Text Analytics Methods

Text Analytics Methods — 텍스트 분석 방법론

topic-classifier / trend-detector 에이전트의 텍스트 분석 역량 강화.

주제 분류 방법론

상향식 분류 (Bottom-up)

1. 피드백 전체 읽기 (샘플링: 100건 이상)
2. 반복 키워드/구문 식별
3. 유사 키워드 클러스터링
4. 클러스터에 주제명 부여
5. 주제 체계 확정 (MECE 검증)
6. 전체 데이터에 주제 태깅

하향식 분류 (Top-down)

사전 정의 카테고리:
├── 제품/서비스 품질
│   ├── 기능
│   ├── 성능
│   ├── 디자인
│   └── 안정성
├── 고객 경험
│   ├── 사용 편의성
│   ├── 고객 지원
│   ├── 구매 과정
│   └── 배송
├── 가격/가치
│   ├── 가격 수준
│   ├── 가성비
│   └── 할인/프로모션
└── 기타
    ├── 경쟁사 비교
    └── 개선 요청

키워드 분석

TF-IDF 개념 적용

TF (Term Frequency) = 특정 문서에서 단어 빈도
IDF (Inverse Document Frequency) = 전체 문서 중 희소성
TF-IDF = TF × IDF

높은 TF-IDF = 특정 문서에서 중요하지만 흔하지 않은 단어
→ 피드백 특이사항 파악에 유용

키워드 추출 절차

1. 불용어 제거: 조사, 접속사, 일반 동사
2. 명사/형용사 추출
3. 빈도 계산 (상위 30개)
4. n-gram 분석 (2-gram, 3-gram)
   "배송 느림", "고객센터 연결 안됨"
5. 키워드 클라우드 시각화

트렌드 분석 기법

시계열 주제 추이

이상 탐지 기준

이상 신호:
- 특정 주제 비율 전기 대비 +50% → 긴급 분석
- 부정 감성 +0.3 이상 급등 → 원인 조사
- 신규 키워드 급부상 (이전 분기 미출현) → 신규 이슈

인사이트 도출 프레임워크

피라미드 원칙 (So What?)

Level 1 (데이터): "배송 불만이 25%로 전분기 대비 7%p 증가"
Level 2 (분석): "신규 물류사 전환 후 배송 지연이 주 원인"
Level 3 (인사이트): "물류사 SLA 재협상 또는 기존 업체 복귀 필요"
Level 4 (액션): "물류팀에 SLA 검토 요청, 2주 내 개선안 보고"

액션 우선순위 매트릭스

품질 체크리스트