BERTopic과 감성 분석을 활용한 국경 간 전자상거래와 국내 전자상거래 플랫폼의 사용자 경험 차이 연구

Abstract

글로벌 전자상거래 시장에서 국경 간 전자상거래(Cross-border E-commerce)와 국내 전자상거래(Local E-commerce) 플랫폼 간의 사용자 경험 차이는 중요한 고려 요소가 되고 있다. 그러나 한국 학계에서는 이러한 플랫폼 간 사용자 평가에 대한 텍스트 기반 데이터 분석 연구가 부족하며, 특히 사용자 리뷰 데이터를 활용한 체계적인 주제 모델링 및 감성 분석 사례는 드문 상황이다. 이에 본 연구는 Latent Dirichlet Allocation(LDA)과 BERTopic을 결합한 이중 주제 모델링 기법을 통해, 국경 간 플랫폼인 AliExpress와 국내 플랫폼인 Coupang의 사용자 리뷰를 비교 분석하였다. LDA를 통해 주요 주제를 식별한 후, BERTopic을 활용해 세부 관심사를 정교하게 분류하였으며, 감성 분석을 병행하여 주제별 긍·부정 감정 경향을 정량적으로 파악하였다. 이를 통해 플랫폼별 사용자 경험의 구조를 입체적으로 분석하였다. 분석 결과, AliExpress는 물류 지연, 통관 문제, 환불 절차 등의 서비스 품질과 관련된 부정 감성이 뚜렷하게 나타났으며, 이는 물류 및 사후처리 시스템의 구조적 개선이 요구됨을 시사한다. 반면 Coupang은 빠른 배송과 멤버십 제도에서 높은 만족도를 보였으나, 검색 기능의 정확성 저하, 가격 정책의 투명성 부족 등 특정 정책 요소에 대한 부정 평가가 확인되었다. 이러한 결과를 기반으로, 본 연구는 각 플랫폼의 사용자 리뷰에 반영된 주제 및 감성 분석을 정책 프레임과 연계하여 비교하였고, 플랫폼별 서비스 개선 방향 및 정책 개선 방안을 도출하였다. 특히, 감성 클러스터별 불만 요인을 고객 정책 항목과 연결하고, 이를 바탕으로 플랫폼 운영자에게 실질적인 정책 개선 전략을 제시하였다는 점에서 본 연구는 실용적 기여도가 높다. 또한 키워드 네트워크 시각화, 주제 군집도, 감성 분포 그래프 등 다양한 시각화 도구를 통해 비정형 데이터를 직관적으로 전달하였으며, 텍스트 마이닝 기반의 사용자 정책 분석 프레임워크를 제시함으로써 학문적 방법론의 확장 가능성도 제시하였다.;In the global e-commerce market, the differences in user experience between cross-border and local e-commerce platforms have emerged as a critical factor for strategic consideration. However, in the context of Korean academia, there is a noticeable lack of research utilizing text-based data analysis to evaluate such platforms. In particular, systematic applications of topic modeling and sentiment analysis on user review data remain rare. To address this gap, the present study adopts a dual-topic modeling framework combining Latent Dirichlet Allocation (LDA) and BERTopic to conduct a comparative analysis of user reviews from AliExpress (a cross-border platform) and Coupang (a local platform). LDA was first employed to identify overarching topics, followed by BERTopic to derive more fine-grained subtopics. Sentiment analysis was also conducted to quantify the positive and negative emotional tendencies across each topic, enabling a multidimensional understanding of user experience on each platform. The analysis revealed that AliExpress exhibited a strong prevalence of negative sentiments related to service quality issues such as delivery delays, customs clearance problems, and refund procedures—highlighting the need for structural improvements in logistics and post-purchase support systems. In contrast, Coupang showed high user satisfaction with its fast delivery and membership program, while negative feedback was primarily directed at search accuracy and a lack of pricing transparency. Based on these findings, the study links topic and sentiment analysis with customer policy frameworks to compare platform-specific policy issues and suggest targeted directions for service and policy improvement. Notably, this study identifies key dissatisfaction clusters and maps them to specific customer policy areas, thereby providing practical and actionable policy recommendations for platform operators. Furthermore, by employing various data visualization techniques—including keyword network maps, topic clustering graphs, and sentiment distribution plots—the study presents unstructured textual data in an intuitive and comprehensible manner. By proposing a text mining-based framework for analyzing user policies, the research also demonstrates methodological contributions that expand the scope of data-driven approaches in e-commerce studies.