리뷰 5개면 구매 확률 +270% — 리뷰가 매출을 움직이는 방식과 실전 활용법

“리뷰가 중요하다는 건 아는데, 정말 매출에 영향을 주나요?” 공개 연구는 분명히 ‘그렇다’고 답합니다. 그런데 우리 스토어에서 리뷰가 얼마짜리 투자인지는 다른 질문입니다. 이 리포트는 연구 숫자로 기준선을 잡고, 리뷰 데이터와 주문 데이터를 이어 붙였을 때 실제로 무엇이 보이는지 — 그리고 무엇을 오독하기 쉬운지 — 를 따라갑니다.

패션 버티컬 플랫폼에 입점한 두 브랜드의 리뷰·주문 데이터(예시) · 리스팅 100여 개 · 리뷰 2,300여 건 · 채널 이름은 일반 표현으로 적었습니다

---

본 리포트의 수치는 실제 거래 데이터가 아니라, 라플라스 벤치마크 지표의 분포를 반영해 생성한 예시 값입니다. 특정 고객사의 실제 수치가 아니며 절대값이 아닌 경향 파악 목적으로 참고해 주세요.

이 리포트에서 다루는 것은 다섯 가지입니다.

1. 첫 5개 리뷰를 모으는 데 실제로 주문 몇 건과 며칠이 드는가

2. 리뷰는 주문 후 언제 달리는가 — 요청 타이밍

3. 리뷰 수와 판매량의 관계를 숫자로 볼 때 빠지기 쉬운 함정

4. 별점 4.7 뒤에 숨은 3점 이하 리뷰에서 무엇을 읽는가

5. 리뷰 작성 고객을 CRM 에서 어떻게 다루는가, 그리고 적립금의 손익분기

---

PART 01 · 먼저 — 어느 화면을 여는가

리뷰 분석은 리뷰 데이터와 주문 데이터를 같은 자리에 두는 것에서 시작합니다.

새로 만들어야 하는 건 차트 한두 개뿐입니다

다음에 볼 화면 — 화면은 정했습니다. 그 전에 남의 숫자로 기준선부터 잡습니다. PART 02로 갑니다. ›

---

PART 02 · 리뷰는 매출에 얼마나 영향을 주나 — 연구가 확인한 숫자

미국 노스웨스턴대 Spiegel Research Center 가 리뷰 플랫폼 PowerReviews 와 함께 대규모 구매 데이터를 분석한 결과입니다.

고가·고관여 상품일수록 효과가 큽니다. 가격이 높을수록 구매의 위험이 크고, 리뷰가 그 위험을 대신 줄여 주기 때문입니다. 그리고 효과가 가장 큰 구간은 처음 5개입니다. 그 뒤로는 리뷰가 늘어도 한계효용이 빠르게 줄어듭니다.

별점은 높을수록 좋은 것도 아닙니다. 같은 연구팀이 40개 이상 카테고리를 본 결과 구매 확률은 별점 4.2–4.7 구간에서 정점을 찍고, 5.0에 가까워질수록 오히려 내려갑니다. 만점은 ‘너무 완벽해서 의심스러운’ 신호로 읽힙니다.

• 소비자 82%는 부정 리뷰를 일부러 찾아 읽습니다(PowerReviews).

• 구매 후 요청받아 쓴 리뷰의 평균 별점은 4.34, 자발적 리뷰는 3.89였습니다. 가만히 두면 불만 고객의 목소리만 쌓입니다.

• 소비자 73%는 최근 1개월 안의 리뷰를 주로 참고합니다(BrightLocal). 누적 리뷰가 많아도 최신 리뷰가 없으면 멈춘 상품처럼 보입니다.

• 포토 리뷰는 텍스트 리뷰보다 약 2배 더 열람되고, 전환을 15% 안팎 더 올린다는 분석이 있습니다(PowerReviews·Bazaarvoice).

여기까지는 남의 숫자입니다

다음에 볼 화면 — “처음 5개가 가장 중요하다”는 건 알았습니다. 그런데 그 5개를 모으는 데 얼마가 드는지는 아직 모릅니다. PART 03으로 갑니다. ›

---

PART 03 · 1순위 — 첫 5개 리뷰는 저절로 오지 않습니다

주문 대비 리뷰 작성률이 7% 안팎이면, 리뷰 5개는 주문 70건 안팎과 두 달 안팎의 시간입니다.

본 리포트의 수치는 실제 거래 데이터가 아니라, 라플라스 벤치마크 지표의 분포를 반영해 생성한 예시 값입니다. 특정 고객사의 실제 수치가 아니며 절대값이 아닌 경향 파악 목적으로 참고해 주세요.

라플라스에서 보는 곳 — 커스텀 대시보드 › 차트 추가 › 데이터 리뷰 + 주문

설정하는 법

1. 차트 추가에서 데이터를 「리뷰」로 고르고 측정값은 「리뷰 수」, 차원은 「상품」으로 둡니다. — 리스팅마다 리뷰가 몇 개인지가 기준입니다.

2. 같은 기간, 같은 판매 채널로 주문 데이터의 「주문 건수」를 상품별로 뽑습니다. — 리뷰를 모으는 채널과 주문 채널을 맞춰야 작성률이 맞습니다.

3. 리뷰 수 ÷ 주문 건수로 작성률을 냅니다. 채널을 섞으면 리뷰를 안 모으는 채널의 주문이 분모에 들어가 작성률이 절반 이하로 떨어집니다.

4. 리뷰 5개 미만 리스팅만 걸러 「부족한 리뷰 수 ÷ 작성률」로 필요한 주문 수를 계산합니다. — 이 숫자가 적립금·요청 메시지의 목표치가 됩니다.

나온 숫자를 읽는 법

• 리뷰는 주문 열 건에 한 건도 안 달립니다. 작성률은 6.8%와 7.6%. 업종이 달라도 7% 안팎에서 크게 벗어나지 않았습니다.

• 그래서 ‘첫 5개’는 생각보다 비쌉니다. 리스팅 중앙값으로 Y는 주문 71건·76일, Z는 64건·53일이 걸렸습니다. 연구가 말한 가장 효과가 큰 구간을 두 달 넘게 리뷰 없이 팔고 있었다는 뜻입니다.

• 신상품·소량 판매 리스팅이 가장 오래 기다립니다. 한 달에 주문 20건인 리스팅은 작성률 7%로 리뷰 5개까지 석 달 반이 걸립니다. 첫 5개 집중 지원은 여기에 써야 합니다.

다음에 볼 화면 — 몇 건이 필요한지는 나왔습니다. 그런데 언제 요청해야 리뷰가 달리는지는 아직입니다. PART 04로 갑니다. ›

---

PART 04 · 리뷰는 언제 달리나 — 요청 타이밍은 상품이 정합니다

주문 후 리뷰가 달리기까지의 간격은 업종마다 세 배 가까이 다릅니다.

라플라스에서 보는 곳 — 커스텀 대시보드 › 리뷰 × 주문 결합 차트

설정하는 법

1. 리뷰 데이터에 주문번호가 들어 있는지 먼저 확인합니다. — 주문번호가 비어 있는 리뷰는 간격을 잴 수 없습니다(PART 08 함정 ③).

2. 간격을 0–3일 · 4–7일 · 8–14일 · 15–30일 · 31–60일 · 61일 이상으로 나눠 리뷰 비중을 셉니다.

3. 상품군(카테고리)별로 따로 봅니다. — 써 봐야 아는 상품과 받자마자 아는 상품이 한 표에 섞이면 중앙값이 둘 다 틀립니다.

나온 숫자를 읽는 법

• 패션 잡화는 받자마자 씁니다. Z 리뷰의 45.4%가 일주일 안에 달렸습니다. 착용해 보면 바로 판단이 끝나는 상품입니다. 요청은 배송 완료 후 2–3일이 맞습니다.

• 스킨케어는 써 보고 씁니다. Y는 31–60일 구간이 28.4%로 가장 두껍고, 30일 안에 달린 리뷰는 56.2%뿐입니다. 배송 직후 요청은 ‘아직 모르겠어요’ 리뷰만 늘립니다.

• 그래서 요청은 한 번이 아니라 두 번입니다. 써 봐야 아는 상품은 배송 직후 ‘첫인상’ 요청과 3–4주 뒤 ‘사용 후기’ 요청을 나눕니다. 두 번째 요청이 포토 리뷰와 구체적인 사용감을 가져옵니다.

‘한 달 후기로 올게요’는 실제로 돌아오지 않습니다

다음에 볼 화면 — 언제 받을지는 정했습니다. 이제 리뷰 수가 정말 판매량과 이어지는지 우리 데이터로 봅니다. PART 05로 갑니다. ›

---

PART 05 · 리뷰 수와 판매량 — 보이는 상관, 숨은 함정

리뷰가 많은 리스팅이 많이 팔리는 건 사실입니다. 다만 화살표의 방향은 숫자가 알려 주지 않습니다.

라플라스에서 보는 곳 — 커스텀 대시보드 › 리스팅별 리뷰 수 × 주문 건수 표

나온 숫자를 읽는 법

• 리뷰 1–4개에서 30개 이상으로 가면 주문 수 중앙값이 7배가 됩니다. 지수 100 → 166 → 331 → 712. 연구의 방향과 같습니다.

• 그런데 리뷰 0개 리스팅이 1–4개 리스팅보다 잘 팔립니다(지수 148). 리뷰 0개 리스팅이 전체의 56.0%(51개)인데 주문의 46.3%를 가져갑니다. 들여다보면 대부분이 세트·단독구성·기획전 페이지입니다. 같은 제품의 리뷰는 단품 페이지 한 곳에 몰리고, 세트 페이지는 리뷰 없이 팔리고 있었습니다.

• 5번째 리뷰 전후로 판매가 뛰는 장면은 잘 안 보입니다. 리뷰 5개에 닿은 리스팅 32개의 전후 28일 주문을 비교하면 늘어난 곳 17개, 줄어든 곳 15개로 거의 반반입니다. 출시 직후 판매 급증·기획전·광고가 리뷰 효과를 덮어 버립니다.

이 숫자를 그대로 믿으면 안 되는 이유 — 이 장에서 가장 중요한 부분

세트 페이지에도 리뷰를 보이게 하세요

다음에 볼 화면 — 리뷰의 ‘수’는 봤습니다. 이번에는 ‘내용’입니다 — 별점 평균이 4.7이면 괜찮은 걸까요. PART 06으로 갑니다. ›

---

PART 06 · 별점 — 평균 4.7 뒤의 3점 이하

5점이 8할이라 평균은 거의 움직이지 않습니다. 신호는 3점 이하 5–7%에 있습니다.

라플라스에서 보는 곳 — 커스텀 대시보드 › 차트 추가 › 데이터 리뷰 › 측정값 「평균 별점」 · 차원 「별점」

나온 숫자를 읽는 법

• 두 브랜드 모두 연구가 말한 최적 구간의 위쪽 끝에 있습니다. 평균 4.73점과 4.67점. 여기서 평균을 더 올리는 건 의미가 없습니다.

• 봐야 할 것은 3점 이하 5.7%와 7.1%입니다. 리뷰 100개 중 6–7개지만, 82%의 소비자가 일부러 찾아 읽는 리뷰가 바로 이것입니다.

• 스킨케어의 낮은 별점은 상품 자체를 말합니다. Y는 효과 체감 46.9%, 사용감 40.6%, 자극·트러블 37.5%. 상세페이지의 기대치(‘3일 만에’ 같은 문구)와 제형 안내를 먼저 고칠 곳입니다.

• 패션 잡화의 낮은 별점은 기대와 운영을 말합니다. Z는 사진·기대와 다름 34.7%, 배송·포장·응대 16.1%. 상품을 바꾸기 전에 상세 사진·실착 컷과 교환 응대를 먼저 고치면 됩니다.

포토 리뷰 비중은 Y 79.8%, Z 64.1%였습니다. 포토 리뷰와 텍스트 리뷰의 평균 별점 차이는 0.1점 안쪽이라, 포토 리뷰를 늘린다고 별점이 흔들리지는 않습니다.

다음에 볼 화면 — 리뷰를 읽는 법은 정리됐습니다. 마지막으로 리뷰를 쓴 사람을 봅니다. PART 07로 갑니다. ›

---

PART 07 · 리뷰 작성 고객 — 재구매가 1.5–1.9배

리뷰를 쓴 고객은 같은 스토어에서 다시 사는 비율이 확실히 높습니다. 다만 읽는 방법이 중요합니다.

라플라스에서 보는 곳 — 유저 분석 › 첫 구매 / 재구매

나온 숫자를 읽는 법

• 방향은 두 브랜드 모두 같습니다. 재구매 비중이 Y 1.9배, Z 1.46배. 업종이 달라도 리뷰 작성자가 더 돌아왔습니다.

• 그래도 ‘리뷰를 쓰게 하면 재구매가 오른다’로 읽으면 안 됩니다. 리뷰를 쓰는 고객은 원래 브랜드 관여도가 높은 고객입니다. 원인이 아니라 표식입니다.

• 그래서 리뷰 작성자는 최우선 CRM 타깃입니다. 재구매 쿠폰·신제품 체험단·사용 후기 2차 요청을 이 명단에 먼저 보냅니다. 특히 써 보고 판단하는 스킨케어는 첫 리뷰 직후가 재구매 제안의 적기입니다.

다음에 볼 화면 — 여기까지의 숫자는 리뷰 데이터가 깨끗하다는 전제 위에 있습니다. 실제로는 그렇지 않은 경우가 많습니다. PART 08로 갑니다. ›

---

PART 08 · 함정 — 리뷰 데이터를 그대로 믿으면 안 되는 네 가지

아래 네 가지를 먼저 확인하지 않으면 위 숫자가 전부 흔들립니다.

함정 ① 별점 척도가 채널마다 다르게 들어옵니다

다른 버티컬 플랫폼에서 들어온 한 브랜드의 리뷰 438건 중 88.6%가 0–1점이었습니다. 그런데 본문은 ‘재구매 의사 있어요’, ‘선물했는데 좋아하셨어요’였습니다. 평점이 5점 만점이 아니라 다른 형식으로 들어온 것입니다. 이걸 그대로 합치면 평균 별점이 1점대로 떨어지고, 그 채널의 상품이 전부 ‘품질 문제’로 분류됩니다.

확인하는 법

함정 ② 같은 리뷰가 두 번, 같은 문장이 열 번 들어옵니다

수집 과정에서 같은 리뷰가 중복으로 쌓인 비율이 Y 4.8%, Z 7.1%였습니다. 또 Z 에서는 토씨까지 같은 문장이 4번 이상 반복된 리뷰가 6.4%였습니다. ‘항상 좋은 상품 부탁드립니다, 빠른 배송 감사합니다’ 같은 문장입니다. 이벤트·적립금으로 받은 형식적 리뷰일 가능성이 큽니다.

• 리뷰 수를 셀 때는 리뷰 번호(또는 주문번호 + 본문) 기준으로 중복을 걷어냅니다.

• 반복 문장 리뷰는 ‘리뷰 수’에는 세되, 본문 분석·키워드 분석에서는 뺍니다. 그대로 두면 ‘배송이 빠르다’가 가장 많은 칭찬으로 잡힙니다.

함정 ③ 주문과 안 이어지는 리뷰가 있습니다

Z 리뷰의 19.3%는 주문번호가 비어 있어 주문과 이어지지 않았습니다. 이 리뷰들은 리뷰 수에는 들어가지만 PART 04의 시차, PART 07의 재구매 분석에서는 빠집니다. 주문과 이어진 리뷰만으로 계산한 작성률은 그만큼 낮게 나옵니다.

함정 ④ 판매 채널을 섞으면 작성률이 반토막 납니다

리뷰를 수집하는 채널은 보통 일부입니다. 주문은 전 채널을 합치고 리뷰는 한 채널만 들어오면 작성률이 실제의 절반 이하로 계산됩니다. 작성률·재구매 비교는 반드시 리뷰를 수집하는 판매 채널 하나로 좁혀서 봅니다. 고객 식별도 채널마다 따로라, 채널을 넘는 재구매는 이 방법으로는 안 보입니다.

완벽할 필요는 없습니다

다음에 볼 화면 — 데이터를 믿을 수 있게 됐습니다. 마지막으로 리뷰 적립금이 남는 장사인지 계산합니다. PART 09로 갑니다. ›

---

PART 09 · 리뷰 적립금, 비용일까 투자일까 — 손익분기 리프트

금액이 아니라 비율로 계산하면 우리 숫자를 그대로 넣을 수 있습니다.

손익분기 리프트 = 적립금 총액 ÷ (대상 리스팅 매출 × 공헌이익률)

연구치의 70분의 1만 나와도 본전입니다. 보수적으로 깎아도 남는 계산입니다. 다만 이건 ‘리뷰가 0개인 리스팅에 첫 5개를 만드는’ 경우입니다. 이미 리뷰 30개가 넘는 리스팅에 같은 적립금을 쓰면 한계효용이 작아 손익분기를 못 넘을 수 있습니다.

• 적립금은 차등으로 — 텍스트보다 포토, 그리고 첫 5개 리뷰에 가중을 둡니다. 같은 예산으로 효과가 큰 쪽에 몹니다.

• 측정을 같이 설계합니다 — 비슷한 리스팅을 둘로 나눠 한쪽만 적립금을 켜고 4주 비교합니다. PART 05에서 본 것처럼 전후 비교만으로는 프로모션에 묻힙니다.

• 형식적 리뷰를 사지 않습니다 — 반복 문장 리뷰가 늘어나면 적립금이 리뷰 ‘수’만 사고 있다는 신호입니다(PART 08 함정 ②).

---

4주 실행안 · 4주 실행안

---

정리 · 정리

1. 리뷰는 주문의 7% 안팎에만 달립니다 — 첫 5개에 주문 64–71건, 두 달 안팎이 듭니다.

2. 요청 타이밍은 상품이 정합니다 — 패션 잡화는 일주일 안 45.4%, 스킨케어는 30일 안 56.2%.

3. 리뷰 0개 리스팅이 주문의 46.3%를 가져갑니다 — 세트·단독구성 페이지로 리뷰가 쪼개진 탓입니다.

4. 평균 4.7보다 3점 이하 5.7–7.1%를 읽습니다 — 고칠 곳이 그 안에 있습니다.

5. 리뷰 작성 고객의 재구매는 1.46–1.9배 — 원인이 아니라 최우선 CRM 타깃이라는 표식입니다.

이 리포트를 우리 데이터로 재현하는 최소 설정

---

자주 묻는 질문 · 자주 묻는 질문

Q. 리뷰가 몇 개면 충분한가요?

처음 5개가 가장 중요하고 이후 효과는 줄어듭니다. 전 리스팅 5개 확보가 1순위입니다. 작성률 7% 안팎이면 주문 70건 안팎이 필요하니, 판매가 적은 신상품부터 지원하세요.

Q. 리뷰 요청은 언제 보내야 하나요?

받자마자 판단이 끝나는 상품(패션 잡화 등)은 배송 완료 후 2–3일, 써 봐야 아는 상품(스킨케어 등)은 배송 직후와 3–4주 뒤 두 번입니다. 우리 상품의 시차는 리뷰일 − 주문일로 직접 재 보세요.

Q. 별점 5.0을 목표로 해야 하나요?

아니요. 구매 확률은 4.2–4.7 구간에서 가장 높습니다. 평균을 올리기보다 3점 이하 리뷰의 주제를 읽고 상세페이지·상품·응대를 고치는 쪽이 전환에 유리합니다.

Q. 부정 리뷰는 지워야 하나요?

삭제보다 응대가 낫습니다. 소비자 82%는 부정 리뷰를 일부러 찾아 읽습니다. 부정 리뷰는 공짜로 받는 품질 리포트이기도 합니다.

Q. 리뷰 수가 많은 상품이 잘 팔리니, 리뷰를 늘리면 매출이 오르나요?

방향은 맞지만 숫자만으로는 증명되지 않습니다. 잘 팔려서 리뷰가 쌓인 부분이 섞여 있습니다. 비슷한 리스팅을 나눠 한쪽에만 리뷰 캠페인을 켜고 비교해야 효과를 말할 수 있습니다.

리뷰 수 × 주문, 리뷰 시차, 별점 × 리뷰 본문, 리뷰 작성 고객의 재구매까지 — 라플라스에서 리뷰 데이터와 매출의 관계를 직접 확인해 보세요.

참고 자료: Spiegel Research Center (Northwestern Univ.) “How Online Reviews Influence Sales” · PowerReviews “The Impact of Review Volume on Conversion” · BrightLocal “Local Consumer Review Survey” · Bazaarvoice “Shopper Experience Index”

본 리포트의 수치는 실제 거래 데이터가 아니라, 라플라스 벤치마크 지표의 분포를 반영해 생성한 예시 값입니다. 특정 고객사의 실제 수치가 아니며 절대값이 아닌 경향 파악 목적으로 참고해 주세요. 공개 연구 수치는 각 항목에 출처를 표기했습니다. 화면 이름과 설정 항목 이름은 릴리스에 따라 조금 다를 수 있습니다.