채널별 긍정률은 올랐는데, 전체 긍정률은 왜 떨어질까?
Author :
싱클리 팀
TL;DR 소셜 감성 비율 구성비 착시는 긍정률이 낮은 채널의 관측 비중이 커지면서 전체 긍정률의 방향이 뒤집히는 현상을 뜻합니다. 같은 분모와 라벨을 유지한 뒤, 채널별 긍정률과 동일한 가중치로 계산한 비율을 함께 비교합니다.
채널별 긍정률이 모두 올라도 전체 긍정률은 내려갈 수 있으므로, 리포트의 하락을 브랜드 악화로 단정하기 전에 건수와 가중치를 확인합니다.
소셜 감성 비율 구성비 착시를 채널별 건수로 확인합니다
전체 긍정률은 채널별 비율의 단순 평균이 아니라 관측 건수로 가중한 평균입니다. 긍정률이 낮은 채널의 비중이 충분히 커지면 모든 채널이 개선되어도 합계가 하락할 수 있습니다. 이는 심슨의 역설(Simpson’s paradox)로 설명하는 합계 역전의 한 형태입니다. (Source: Stanford Encyclopedia of Philosophy, 2026-11-05 확인)
다음 구성비 진단표의 수치는 모두 설명용 가상 예시이며 실제 브랜드 성과가 아닙니다. 이전 기간의 채널 비중을 고정 기준으로 사용합니다.
채널 | 이전 긍정/유효 건수 | 이전 긍정률·비중 | 이후 긍정/유효 건수 | 이후 긍정률·비중 | 고정 가중치 |
|---|---|---|---|---|---|
A | 720/900 | 80%·90% | 90/100 | 90%·10% | 90% |
B | 20/100 | 20%·10% | 270/900 | 30%·90% | 10% |
합계 | 740/1,000 | 74%·100% | 360/1,000 | 36%·100% | 100% |
고정 비율 | 해당 없음 | 74% | 해당 없음 | 84% | 동일 기준 |
원자료의 긍정 건수를 합산한 뒤 유효 건수 합계로 나누면 이전은 740÷1,000=74%, 이후는 360÷1,000=36%입니다. 각 채널은 10%포인트 상승했지만 전체는 38%포인트 하락합니다. 라벨 오류가 없어도 관측 구성만으로 방향이 바뀝니다.
소셜 감성 비율 구성비 착시 비교의 분모와 라벨을 고정합니다
집계 단위와 분모가 같아야 구성비 변화의 의미를 비교합니다. 게시물·댓글·언급을 섞거나 중립 포함 여부를 바꾸면 다른 지표를 비교하게 됩니다.
위 예시는 유효 건수=긍정+중립+부정으로 정의합니다. 미분류는 제외하되 건수와 비율을 별도로 기록합니다. 이는 이 글의 실무 정의이지 업계 공통 표준을 뜻하지 않습니다. 긍정을 긍정·부정 합계로 나눈 비율과 혼용하지 않습니다.
감성 분류에는 문맥과 반어 해석의 오류가 발생합니다. (Source: Brandwatch, 2024) 따라서 표 주석에 검색식, 언어, 지역, 기간 길이, 시간대, 수집 범위, 중복 제거 규칙과 라벨 버전을 남깁니다. 조건이 바뀌었다면 검색식 변경 대조표로 비교 가능성을 먼저 점검합니다. 라벨 자체의 오류는 한국어 댓글 감성 검수로 구분합니다.
고정 가중치로 채널 내 변화와 구성비 차이를 분리합니다
고정 가중치 비율(Fixed-weight rate): 미리 정한 채널 비중을 각 기간의 채널별 긍정률에 똑같이 적용한 비교용 지표를 뜻합니다. 원비율을 대체하지 않고 나란히 보고합니다.
위 가상 예시에서 이전 비중을 고정하면 이후 비율은 90%×90%+10%×30%=84%입니다. 이전의 74%와 비교하면 채널 구성을 고정한 변화는 10%포인트 상승입니다. 이후 원비율 36%와 고정 비율 84%의 차이는 −48%포인트입니다. 따라서 원비율 변화 −38%포인트를 +10−48로 기술합니다.
이 분해는 이전 가중치와 이후 채널별 비율을 선택한 결과입니다. 기준을 바꾸면 성분도 달라지므로 유일한 인과 기여도로 해석하지 않습니다. 고정 비율은 전체 소비자 대표성이나 캠페인 효과를 복원하지 않습니다.
누락 채널과 작은 표본에서는 결론을 보류합니다
기준 가중치가 있는 채널의 관측치가 없으면 0%로 채우지 않고 계산을 보류합니다. 공통 관측 채널만 비교할 때는 두 기간에 같은 채널 목록을 적용하고 가중치를 다시 정규화한 사실을 표시합니다.
작은 표본은 소수의 라벨 변경에도 비율이 크게 움직입니다. NIST는 작은 표본에서 이항 비율의 정규 근사가 부정확할 수 있음을 설명합니다. (Source: NIST, Confidence intervals, 2026-11-05 확인) 반복 작성자와 비확률 수집이 있는 소셜 데이터에 신뢰구간을 붙였다고 모집단 대표성을 확보하지는 않습니다.
실무에서는 플랫폼별 언급 수집 범위를 확인하고 채널별 건수와 누락 이유를 기록합니다. 변화가 채널 내 감성인지 수집 구성인지 분리하지 못했다면 브랜드 전체에 대한 결론을 보류합니다.
핵심 정리를 확인합니다
전체 비율과 채널별 비율의 방향을 함께 확인합니다.
분모·라벨·수집 조건을 고정하고 비교합니다.
고정 가중치의 기준과 원비율을 함께 공개합니다.
누락을 0으로 바꾸거나 관측치를 소비자 전체로 일반화하지 않습니다.
합계 하락은 진단의 출발점이지 브랜드 악화의 판정문이 아닙니다. 싱클리 소셜 안내는 소셜 대화 분석의 제품 범위를 설명하며, 이 글의 고정 가중치 진단을 자동 수행한다는 뜻은 아닙니다. 소셜 데이터 분석의 활용을 검토한다면 싱클리 데모를 신청합니다.
