별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기

문제 상황

• 5점 별점이 과도하게 몰린 맛집 리뷰 환경으로 인한 변별력 부족
• 사용자가 별점만으로는 판단하지 못해 리뷰를 다시 읽고 검증하는 반복적인 탐색 비용
• 단순 감성 분석으로는 리뷰의 진심과 추천 강도 차이를 충분히 구분하기 어려운 한계

해결 방법

• LLM-as-a-Judge로 리뷰의 문맥과 진정성을 정교하게 레이블링
• 지식 증류로 고성능 LLM의 판단을 가벼운 학생 모델에 이식
• 별점에 AI 리뷰 점수를 가점 형태로 반영하고 베이지안 스무딩으로 순위 안정화

성능/운영 포인트

• 대규모 리뷰를 유료 API 전량 처리하지 않고 사내 IDC 환경의 실시간 점수화 체계로 전환
• 생성형 모델의 랜덤성을 줄인 일관된 점수 체계 확보
• 개인화 리랭킹 결합으로 카테고리 편향을 완화하고 CTR과 전환율 개선