Sentiment Scoring

---
name: sentiment-scoring
description: "감성 분석 스코어링 프레임워크. sentiment-analyst 에이전트가 텍스트 데이터의 감성을 체계적으로 분류하고 점수화할 때 참조. '감성 분석', '감정 스코어', 'NPS 분석' 요청 시 사용. 단, ML 모델 학습이나 NLP 파이프라인 구축은 범위 밖."
---

# Sentiment Scoring — 감성 분석 스코어링

sentiment-analyst 에이전트의 감성 분류 및 점수화 역량 강화.

## 감성 분류 체계

### 3단계 기본 분류

| 분류 | 점수 범위 | 신호 단어 |
|------|----------|----------|
| 긍정 | +0.5 ~ +1.0 | 좋다, 만족, 추천, 편리, 최고 |
| 중립 | -0.5 ~ +0.5 | 보통, 괜찮다, 그저그렇다 |
| 부정 | -1.0 ~ -0.5 | 불만, 실망, 최악, 불편, 느리다 |

### 5단계 상세 분류

| 분류 | 점수 | 표현 예시 |
|------|------|----------|
| 매우 긍정 | +0.8~+1.0 | "정말 최고입니다!", "강력 추천" |
| 긍정 | +0.3~+0.7 | "괜찮은 편이에요", "만족합니다" |
| 중립 | -0.2~+0.2 | "보통이에요", "나쁘지 않아요" |
| 부정 | -0.7~-0.3 | "좀 불편해요", "기대 이하" |
| 매우 부정 | -1.0~-0.8 | "절대 다시 안 써요", "최악" |

## 감성 분석 방법론

### 규칙 기반 분석

```
1. 토큰화: 문장 → 단어/구 분리
2. 감성 사전 매칭:
   - 긍정어 (+1): 만족, 좋다, 편리, 추천...
   - 부정어 (-1): 불만, 실망, 불편, 느리다...
   - 강화어 (×1.5): 매우, 정말, 너무, 완전...
   - 부정어 (×-1): 안, 없다, 못, 아니...
3. 문장 점수 = Σ(단어 점수) / 단어 수
4. 문서 점수 = Σ(문장 점수) / 문장 수
```

### 맥락 보정 규칙

| 패턴 | 처리 | 예시 |
|------|------|------|
| 긍정 + "하지만" + 부정 | 후반부 가중 | "좋은데 비싸요" → -0.3 |
| 부정 + "하지만" + 긍정 | 후반부 가중 | "비싸지만 좋아요" → +0.3 |
| 반어법 | 반전 | "정말 대단하시네요 (비꼼)" → -0.5 |
| 비교 | 상대 평가 | "A보다 나은 B" → B 긍정 |
| 조건부 | 약화 | "~하면 좋을 텐데" → -0.2 |

## NPS (Net Promoter Score) 분석

### NPS 산출

```
NPS 질문: "이 제품을 추천하시겠습니까?" (0~10점)

추천자 (Promoter): 9~10점
중립자 (Passive): 7~8점
비추천자 (Detractor): 0~6점

NPS = 추천자% - 비추천자%
범위: -100 ~ +100
```

### NPS 벤치마크

| NPS 범위 | 평가 | 해석 |
|---------|------|------|
| 70+ | 세계적 수준 | Apple, Tesla급 |
| 50~69 | 우수 | 업계 리더 |
| 30~49 | 양호 | 평균 이상 |
| 0~29 | 개선 필요 | 평균 수준 |
| 0 미만 | 위험 | 즉시 개선 |

## 감성 트렌드 분석

### 시계열 감성 추이

```
월별 감성 점수 변화:
  1월: +0.45 (긍정 우세)
  2월: +0.38 (소폭 하락)
  3월: -0.12 (부정 전환) ← 이벤트 확인 필요
  4월: +0.22 (회복 중)

이상 탐지 기준:
  전월 대비 ±0.3 이상 변화 → 원인 분석 필수
```

## 품질 체크리스트

| 항목 | 기준 |
|------|------|
| 분류 체계 | 3단계 또는 5단계 일관 적용 |
| 맥락 보정 | 반전/강화/조건부 처리 |
| 신뢰 구간 | 애매한 케이스 중립 처리 |
| NPS 산출 | 표준 공식 적용 |
| 트렌드 | 시계열 추이 + 이상 탐지 |