🧠 자연어 처리로 리뷰 분석하기

먼저 리뷰 내용을 정확하게 이해해야 적절한 답변을 만들 수 있겠죠? 한국어 자연어 처리 라이브러리를 활용합니다.

KoNLPy 활용 예시:

# Python 예시
from konlpy.tag import Okt
from collections import Counter

def analyze_review(review_text):
    okt = Okt()
    
    # 형태소 분석
    nouns = okt.nouns(review_text)
    
    # 감성 키워드 추출
    positive_words = ['좋아요', '만족', '추천', '최고', '감사']
    negative_words = ['별로', '실망', '불만', '환불', '불량']
    
    pos_count = sum(1 for word in nouns if word in positive_words)
    neg_count = sum(1 for word in nouns if word in negative_words)
    
    # 감성 점수 계산
    sentiment_score = pos_count - neg_count
    
    return {
        'keywords': Counter(nouns).most_common(5),
        'sentiment': 'positive' if sentiment_score > 0 else 'negative' if sentiment_score < 0 else 'neutral'
    }

이런 분석 결과를 바탕으로 답변의 톤과 내용을 조정할 수 있어요. 긍정적인 리뷰에는 감사 인사를, 부정적인 리뷰에는 사과와 해결책을 제시하는 식으로요! 😊

💡 GPT API를 활용한 답변 생성

OpenAI의 GPT API를 사용하면 훨씬 더 자연스럽고 맥락에 맞는 답변을 생성할 수 있어요. 물론 비용이 발생하지만, 고객 만족도를 생각하면 충분히 투자 가치가 있습니다.

// GPT API 활용 예시
const { Configuration, OpenAIApi } = require('openai');

async function generateReply(reviewData) {
  const configuration = new Configuration({
    apiKey: process.env.OPENAI_API_KEY,
  });
  const openai = new OpenAIApi(configuration);
  
  const prompt = `
당신은 네이버 스마트스토어 판매자입니다.
다음 리뷰에 대한 답변을 작성해주세요.

상품명: ${reviewData.productName}
별점: ${reviewData.rating}점
리뷰 내용: ${reviewData.content}

답변은 친절하고 전문적이며, 100자 이내로 작성해주세요.
`;

  const response = await openai.createChatCompletion({
    model: "gpt-4",
    messages: [
      {
        role: "system",
        content: "당신은 친절하고 전문적인 쇼핑몰 판매자입니다."
      },
      {
        role: "user",
        content: prompt
      }
    ],
    temperature: 0.7,
    max_tokens: 200
  });
  
  return response.data.choices[0].message.content;
}

GPT를 사용할 때는 프롬프트 엔지니어링이 정말 중요해요. 판매자의 브랜드 톤, 답변 길이, 포함해야 할 요소 등을 명확하게 지시해야 원하는 결과를 얻을 수 있습니다! 🎯

🗄️ 주요 테이블 구조

1. users (사용자 테이블)
판매자 정보를 저장합니다.

CREATE TABLE users (
  id SERIAL PRIMARY KEY,
  naver_user_id VARCHAR(100) UNIQUE NOT NULL,
  store_name VARCHAR(200),
  email VARCHAR(255),
  access_token TEXT,
  refresh_token TEXT,
  token_expires_at TIMESTAMP,
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

2. reviews (리뷰 테이블)
수집된 리뷰 데이터를 저장합니다.

CREATE TABLE reviews (
  id SERIAL PRIMARY KEY,
  user_id INTEGER REFERENCES users(id),
  naver_review_id VARCHAR(100) UNIQUE NOT NULL,
  product_id VARCHAR(100),
  product_name VARCHAR(300),
  reviewer_name VARCHAR(100),
  rating INTEGER CHECK (rating >= 1 AND rating <= 5),
  content TEXT,
  review_date TIMESTAMP,
  sentiment VARCHAR(20), -- positive, negative, neutral
  category VARCHAR(50), -- 긍정, 부정, 문의, 긴급 등
  is_replied BOOLEAN DEFAULT FALSE,
  priority INTEGER DEFAULT 0, -- 우선순위 점수
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

3. replies (답변 테이블)
작성된 답변 내역을 저장합니다.

CREATE TABLE replies (
  id SERIAL PRIMARY KEY,
  review_id INTEGER REFERENCES reviews(id),
  content TEXT NOT NULL,
  is_auto_generated BOOLEAN DEFAULT FALSE,
  is_approved BOOLEAN DEFAULT FALSE,
  approved_by INTEGER REFERENCES users(id),
  sent_at TIMESTAMP,
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

4. templates (템플릿 테이블)
답변 템플릿을 저장합니다.

CREATE TABLE templates (
  id SERIAL PRIMARY KEY,
  user_id INTEGER REFERENCES users(id),
  name VARCHAR(200),
  category VARCHAR(50),
  content TEXT NOT NULL,
  variables JSON, -- 사용 가능한 변수 목록
  usage_count INTEGER DEFAULT 0,
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

5. keywords (키워드 테이블)
리뷰에서 추출된 키워드를 저장합니다.

CREATE TABLE keywords (
  id SERIAL PRIMARY KEY,
  review_id INTEGER REFERENCES reviews(id),
  keyword VARCHAR(100),
  frequency INTEGER DEFAULT 1,
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

🔄 이벤트 기반 아키텍처

메시지 큐를 활용한 이벤트 기반 아키텍처를 구축하면 효율적으로 처리할 수 있어요.

구성 요소:
• Producer: 주기적으로 네이버 API를 호출해서 새 리뷰를 확인
• Message Queue: RabbitMQ 또는 Redis Pub/Sub
• Consumer: 큐에서 메시지를 받아 처리 (분석, 답변 생성 등)
• Notification Service: 판매자에게 알림 발송

// Redis Pub/Sub 예시
const redis = require('redis');
const publisher = redis.createClient();
const subscriber = redis.createClient();

// 새 리뷰 발행
async function publishNewReview(reviewData) {
  await publisher.publish('new-review', JSON.stringify(reviewData));
  console.log('새 리뷰 발행:', reviewData.id);
}

// 리뷰 구독 및 처리
subscriber.subscribe('new-review');
subscriber.on('message', async (channel, message) => {
  const review = JSON.parse(message);
  
  // 1. 리뷰 분석
  const analysis = await analyzeReview(review);
  
  // 2. 우선순위 결정
  const priority = calculatePriority(analysis);
  
  // 3. 답변 생성 (필요시)
  if (priority >= 7) {
    const reply = await generateReply(review);
    await saveReply(review.id, reply);
  }
  
  // 4. 알림 발송
  await sendNotification(review.userId, priority);
});

⏰ 스케줄링 전략

모든 작업을 실시간으로 처리할 필요는 없어요. 작업 유형에 따라 적절한 스케줄을 설정하세요.

스케줄 예시:
• 매 5분: 새 리뷰 확인 (긴급 리뷰 감지)
• 매 30분: 일반 리뷰 수집 및 분석
• 매 1시간: 답변 대기 중인 리뷰 알림
• 매일 오전 9시: 전날 리뷰 통계 리포트 생성
• 매주 월요일: 주간 리뷰 트렌드 분석

// node-cron 사용 예시
const cron = require('node-cron');

// 매 5분마다 긴급 리뷰 확인
cron.schedule('*/5 * * * *', async () => {
  console.log('긴급 리뷰 확인 시작');
  await checkUrgentReviews();
});

// 매일 오전 9시 리포트 생성
cron.schedule('0 9 * * *', async () => {
  console.log('일일 리포트 생성 시작');
  await generateDailyReport();
});

🐳 Docker 컨테이너화

Docker를 사용하면 개발 환경과 프로덕션 환경을 일치시킬 수 있고, 배포도 훨씬 쉬워져요.

# Dockerfile 예시
FROM node:18-alpine

WORKDIR /app

COPY package*.json ./
RUN npm ci --only=production

COPY . .

EXPOSE 3000

CMD ["node", "server.js"]

Docker Compose를 사용하면 여러 컨테이너를 한 번에 관리할 수 있어요.

# docker-compose.yml
version: '3.8'

services:
  app:
    build: .
    ports:
      - "3000:3000"
    environment:
      - NODE_ENV=production
      - DATABASE_URL=${DATABASE_URL}
    depends_on:
      - db
      - redis

  db:
    image: postgres:15
    volumes:
      - postgres_data:/var/lib/postgresql/data
    environment:
      - POSTGRES_PASSWORD=${DB_PASSWORD}

  redis:
    image: redis:7-alpine
    volumes:
      - redis_data:/data

volumes:
  postgres_data:
  redis_data: