(숫자를 대표하는 방법) 별점 4.5점짜리 식당은 믿을 만한가?

리뷰 8개짜리 평점 4.9와 리뷰 1,200개짜리 평점 4.3, 어느 쪽이 더 믿을 만할까? 평균과 표본 크기의 관계를 다룹니다.

두 식당 중 어디를 골라야 할까

강의 중 예시로 이 얘기를 꺼내면 학생들 절반은 이미 스마트폰으로 배달앱이나 네이버 지도를 켜고 있다. 다들 이 화면이 익숙하다는 뜻이다. 지도 앱을 켰다. A 식당은 별점 4.9(리뷰 8개), B 식당은 별점 4.3(리뷰 1,200개). 숫자만 보면 A가 훨씬 나아 보인다. 그런데 정말 A가 더 맛있는 집일까?

별점도 결국 표본평균이다

식당 별점은 그 식당에 다녀간 손님들 중 리뷰를 남긴 사람들의 점수를 평균 낸 것이다. 즉, 진짜 궁금한 “이 식당의 진짜 품질”이라는 모집단 값을 몇 명의 표본으로 추정한 표본평균에 불과하다.

리뷰 8개와 리뷰 1,200개의 차이

A 식당의 리뷰가 8개뿐이라면, 다음에 별점 3점짜리 리뷰 하나만 더 달려도 평균은 4.9에서 순식간에 4.6대로 떨어진다. 반면 B 식당은 리뷰가 1,200개이므로, 새 리뷰 하나가 평균을 흔드는 폭은 사실상 0에 가깝다.

같은 “리뷰 1개”라도 표본 크기에 따라 평균에 미치는 영향력은 전혀 다르다.

표본이 작을수록 평균은 크게 흔들린다

통계학에서 표본평균의 불확실성, 즉 표준오차(Standard Error)는 다음과 같이 표본 크기의 제곱근에 반비례해서 줄어든다.

\[\text{SE} = \frac{\sigma}{\sqrt{n}}\]

리뷰 개수 \(n\)이 4배로 늘어나야 표준오차는 절반으로 줄어든다. 리뷰가 몇 개 안 되는 식당은 진짜 실력과 동떨어진 평균이 우연히 찍혀 있을 가능성이 훨씬 크다.

리뷰 개수가 늘어날수록 평점 평균의 95% 신뢰구간 폭(오차범위)이 좁아진다. 리뷰 10개 안팎에서는 오차범위가 ±0.5점을 넘지만, 리뷰가 수백 개를 넘으면 오차범위는 거의 사라진다.

리뷰가 8개인 A 식당은 오차범위가 무려 ±0.55점에 달한다. 진짜 평균이 4.35~5.0 사이 어디든 있을 수 있다는 뜻이다. 반면 리뷰가 1,200개인 B 식당은 오차범위가 ±0.05점 이내로 좁혀진다. “4.9”라는 숫자와 “4.3”이라는 숫자는 애초에 신뢰도가 다른 숫자다.

플랫폼들의 해법: 베이지안 가중평균

이 문제를 잘 아는 플랫폼들은 단순 평균 대신 베이지안 가중평균(Bayesian weighted average)을 쓴다. IMDb 영화 순위가 대표적이다.

IMDb 공식

\[WR = \frac{v}{v + m} \times R + \frac{m}{v + m} \times C\]

• \(R\): 해당 항목의 평균 평점
• \(v\): 해당 항목의 리뷰(투표) 수
• \(m\): “충분히 신뢰할 만하다”고 보는 최소 리뷰 수 (기준값)
• \(C\): 전체 항목의 평균 평점 (사전 기대값)

리뷰 수 \(v\)가 작으면 가중치가 전체 평균 \(C\) 쪽으로 쏠리고, \(v\)가 크면 원래 평균 \(R\)을 거의 그대로 인정한다. 적은 표본은 겸손하게, 많은 표본은 있는 그대로 평가하는 방식이다.

세 식당에 이 공식을 적용해 보자. 최소 기준 \(m=50\), 전체 평균 \(C=4.0\)으로 가정한다.

식당	원 평점	리뷰 수	가중평균 적용 후
A (리뷰 소수)	4.9	8	4.12
C (리뷰 보통)	4.6	45	4.28
B (리뷰 다수)	4.3	1,200	4.29

원 평점(연두색)과 베이지안 가중평균 적용 후(주황색) 비교. 리뷰가 적은 A는 크게 낮아지고, 리뷰가 많은 B는 거의 그대로다. 그 결과 원래 꼴찌였던 B가 가중평균에서는 1위로 올라선다.

원래 평점만 보면 A > C > B 순이었지만, 표본 크기를 반영하자 B > C > A로 순위가 완전히 뒤집힌다. 리뷰 8개짜리 만점에 가까운 평점은, 리뷰 1,200개가 쌓인 4.3점보다 통계적으로 훨씬 근거가 약하다.

더 깊이: 가중평균의 정식 정의

IMDb 공식이 하는 일은 결국 평범한 평균과 사전 기대값을 리뷰 수 비율로 섞는 가중평균이다. 강의노트 〈기초통계 2. 데이터와 통계 — 측정형 데이터〉에는 가중평균의 일반식과 성적 계산·소비자물가지수 같은 다른 활용 사례도 함께 정리되어 있다.

결론: 별점 앞에는 항상 괄호 속 숫자를 봐야 한다

별점을 볼 때 체크할 것

1. 평점만 보지 말고 리뷰 개수를 함께 본다. 리뷰 10개 미만의 만점은 통계적으로 거의 의미가 없다.
2. 리뷰가 적은 만점보다 리뷰가 많은 근소한 고득점이 더 안전한 선택이다.
3. 플랫폼이 “가중 평점”이나 “정렬 기준”을 제공한다면, 단순 평균보다 그것을 신뢰하자.
4. 표본이 작을 때는 극단적인 값이 나오기 쉽다는 것을 항상 염두에 둔다. 이것은 식당 평점만이 아니라 표본을 다루는 모든 통계에 적용되는 원칙이다.

숫자 하나(4.9)가 다른 숫자(4.3)보다 커 보인다고 무조건 더 나은 것은 아니다. 그 숫자가 몇 명의 목소리에서 나왔는지를 함께 봐야, 비로소 평균을 제대로 읽을 수 있다.

나는 요즘도 배달앱에서 리뷰 5개짜리 만점 신규 매장보다, 리뷰 800개에 4.6점인 오래된 맛집을 먼저 누른다. 표본 크기를 아는 것만으로도, 선택이 조금은 덜 후회스러워진다.