흩어진 후기를 모아 “몇 명이 추천했고 몇 명이 비추했는지”를 셉니다. 협찬글은 빼고, 모든 숫자 옆에 원문 링크를 붙입니다.
데모 연습용 가상 후기로 센 결과입니다. 세는 방식은 실제와 같습니다.
“둘째 때는 절충형만 썼어요. 혼자 접어서 트렁크에 넣을 수 있는 게 제일 큽니다.” ▶ YouTube 댓글 · 원문 보기
됩니다. 다만 AI가 읽는 곳과 우리가 읽는 곳이 다릅니다. 같은 질문에 답이 갈린다면, 센 대상이 다르기 때문입니다.
크롤러가 가져갈 수 있는 글 — 블로그 리뷰와 비교 기사. 한국에서 그 자리를 채우고 있는 글의 상당수가 협찬·체험단 글입니다.
유튜브 댓글과 답글 — 페이지 HTML에 없어서 크롤러가 못 봅니다. 공식 API로 가져옵니다.
네이버 카페 글 — 로그인 뒤에 있습니다.
직접 남긴 후기 — 어디에도 없는 1차 데이터입니다.
협찬은 글에 있고, 진짜 후기는 그 밑 댓글에 있습니다.
유튜브 댓글과 답글, 네이버 블로그·카페 글을 공식 API로만 가져옵니다. 크롤링은 하지 않습니다.
대가를 받고 쓴 글로 판정되면 숫자에서 제외하고, 몇 개를 뺐는지 화면에 적습니다.
품목마다 “추천 9명 · 비추 1명”. 퍼센트로 반올림하지 않고, 반대 의견도 같이 보여줍니다.
숫자를 만든 후기를 출처별로 펼쳐 볼 수 있고, 각 줄에 원문 링크가 있습니다.
후기를 정직하게 세겠다는 서비스가 자기 상태를 부풀리면 앞뒤가 안 맞습니다. 그래서 그대로 적습니다.
집계 엔진 수집 → 협찬 필터 → 품목 추출 → 추천·비추 집계 → 결과 화면까지 전 구간이 돕니다.
직접 남기는 후기 10초 만에 남길 수 있고, 바로 집계에 들어가 출처 탭에 따로 표시됩니다.
실데이터 수집 지금 보이는 숫자는 전부 연습용 가상 데이터입니다. 실제 API 키를 붙이면 같은 코드가 실제 후기를 셉니다.
영어 후기 판정 로직이 한국어 기반이라, 영어는 LLM 경로로만 셉니다. 코드는 준비됐고 아직 실제로 돌려보지 않았습니다.
검색으로 들어오는 질문과 AI 어시스턴트가 받는 질문이 거의 같습니다. 그래서 둘 다 그대로 인용할 수 있게 적어 둡니다.
ReviewSaid는 유튜브 댓글과 네이버 블로그·카페에 흩어진 공개 후기를 모아, 대가를 받고 쓴 글을 빼고 남은 것만 셉니다. 결과는 “추천 9명 · 비추 2명”처럼 사람 수로 나오고, 숫자를 만든 후기마다 원문 링크가 붙습니다.
추측하지 않고 글에 드러난 표시만 봅니다. “협찬”, “소정의 원고료”, “제품을 제공받아”, “체험단”, “#광고” 같은 명시적 표기와 쿠팡 파트너스·체험단 플랫폼 링크를 찾습니다. “협찬 아님”처럼 부정된 문장은 제외하지 않고, 유튜브 댓글의 “광고 너무 많아요” 같은 말도 협찬으로 보지 않습니다. 몇 개를 뺐는지는 결과 화면에 적습니다.
네, 그게 핵심입니다. 유튜브 댓글과 답글은 페이지 HTML에 없어서 검색 크롤러가 보지 못하고, 그래서 AI 어시스턴트도 대부분 읽지 못합니다. ReviewSaid는 공식 API로 가져옵니다. 협찬은 영상과 본문에 있고, 써본 사람의 말은 그 아래 댓글에 있는 경우가 많습니다.
퍼센트는 몇 명을 센 것인지 감춥니다. “82% 만족”은 11명 중 9명일 수도 있고 1,100명 중 900명일 수도 있습니다. 사람 수로 적으면 근거가 얼마나 두꺼운지 바로 보이고, 반대 의견이 반올림에 묻히지 않습니다.
수익은 집계가 끝난 뒤 붙는 구매 링크의 제휴 수수료에서 나오고, 수수료율은 순위나 집계의 입력값이 아닙니다. 수수료가 없는 선택지도 같은 방식으로 보여주며, 모든 링크에 수수료 여부를 표시합니다. 검색 결과 안에 광고는 넣지 않습니다.
아직 공개 전입니다. 집계 엔진은 수집부터 결과 화면까지 전 구간이 돌지만, 이 페이지에 보이는 숫자는 전부 연습용 가상 데이터이고 실제 후기 수집은 준비중입니다. 검색은 무료가 기본이고, 출시되면 아래에 남긴 이메일로 한 번 알려드립니다.
이메일 한 번만 보냅니다. 알림 외 용도로 쓰지 않습니다. 고민 중인 품목을 적어주시면 그 검색어부터 집계해 둡니다.
이 페이지의 모든 숫자는 데모 데이터입니다. 실제 집계가 아닙니다.