[CJ푸드빌] 베이커리 & 외식 데이터 분석 및 대시보드 제작

notion image
☐ 주관 : CJ푸드빌 고객 리뷰 분석 대시보드 제작 프로젝트
☐ 프로젝트 명 : 브랜드별 VOC 분석 DASHBOARD
☐ 프로젝트 기간 : 24년 8월 ~ 25년 8월
☐ 인원 : 4명 (CJ푸드빌 PM 1 / DA 2 / DE 1, 말하는 감자들)
☐ 활용 Tool : Confluence, SnowFlake, Python, Tableau, Figma
☐ 프로젝트 개요 : CJ푸드빌 외식 & 베이커리 브랜드(ex.VIPS, 뚜레쥬르 등)별 고객 리뷰 데이터 수집 및 분석을 통해, 인사이트를 도출해서 고객 경험 개선 및 마케팅 전략 수립
☐ 본인이 맡은 역할 :
  • 대시보드 레이아웃 기획 및 디자인
    • 유관 부서와의 정기 미팅을 통해 실제 활용되는 핵심 지표를 정의
    • 빠른 인사이트 도출이 가능한 대시보드 레이아웃 및 UI를 기획·디자인
  • 리뷰 크롤링 코드 제작
    • Python(Selenium, pandas)을 활용해 브랜드·매장별 리뷰 크롤링 자동화 파이프라인 구축
    • 주·월별 대시보드 업데이트를 고려하여 네이버플레이스 / 구글맵 맞춤형 정기 수집 가능 구조로 설계
    • 구글맵 특성인 상대 날짜(예: n달 전)를 실제 월 단위 데이터로 변환하여 월별 비교 분석이 가능하도록 데이터 정합성 확보
  • LLM 모델 감정 분석 고도화
    • LLM을 활용해 리뷰 데이터를 긍정·중립·부정 감정 및 평가 항목(맛·서비스·위생·기타) 기준으로 분류
    • 기존 수기 분류에 의존하던 부정 리뷰 클레임 등급 산정 과정을 LLM 기반 감정 분석으로 자동화
  • 대시보드 제작
    • 부정 KPI 추이를 한눈에 파악할 수 있도록 전체·긍정·부정 대시보드 분리 구성
    • 브랜드 간 비교 및 이슈 매장 식별이 가능하도록 가시성 중심의 레이아웃 기획 및 디자인 수행
☐ 성과/의의 :
  • 외식 브랜드로 작게 시작한 미니 프로젝트에서, 베이커리 브랜드 및 글로벌 브랜드까지 확장
  • 유관 부서의 주간 트래킹 및 보고를 위한 대시보드로 선정되어, 부정 KPI가 주간 평균 8% 감소하는 고객 경험 개선 달성

📑 프로젝트 내용

❓주제 선정 배경

  1. CJ푸드빌 외식 & 베이커리 브랜드(ex.VIPS, 뚜레쥬르 등)별 고객 리뷰 데이터 수집 및 감정 분석
  1. 이를 바탕으로 한 인사이트 모니터링 대시보드 제작

🔗 데이터 수집

토글을 펼치면 활용 데이터 목록을 확인할 수 있습니다.
데이터
시점
출처
데이터 설명 및 목적
국내 베이커리(뚜레쥬르) 리뷰 데이터
2024.8 ~ 2025.8
네이버플레이스
국내 베이커리 VOC 분석 DASHBOARD
국내 외식(VIPS, The Place, 제일제면소) 리뷰 데이터
2024.8 ~ 2025.8
네이버플레이스
국내 외식 VOC 분석 DASHBOARD
글로벌 베이커리(뚜레쥬르) 리뷰 데이터
2024.8 ~ 2025.8
구글맵
글로벌 베이커리 VOC 분석 DASHBOARD
활용한 모든 데이터는, 프로젝트 진행 당시 기준 최신 데이터로 수집하였습니다.
 

🙋🏻‍♀️ 본인이 맡은 역할

⓵ 대시보드 레이아웃 기획 및 디자인

임직원 분들의 니즈에 맞춰, 제공할 대시보드에 들어갈 지표를 선정하였습니다.
 
📈 이달의 OVERVIEW
  • 리뷰 건 수
    • 금월(금주) 전체 수 / 작월(작주) 대비 전체 증감 수
    • 금월(금주) 긍정 수 / 작월(작주) 대비 긍정 증감 수
    • 금월(금주) 중립 수 / 작월(작주) 대비 중립 증감 수
    • 금월(금주) 부정 수 / 작월(작주) 대비 부정 증감 수
  • 리뷰 비율
    • 금월(금주) 전체 비율 / 작월(작주) 대비 전체 증감 비율
    • 금월(금주) 긍정 비율 / 작월(작주) 대비 긍정 증감 비율
    • 금월(금주) 중립 비율 / 작월(작주) 대비 중립 증감 비율
    • 금월(금주) 부정 비율 / 작월(작주) 대비 부정 증감 비율
 
📈 리뷰 카운트 추이
  • 월별(주별) 전체 리뷰 건 수
  • 월별(주별) 긍정 리뷰 건 수
  • 월별(주별) 중립 리뷰 건 수
  • 월별(주별) 부정 리뷰 건 수
 
📈 리뷰 빈출 단어 (감정별 동적 변화)
  • 리뷰 빈출 단어별 건 수
 
📈 리뷰 평가 지표 비율
  • 맛 & 품질 지표 리뷰 빈출 비율
  • 서비스 지표 리뷰 빈출 비율
  • 위생 지표 리뷰 빈출 비율
  • 기타 지표 리뷰 빈출 비율
 
📈 리뷰 AI 기반 중요 키워드
  • AI 기반 키워드별 중요도
 
📈 리뷰 RAW DATA
  • 브랜드 (외식만 해당)
  • 점포
  • 일자
  • 리뷰
  • 감정
 

⓶ 리뷰 크롤링 코드 제작

베이커리 & 외식 브랜드별 리뷰 데이터를 일정한 주기에 맞추어 적재할 수 있는 크롤링 코드를 제작하였습니다.
직접적인 코드 로직은 보안 문제로 인해, 추상적인 프로세스로만 기재하였음을 알려드립니다.
💡
국내 베이커리(뚜레쥬르), 외식(VIPS, The Place, 제일제면소) 리뷰 데이터
  • 네이버플레이스
1. 점포 마스터 데이터 로드
	•	브랜드별 점포 정보가 포함된 Excel 파일 로드
	•	여러 시트(VIPS, CIJMS, TPTSH, TLJ)를 대상으로 처리

2. 크롤링 대상 점포 필터링
	•	각 시트에서 필요한 컬럼만 추출
	•	Place URL이 존재하는 점포만 선별
	•	직영점(StoreType = ‘직영’)만 크롤링 대상으로 필터링
	•	모든 시트의 데이터를 하나의 데이터셋으로 병합

3. 출력 경로 및 파일 관리
	•	리뷰 원본 데이터를 저장할 디렉토리 경로 설정
	•	중간 저장 및 최종 저장을 고려한 파일 구조 설계

4. WebDriver 환경 설정
	•	화면 해상도 및 GPU 옵션 설정
	•	크롤링 안정성을 고려한 기본 환경 구성

5. 중복 리뷰 방지 로직
	•	작성자 + 리뷰 날짜 + 점포 정보를 기준으로 중복 리뷰 식별
	•	이미 수집한 리뷰는 재수집하지 않도록 Set 구조 활용

6. 중간 저장 기능 구현
	•	다수 점포 크롤링 중 예외 상황에 대비해 일정 단위로 데이터 저장
	•	저장 시점, 점포 인덱스를 파일명에 포함하여 추적 가능하도록 설계

7. 데이터 정제 처리
	•	리뷰 텍스트 내 제어 문자 제거
	•	Excel 저장 시 발생할 수 있는 인코딩/포맷 오류 방지

8. 리뷰 수집 기간 설정
	•	리뷰 수집 대상 기간의 시작일과 종료일 지정
	•	지정한 기간에 해당하는 리뷰만 수집

9. 점포별 리뷰 크롤링 프로세스
	•	점포 URL에 순차적으로 접근
	•	점포명 정보가 정상적으로 로드되지 않을 경우 크롤링 종료
	•	각 점포별로 리뷰 목록을 반복적으로 탐색

10. 리뷰 날짜 파싱 및 기준 필터링
	•	리뷰 날짜에서 요일 등 불필요한 텍스트 제거
	•	특정 연도의 날짜 형식으로 변환
	•	기준 날짜 이전 리뷰가 등장하면 해당 점포 크롤링 종료
	•	지정한 기간을 벗어난 리뷰는 제외

11. 리뷰 상세 정보 수집
	•	리뷰 작성자명 추출
	•	리뷰 본문 내용 수집
	•	방문 횟수(재방문 정보) 함께 저장
	•	점포 정보와 리뷰 정보를 결합하여 데이터 적재

12. 중복 리뷰 처리
	•	동일 점포에서 동일 작성자·동일 날짜의 리뷰는 중복으로 판단
	•	중복 리뷰 발견 시 수집 대상에서 제외

13. 리뷰 스크롤 및 ‘더보기’ 처리
	•	스크롤을 통해 추가 리뷰 로드 시도
	•	UI 구조 차이를 고려하여 여러 XPath로 ‘더보기’ 버튼 탐색
	•	더보기 버튼 클릭 실패 시 스크롤 재시도
	•	최대 시도 횟수 초과 시 해당 점포 크롤링 종료

14. 예외 상황 처리
	•	‘더보기’ 버튼이 존재하지 않는 경우 점포 크롤링 종료
	•	클릭이 가로막히는 UI 오류 발생 시 스크롤 위치 조정 후 재시도
	•	리뷰 단위 오류 발생 시 전체 프로세스 중단 없이 다음 리뷰로 진행

15. 최종 데이터 저장
	•	수집된 리뷰 데이터를 DataFrame으로 변환
	•	정제 후 Excel 파일로 저장
	•	브랜드 시트 정보와 저장 시간을 파일명에 포함
	•	크롤링 종료 후 WebDriver 정상 종료
💡
글로벌 베이커리(뚜레쥬르) 리뷰 데이터
  • 구글맵
1. WebDriver 및 기본 변수 설정
	•	Selenium WebDriver 및 대기 시간 설정
	•	크롤링 과정에서 사용할 공통 객체 초기화

2. 점포 마스터 데이터 로드
	•	점포별 Google Place URL이 포함된 Excel 파일 로드
	•	인덱스를 초기화하여 반복 처리에 활용

3. 크롤링 범위 설정
	•	전체 점포 중 크롤링을 진행할 시작 인덱스와 종료 인덱스 설정

4. 중복 리뷰 수집 방지 로직
	•	이미 수집한 리뷰를 추적하기 위한 Set 자료구조 생성
	•	작성자, 날짜, 리뷰 내용을 기준으로 중복 데이터 제거

5. 리뷰 데이터 저장 구조 정의
	•	수집된 리뷰를 한 번에 저장하기 위한 리스트 생성

6. 중간 저장 기능
	•	크롤링 도중 예외 상황에 대비하여 일정 단위로 결과를 Excel 파일로 저장
	•	파일명에 시간 및 인덱스 정보를 포함하여 버전 관리 가능하도록 설계

7. 데이터 정제 함수
	•	리뷰 텍스트 내 제어 문자 및 비정상 문자열 제거
	•	Excel 저장 시 오류 발생 가능성 최소화

8. 점포별 리뷰 크롤링 프로세스
	•	점포 URL이 없는 경우 크롤링 대상에서 제외
	•	각 점포 URL에 접속하여 리뷰 탭 진입 시도
	•	UI 구조 차이를 고려하여 복수의 XPath를 활용한 예외 처리

9. 리뷰 정렬 기준 설정
	•	리뷰 탭 진입 후 정렬 버튼 클릭
	•	리뷰를 최신순으로 정렬하여 크롤링 효율 개선

10. 리뷰 스크롤 및 로딩 로직
	•	스크롤을 통해 추가 리뷰를 지속적으로 로드
	•	이전에 로드된 리뷰 개수와 비교하여 신규 리뷰 여부 판단
	•	더 이상 새로운 리뷰가 없을 경우 크롤링 종료

11. 리뷰 날짜 기준 필터링
	•	n시간 전, n분 전 리뷰는 제외
	•	n일 전 리뷰 중 최근 데이터는 제외
	•	n달 전 리뷰가 특정 기준(예: n달 이상)에 도달하면 해당 점포 크롤링 종료
	•	n년 전 리뷰 발견 시 즉시 다음 점포로 이동

12. 리뷰 본문 확장 처리
	•	‘더보기’ 버튼이 존재할 경우 자동 클릭하여 전체 리뷰 내용 확보

13. 리뷰 및 답글 데이터 수집
	•	리뷰 본문과 점주 답글을 구분하여 수집
	•	리뷰 작성자, 작성일, 별점 정보 함께 저장

14. 별점 정보 수집
	•	점포 전체 평균 별점 추출
	•	개별 리뷰의 별점 정보 추출

15. 데이터 적재
	•	브랜드, 점포 정보, 리뷰 내용, 별점, 날짜 정보를 하나의 구조로 저장
	•	중복 리뷰는 저장하지 않도록 필터링 적용

16. 크롤링 종료 및 최종 저장
	•	모든 점포 크롤링 완료 후 최종 결과를 Excel 파일로 저장
	•	WebDriver 종료
 

⓷ LLM 모델 감정 분석 고도화

브랜드 전체에서 점포별 고객 경험 향상으로 목표가 변경됨에 따라, 유관 부서와 정기 미팅을 통해 LLM 프롬프트 감정 분석 모델을 고도화하여 정확도를 개선하였습니다.
직접적인 코드 로직은 보안 문제로 인해, 추상적인 프로세스로만 기재하였음을 알려드립니다.
💡
LLM 모델 감정 분석 고도화
1. 리뷰 감정 분리용 데이터 모델 설계
	•	하나의 리뷰를 긍정 요소와 부정 요소로 명확히 분리하기 위한 출력 구조 정의
	•	긍정/부정 요소 각각에 대해:
	•	실제 리뷰에서 언급된 핵심 요소
	•	해당 요소가 긍정/부정으로 판단된 구체적인 판단 근거를 함께 반환하도록 설계
	•	모델 출력의 일관성과 후처리 안정성을 위해 구조화된 응답 형식 사용

2. LLM 기반 감정 분석 모델 설정
	•	최신 대규모 언어 모델(LLM)을 활용하여 리뷰 텍스트 해석
	•	결과의 일관성을 높이기 위해 온도 값을 낮게 설정
	•	자유 응답이 아닌, 사전에 정의한 구조에 맞춰 결과를 반환하도록 제어

3. 리뷰 분석 전문가 역할 정의 (시스템 프롬프트)
	•	모델에게 F&B 산업에 특화된 리뷰 분석 전문가 역할을 부여
	•	단순 감정 분류가 아닌, 문맥·어조·표현 강도를 종합적으로 고려하도록 지시
	•	중립적인 표현을 긍정/부정 요소에 포함하지 않도록 명확한 기준 설정

4. 리뷰 분석 기준 및 단계적 가이드 제공
	•	리뷰 분석을 다음과 같은 단계로 수행하도록 설계:
	1.	리뷰 전체의 감정 흐름과 주요 내용 파악
	2.	명확한 긍정 요소와 부정 요소만 선별
	3.	각 요소에 대한 판단 근거를 논리적으로 설명
	4.	감정 표현의 강도를 고려하여 신뢰도 평가
	5.	최종적으로 긍·부정을 분리하여 결과 생성
	•	이를 통해 일관된 감정 분리 기준을 유지

5. 휴먼 프롬프트를 통한 출력 품질 제어
	•	모델이 반드시 지켜야 할 분석 규칙을 명시적으로 제시
	•	모호하거나 중립적인 표현은 결과에서 제외하도록 강제
	•	긍정/부정 요소와 그에 대한 이유를 1:1로 대응해 작성하도록 유도

6. 구조화된 JSON 결과 생성
	•	결과는 JSON 형식으로만 출력하도록 제한
	•	긍정 요소, 긍정 판단 이유, 부정 요소, 부정 판단 이유를 명확히 구분
	•	이후 대시보드 시각화, 정량 분석, 클레임 분류 등에 바로 활용 가능하도록 설계

7. 감정 분석 고도화 포인트
	•	단순 긍·부정 라벨링이 아닌 리뷰 내 복합 감정 분해
	•	하나의 리뷰 안에 공존하는 긍정/부정 요소를 분리 수집
	•	“중립 → 제외” 규칙을 통해 노이즈 최소화
	•	VOC 분석 및 클레임 분류 자동화에 활용 가능

8. 예시 리뷰 검증
	•	긍정·부정·중립 표현이 혼합된 리뷰를 입력
	•	긍정 요소(맛, 직원 친절)와 부정 요소(청결)를 명확히 분리
	•	중립적 표현(위치 관련 언급)은 결과에서 제외됨을 확인
 

⓸ 대시보드 제작

CJ푸드빌 외식 & 베이커리 브랜드(ex.VIPS, 뚜레쥬르 등)별 고객 리뷰 데이터를 수집하고 분석한 결과를 한눈에 파악가능한 대시보드를 만듦으로써, 인사이트를 도출하여 고객 경험 개선 및 마케팅 전략 수립이 가능하도록 하였습니다.
notion image
notion image
notion image
 

💡성과/의의

📍대시보드 인사이트

제작한 총 3개의 대시보드별 인사이트는 다음과 같습니다.
notion image
💡
외식 브랜드별 VOC 분석 대시보드 인사이트
  1. VIPS: 품질 이슈는 ‘브랜드’가 아니라 ‘점포 운영 단위’에서 관리해야 함
      2. 은평롯데점, 중동소풍점에서 음식 품질에 대한 부정 인식이 반복적으로 확인되는 반면, 다른 점포에서는 동일 이슈가 두드러지지 않음.
      → VIPS는 향후 품질 관리를 브랜드 평균으로 묶기보다, 점포별 조리·운영 책임 구조(점장/주방 책임) 기반으로 전환해 리스크를 국소화할 필요가 있음.
      특히 은평롯데점·중동소풍점처럼 반복 언급 점포는 집중 점검 + 표준 레시피/오퍼레이션 재정렬을 우선 적용하는 방식이 효과적임.
  1. VIPS: 위생/동선은 ‘불만 요인’이 아니라 즉시 차단해야 하는 평판 리스크
      2. 롯데백화점 일산점에서 식기류 배치 미흡, 위생 관련 부정 리뷰가 확인됨.
      → 백화점/몰 입점 점포는 공간 제약이 있는 만큼, 식기 동선·리필 동선·정리 동선을 표준화한 운영 가이드를 점포 유형별로 분리해 적용할 필요가 있음.
      또한 일산점 사례처럼 위생 키워드가 뜨는 점포는 상시 모니터링 + 즉시 개선(48시간 내 조치) 같은 리스크 체계를 갖추는 것이 사업 안정성에 유리함.
  1. VIPS: ‘주차’는 기타 항목이 아니라 입지 전략의 핵심 변수
      2. 송도점은 주차 시간이 5시간으로 충분하다는 평가가 긍정 경험으로 작용하는 반면, 다산점은 주차 공간 협소 및 공영주차장 대기로 부정 경험이 집중됨.
      → VIPS는 향후 점포를 **주차 우수형(가족/모임 거점) vs 주차 취약형(예약/회전형)**으로 역할 분화해 운영 효율을 높일 필요가 있음.
      예를 들어 다산점 같은 환경에서는 “대기/주차”로 인한 불만을 줄이기 위해 예약 유도, 피크 타임 운영 강화, 주차 안내 커뮤니케이션을 사업 운영의 필수 요소로 포함해야 함.
  1. The Place: ‘문제 0’보다 ‘개선 속도’가 경쟁력이 될 수 있음
      2. 판교점에서는 스테이크 오버쿡 이슈가 있었고, 스타필드 코엑스점은 피자 차가움 이슈가 언급되었으나 최근에는 개선되었다는 맥락이 함께 확인됨.
      → The Place는 품질 이슈를 완전히 없애는 것뿐 아니라, 발생 시 개선→재발 방지→고객 인지까지의 리드타임을 줄이는 체계가 필요함.
      특히 판교점·코엑스점 같은 사례는 “개선이 체감되면 평가가 회복된다”는 신호이므로, QA 체크(온도/굽기) + 개선 공지/직원 응대 스크립트를 표준화해 신뢰를 쌓는 방향이 유효함.
  1. The Place: 공간 경험을 ‘부가 요소’가 아니라 핵심 상품으로 팔 수 있음
      2. 영등포 타임스퀘어점은 프라이빗한 매장 분위기, 강동 아이파크더리버점은 예쁜 분위기, 홍대 L7점은 21층 고층 뷰가 차별화 요소로 작용함. (목동41타워점도 뷰가 강점으로 언급됨)
      → The Place는 앞으로 입지별로 **프라이빗형(타임스퀘어), 감성/인테리어형(강동), 뷰/관광형(홍대L7·목동41타워)**처럼 콘셉트를 명확히 나누고, 이를 예약·모임·기념일 수요로 연결하는 공간 중심 전략이 효과적임.
      즉 “메뉴만”이 아니라 “공간을 예약한다”는 구매 이유를 강화해야 함.
  1. 제일제면소: 점포별 시그니처를 공식 자산으로 키워야 확장력이 생김
      2. 여의도 IFC몰점은 국수가 깔끔하고 맛있다는 평가가 두드러지며, 무교주가는 해물 미나리전이 특히 맛있다는 강점이 확인됨.
      → 제일제면소는 전 점포 동일 경험을 강요하기보다, 점포별 “대표 메뉴”를 공식화해 재방문 이유를 구조적으로 만들 필요가 있음.
      예: IFC몰점=국수 퀄리티, 무교주가=해물 미나리전처럼 점포-메뉴 매칭을 마케팅 자산으로 만드는 전략이 유효함.
  1. 제일제면소: 혼잡은 서비스 실패가 아니라 입지 특화 운영 모델이 필요한 신호
      2. 올림픽공원점은 공연 전후 손님이 많고, KTX 역사점은 열차 출발·도착 전후로 방문이 집중되어 혼잡도가 높게 인식됨.
      → 해당 점포들은 ‘친절도’만으로 해결하기 어려우므로, 사업적으로는 피크타임 회전율 최적화(간편 메뉴, 사전 주문, 동선 단순화) 같은 운영 모델이 필요함.
      즉 올림픽공원점·KTX 역사점은 이벤트/교통 수요를 흡수하는 고회전 매장으로 설계하는 것이 맞음.
notion image
💡
베이커리 VOC 분석 대시보드 인사이트
  1. 직영점은 ‘표준 매장’이 아니라 미래 모델을 실험하는 전략 거점으로 운영할 필요가 있음
      2. 강남직영점, 압구정직영점, 제일제당센터점에서는 신규 인테리어, 넓은 좌석, 타 매장에 없는 메뉴 구성이 반복적으로 언급되며 일반 매장과 차별화된 인식을 형성하고 있음.
      → 이에 따라 직영점은 단순 매출 거점이 아닌 신제품 테스트, 프리미엄 메뉴 검증, 공간 콘셉트 실험을 수행하는 쇼케이스형 매장으로 명확히 포지셔닝할 필요가 있음.
      특히 강남·압구정·제일제당센터점처럼 차별 요소가 이미 인지된 매장은, 검증된 요소를 가맹점으로 확산시키는 파일럿 매장 역할을 수행하는 것이 효과적임.
  1. 뚜레쥬르는 ‘빵을 사는 곳’에서 머무는 베이커리 카페로의 전환 가능성이 확인됨
      2. 구로디지털직영점에서 “카페처럼 편안히 앉아 일하기 좋다”는 리뷰가 확인되며, 뚜레쥬르가 카페 브랜드의 일부 이용 맥락을 대체할 수 있음을 보여줌.
      → 이에 따라 좌석, 콘센트, 동선이 고려된 체류형 매장 유형을 별도로 정의하고, 오피스 밀집 상권에서는 업무 친화형 직영점 모델을 확장하는 전략이 필요함.
      예를 들어 구로디지털직영점과 같은 상권에서는 ‘잠깐 들르는 빵집’이 아니라 머무는 공간으로서의 역할을 전제로 한 매장 설계가 적합함.
  1. 서비스 품질은 브랜드 차원이 아닌 ‘사람 중심 경쟁력’으로 활용 가능
      2. 카페 교대역점에서는 직원 친절도에 대한 긍정 리뷰가 상대적으로 많이 확인되며, 서비스 경험이 가격이나 제품보다 강하게 기억되는 양상이 나타남.
      → 이는 직영점을 중심으로 ‘뚜레쥬르형 서비스 기준’을 재정의하고 표준화할 필요성을 시사함.
      특히 교대역점과 같이 서비스 평가가 긍정적으로 축적된 사례를 기준점으로 삼아, 응대 방식·설명 멘트·고객 응대 흐름을 교육 및 운영 가이드로 확산시키는 전략이 유효함.
  1. 일부 직영점은 ‘빵’보다 커피 경쟁력이 핵심 동력으로 작용
      2. 삼성바이오로직스점의 경우 빵보다 커피 맛에 대한 평가가 구매 및 재방문을 결정짓는 주요 요인으로 언급됨.
      → 이는 뚜레쥬르가 입지 특성에 따라 베이커리 중심 매장과 커피 중심 매장으로 역할을 분화 운영할 수 있음을 의미함.
      예를 들어 대형 오피스 단지 입점 매장에서는 커피 품질을 전면에 내세운 카페 성격의 직영점 모델을 전략적으로 실험할 수 있음.
  1. 주차·접근성은 ‘보조 요소’가 아닌 경험 완성도를 좌우하는 결정 요소
      2. 제일제당센터점에서는 넉넉한 주차 공간과 주차 시간 제공이 메뉴와 공간 차별화를 완성시키는 요소로 긍정적으로 인식됨.
      → 이에 따라 대형 직영점이나 플래그십 성격의 매장에서는 주차·접근성을 단순 편의 요소가 아닌 명확한 경쟁력으로 관리할 필요가 있음.
      특히 제일제당센터점과 같은 사례는 주차 여건을 마케팅 메시지 및 방문 유도 포인트로 적극 활용할 수 있음을 보여줌.
notion image
💡
글로벌 베이커리 VOC 분석 대시보드 인사이트
  1. 글로벌 뚜레쥬르는 ‘빵의 맛’보다 ‘제품 신뢰도 관리’가 브랜드 경험을 좌우함
      2. 미국 Allston 매장 리뷰를 중심으로 도넛·베이커리 제품의 맛과 가성비에 대한 극단적으로 긍정적인 평가(★5)와, 주문 취소·재고 미확보 등 운영 이슈로 인한 강한 부정 평가(★1)가 동시에 확인됨.
      → 이는 글로벌 시장에서 뚜레쥬르가 제품 경쟁력은 이미 확보했으나, 주문·예약·재고 관리 신뢰도가 브랜드 경험을 크게 훼손할 수 있음을 시사함.
      특히 사전 주문 케이크 취소 사례처럼 ‘기대가 형성된 후 무너지는 경험’은 평점 하락으로 직결되므로, 프리오더·케이크 주문 프로세스는 글로벌 공통 표준으로 강화할 필요가 있음.
  1. 글로벌 시장에서는 ‘서비스 일관성’이 브랜드 평가의 핵심 리스크로 작용함
      2. 동일 매장 내에서도 “Nice place”와 “bad service”가 함께 언급되며, 서비스 품질 편차가 리뷰 만족도를 크게 갈라놓는 양상이 확인됨.
      → 이는 글로벌 가맹 구조에서 발생하는 전형적인 리스크로, 뚜레쥬르가 향후 제품 표준화보다 서비스 최소 기준선 설정에 더 집중할 필요가 있음을 의미함.
      예를 들어 계산·응대·픽업 과정에서의 기본 응대 기준만 정교화해도, ★1 리뷰로 이어지는 급격한 만족도 하락을 상당 부분 방지할 수 있음.
  1. 글로벌 뚜레쥬르는 ‘가성비 좋은 베이커리’ 포지션에서 경쟁 우위를 가짐
      2. “Incredible donuts”, “great value”와 같은 표현이 반복적으로 등장하며, 가격 대비 만족도가 매우 높은 평가를 받는 리뷰가 다수 확인됨.
      → 이는 글로벌 시장에서 뚜레쥬르가 프리미엄 베이커리보다는 합리적인 가격의 고품질 베이커리 브랜드로 자리 잡을 수 있는 가능성을 보여줌.
      특히 미국 일부 지역에서는 ‘일상적으로 자주 찾는 베이커리’로 인식되고 있어, 고가 전략보다 회전율·재구매 중심의 사업 확장이 더 적합함을 시사함.
  1. 글로벌 리뷰에서는 ‘공간’보다 ‘구매 경험의 매끄러움’이 더 중요하게 작용함
      2. 국내 리뷰에서 자주 언급되는 인테리어나 체류 경험과 달리, 글로벌 리뷰에서는 매장 분위기보다 구매 가능 여부, 주문 이행, 응대 과정에 대한 언급이 중심을 이룸.
      → 이는 글로벌 뚜레쥬르가 체류형 카페 전략을 바로 확장하기보다, 테이크아웃 중심 베이커리로서의 기본 경험 완성도를 우선 확보해야 함을 의미함.
      예를 들어 “갔는데 살 수 없었다”, “주문이 취소됐다”는 경험을 줄이는 것만으로도 글로벌 평점의 구조적 개선이 가능함.
5. 글로벌 시장에서는 ‘한 번의 실패 경험’이 재방문 단절로 이어질 가능성이 큼
리뷰 중 일부는 단일 부정 경험 이후 재방문 의사가 없음을 강하게 표현하며, 평점 역시 극단적으로 낮게 형성됨.
→ 이는 신규 브랜드 인지 단계에 있는 글로벌 시장 특성상, 초기 경험 관리가 장기 브랜드 성과에 결정적임을 시사함.
특히 신규 방문 고객이 많은 지역에서는 첫 방문 시 제품 품질 + 주문 안정성 + 기본 응대를 묶은 ‘첫 경험 패키지’ 관점의 운영 전략이 필요함.

📍프로젝트 의의

진행한 프로젝트 의의는 다음과 같습니다.
  1. 데이터 기반 의사결정 지원 체계 구축
    1. ‘브랜드별 VOC 분석 대시보드’를 제작 및 운영하여 유관 부서 및 경영진의 모니터링 도구로 활용함으로써 데이터 기반의 의사결정을 지원했습니다.
    2. 경영진 요청에 따라 점포 단위 분석 기능을 추가하여 세분화된 성과 관리의 필요성을 인지하도록 도왔습니다.
  1. AI 모델 고도화를 통한 분석 효율성 및 일관성 확보
    1. LLM 프롬프트 감정 분석 모델을 유관 부서와의 정기 미팅을 통해 고도화하여 VOC 분류의 정확성을 높였습니다.
    2. 수작업으로 이루어지던 클레임 등급 분류를 자동화하여 분석 효율성을 증대시키고 일관된 기준을 적용했습니다.
  1. 실질적인 비즈니스 성과 창출 및 확장성 입증
    1. 점포 현황 보고 및 전략 수립을 위한 데이터 체계를 마련하여 부정 KPI를 주간 평균 8% 감소시키는 성과를 달성했습니다.
    2. 외식 브랜드뿐만 아니라 베이커리, 글로벌 브랜드로 적용 범위를 확장하며 프로젝트의 비즈니스 확장성과 실무 기여도를 증명했습니다.
 

💬 회고

➕ 보완할 점

  • 외부 데이터 뿐만 아니라 내부 데이터도 함께 비교 분석을 시행하였다면, 더욱 의미있는 인사이트가 도출되었으리라 기대합니다.
  • 직접 마케팅 아이디어까지 제안하고 싶었으나, 미니프로젝트 성으로 외식 브랜드만 진행하였으나 베이커리&글로벌 브랜드로 확산되는 바람에 대시보드 구축&설계에 국한된 점이 아쉬웠음.

🚶🏻‍♀️‍➡️ 성장한 점

  • 분석적인 시각 뿐만 아니라 기획적인 시각도 넓힐 수 있는 시간이 되었음.
  • 정기적인 유관 부서와의 미팅을 통해 협업 커뮤니케이션 역량을 강화할 수 있는 시간이 되었음.