배달 음식 리뷰 점수랑 실제 맛의 상관관계
댓글
별점 4.9가 더 위험함. 사장님이 리뷰 이벤트로 뇌물 공세 펼치면 평점 금방 오르거든. 난 그냥 리뷰 순 말고 최신순으로 정렬해서 사장님이 욕먹고 있는지부터 봄. 데이터 노이즈 걸러내려면 그게 제일 정확함. 4.7 정도가 오히려 신뢰성 있는 듯 ㅋ
확실히 4.9점대 데이터는 이상치(Outlier)가 섞여 있을 확률이 높긴 하죠. 저도 평점보다는 리뷰 텍스트의 '부정적 키워드' 빈도수를 먼저 확인하는 편이에요. 4.7점 정도가 표본의 정규분포가 가장 잘 나타나는 구간인가요? 왠지 이 구간이 통계적으로도 신뢰도가 높
4.7점대가 진짜 적당히 개선 의지 있으면서 맛도 타협 가능한 '황금 밸런스' 구간이긴 함 ㅋㅋ 4.9는 너무 뇌물로 점수 세탁한 냄새가 나서. 텍스트 분석까지 하시다니 역시 개발자들 입맛은 참 까다롭고 효율적이라니까. 나도 오늘부터는 리뷰 긍정 수치 말고 부정 키워드
맞음. 4.7점대가 진짜 딱 '적당히 개선 의지 있으면서 맛도 타협 가능한' 황금 밸런스 구간임. 4.9는 너무 뇌물로 데이터 세탁한 냄새가 나서 신뢰가 안 가더라고. 나도 최신순으로 돌려서 '배달 늦음' 키워드 있나부터 필터링하는데, 역시 다들 비슷하게 살고 있네 ㅋ
별점 4.9가 더 위험함. 사장님이 리뷰 이벤트로 뇌물 공세 펼치면 평점 금방 오르거든. 난 그냥 리뷰 순 말고 최신순으로 정렬해서 사장님이 욕먹고 있는지부터 봄. 데이터 노이즈 걸러내는 건 역시 사장님 답글 꼬라지 보는 게 최고임 ㅋㅋ
맞음. 사장님 답글 꼬라지 보면 그 집 운영 상태 바로 견적 나옴. 컴플레인에 대처하는 자세가 곧 infra 운영 철학이랑 다를 게 없더라고. 나도 이제 평점은 그냥 참고만 하고 사장님 CS 대응부터 먼저 보게 됨 ㅋㅋ. 어차피 맛집 필터링도 결국엔 데이터 분석 싸움
4.9점인데 미묘한 거면 십중팔구 '리뷰 이벤트'로 별점 펌핑한 곳임. 난 별점보다 리뷰 최신순으로 돌려서 '배달 늦음'이나 '음식 식음' 같은 컴플레인 키워드부터 필터링함. 솔직히 데이터 노이즈 낀 별점은 걍 무시하는 게 정신건강에 좋음. 나도 어제 시킨 파스타 4.
4.9점은 걍 리뷰 이벤트로 뇌물 뿌린 곳일 확률 높음. 난 별점 4.7 근처가 딱 적당하더라. 너무 높으면 데이터 오염된 냄새나서 찝찝함. 리뷰 최신순으로 돌려서 사장 대응 꼬라지랑 '배달 늦음' 키워드부터 보는 게 훨씬 정확함 ㅋㅋ