정량적 변화를 모니터링하여 특정 주제가 갑자기 나타날 때 알림을 받을 수 있다는 것을 의미합니다.

이 마지막 이점은 과소평가되어서는 안 됩니다. 이는 또한 인간의 리뷰 모니터링에서 가장 흔한 편견 중 하나인, 우리가 찾을 것으로 예상하는 주제를 본능적으로 찾는 경향을 극복하는 데 도움이 되기 때문입니다.

미국(iOS)에서 Netflix의 별점 1점 및 2점 리뷰에 저희 모델을 테스트했을 때, Netflix가 플랫폼에서 뱀파이어 다이어리 시리즈를 제거한 후 2022년 9월경 제거된 콘텐츠 주제가 특히 두드러지게 나타났다는 것을 발견하고 놀랐습니다.

앱 리뷰 주제를 마케팅 성공으로 전환

물론, 가장 두드러진 주제를 아는 것만으로는 앱을 성공적으로 만들기에 충분하지 않습니다. 그럼에도 불구하고, 이는 필수적인 첫 단계입니다.

• 사용자들이 식별한 문제점 이해: 제품 문제를 인지하는 것은 앱의 품질을 보장해야 하는 (그리고 건강한 제품 핵심 지표를 제공해야 하는) 제품 관리자에게 매우 유익합니다. 제품 로드맵을 조정할 때 사용자 제안에 점수를 부여하는 것은 데이터 기반 의사 결정을 내리는 데도 도움이 될 수 있습니다.

• 긍정적인 리뷰 강조: 요즘 앱 스토어 리뷰와 평점은 훨씬 더 큰 영향을 미칩니다. Google과 Apple은 앱 개발자들에게 평균 평점이 App Store 또는 Play Store에 추천되는 데 중요한 요소가 될 수 있다고 자주 상기시킬 뿐만 아니라, 연구에 따르면 스토어 사용자들은 앱을 다운로드하기 전에 사용자 리뷰를 매우 신중하게 고려할 수 있습니다. Apptentive의 2020년 보고서는 평균 평점이 3점에서 4점으로 상승하면 전환율이 92% 증가할 가능성이 있음을 강조했습니다. 앱 스토어 스크린샷에 긍정적인 리뷰를 강조하는 것은 제품에 대한 신뢰를 심어주거나 특정 기능을 강조하려는 앱에게 일종의 모범 사례가 되었습니다.

AppTweak이 앱 스토어 리뷰에 대한 키워드 분석을 수행하여 사용자들이 무엇에 대해 이야기하는지 식별하는 데 어떻게 도움을 줄 수 있는지 알아보세요

저희의 경험 또한 리뷰 마이닝 분석이 저희 관리 서비스 고객 중 한 곳의 비교 우위를 식별하는 데 도움이 되었을 때 큰 성공으로 이끌었습니다. 저희는 이 이점을 활용하여 iOS용 커스텀 제품 페이지를 디자인하는 영감으로 삼았고, 이를 Apple Search Ads 캠페인에서 경쟁사의 브랜드 이름을 타겟팅하는 데 사용했습니다. 이는 전환율 58% 개선을 가져왔고 설치당 비용을 거의 40% 낮췄습니다.

저희 팀은 그 이후로 시맨틱 리뷰 마이닝 모델을 계속 실험해 왔으며, 특정 시장에서 월별 리뷰 수가 제한적인 앱을 지원하기 위한 개선 작업을 진행했습니다. 저희는 또한 앱 클러스터 간에 리뷰 주제를 비교하는 방법에 대한 몇 가지 사고 실험을 수행했습니다. 전반적으로, 이는 ASO를 위한 AI의 잠재력에 대한 저희의 믿음을 확고히 했으며, 저희 플랫폼에 데이터 과학 기반 기능을 계속 추가할 것입니다.

AppTweak에서 AI를 어떻게 사용하는지 계속 배우고 저희의 최신 기능을 활용하고 싶다면, 7일 무료 체험에 가입하십시오.

무료 체험판 시작하기