유튜브 댓글 분석 업무
유튜브 댓글을 엑셀로 정리해 내부 검토 회의를 진행
이 직원의 업무는 유튜브 영상에 달린 댓글을 정리하고 분류하는 일이었습니다.
해당 업무를 맡은 직원은 일정 기간 동안 여러 영상에 달린 댓글을 확인해,
필요한 내용을 엑셀 파일로 정리하는 작업을 반복적으로 수행하고 있었습니다.
업무 방식은 비교적 단순했습니다. 유튜브 화면에서 댓글을 확인한 뒤,
검토가 필요하다고 판단되는 댓글을 하나씩 복사해 엑셀에 옮겼습니다.
엑셀에는 댓글 원문이 정리됐고, 이후 내부 논의를 거쳐 각 댓글이 긍정적인 반응인지,
부정적인 의견인지, 또는 판단이 어려운 내용인지로 구분했습니다.
댓글의 양이 많지 않을 때는 큰 문제가 되지 않았지만, 영상 수가 늘어나고 댓글이 계속 쌓이면서
이 작업이 담당자에게는 점점 부담으로 느껴지기 시작했습니다.
댓글을 옮기는 데 걸리는 시간뿐만 아니라, 하나하나 내용을 읽고 판단해야 하는 과정까지 포함되다 보니 업무 시간의 상당 부분이 이 작업에 사용되고 있었습니다.
댓글을 옮기고 분류하는 반복 작업에서 발생한 부담
문제는 댓글의 양이 늘어날수록 업무 부담이 빠르게 커진다는 점이었습니다.
댓글을 하나씩 복사해 엑셀에 붙여넣는 작업은 단순해 보이지만, 실제로 해보면 생각보다
시간이 많이 소요됩니다.
또한 분류 단계에서도 어려움이 있었습니다.
내부 기준은 있었지만, 댓글의 표현은 늘 기준처럼 딱 떨어지지 않았습니다.
“이건 긍정으로 볼 수 있을까요?”
“불만은 아닌데 그렇다고 긍정이라고 하기엔 애매합니다.”
이런 판단이 반복되다 보니,
댓글을 분류하는 작업 자체가 회의의 상당 부분을 차지하게 되었습니다
댓글 수집과 긍·부정 판단을 코드로 연결한 방식
개선의 시작은 현재 업무 흐름을 그대로 정리해 보고자 했습니다
이미 댓글이라는 데이터는 온라인에 존재하고 있었고, 정리 결과는 엑셀로 관리하고 있었습니다.
그렇다면 사람이 반복해서 수행하던 중간 과정을 코드로 옮길 수 있지 않을까라는 접근이었습니다.
첫 번째로 바꾼 부분은 댓글 수집 방식이었습니다. 웹 크롤링을 통해 유튜브 댓글을 자동으로 수집하고, 영상 URL을 기준으로 댓글을 엑셀 파일로 정리하도록 구성했습니다.
다음 단계에서는 판단 과정을 자동화했습니다.
엑셀에 정리된 댓글 데이터를 OpenAI API에 전달해, 각 댓글에 대해 긍정, 부정, 중립 여부를 한 번에 판단하도록 했습니다.
이 과정 역시 담당자가 직접 판단하던 기준을 참고해 출력 형식을 엑셀에서 바로 활용할 수 있도록 구성했습니다.
엑셀에 댓글과 판단 결과가 함께 정리되는 구조
자동화 이후, 업무를 시작하는 방식이 달라졌습니다. 이전에는 댓글을 모으는 것부터 업무가 시작됐다면, 이제는 엑셀 파일을 열었을 때 이미 댓글과 판단 결과가 함께 정리돼 있었습니다.
담당자는 더 이상 댓글을 복사하거나 붙여넣지 않아도 됐고, 각 댓글의 긍·부정 여부를 일일이 판단하지 않아도 됐습니다.
기존 업무를 유지한 채 반복 과정을 자동화한 사례
이 사례를 소개하면 새로운 시스템을 도입한 것처럼 보일 수 있지만, 실제로 달라진 것은
업무 방식의 일부였습니다.
엑셀을 사용하는 방식도 그대로였고, 댓글을 정리해 내부 검토 자료로 활용하는 흐름도 변하지 않았습니다. 다만 댓글을 수집하고, 내용을 분류하는 과정에서 사람이 직접 처리하던 반복 작업을 코드로 옮긴 정도의 변화였습니다.
그 결과 담당자는 댓글을 옮기거나 판단하는 데 쓰던 시간을 줄일 수 있었고, 정리된 결과를 확인하고 논의하는 데 집중할 수 있게 되면서 불필요하게 반복되던 과정 개선으로 많은 시간을 아낄 수 있었습니다