[게임 마케터] "디스코드·리뷰·멘션 다 보려면 이틀이 그냥 사라져요..." — NotebookLM으로 유저 VOC 자연어 검색 5분 컷

◀ 이전 회차: [게임 마케터] "신작 D-30인데 카피가 한 줄도 안 나와요" — ChatGPT로 글로벌 출시 캠페인 30분 컷

1. 사건의 발단 (Case Study)

🎙️ 미니 인터뷰: 디스코드 export·Steam 리뷰·트위터 멘션이 산처럼 쌓였는데, 신작 출시는 코앞이에요

Q. 신작 카피 만들기 전에 굳이 과거 유저 반응까지 분석해야 해요?

음... 그게 안 하면 카피가 헛돌더라고요. 유저들이 진짜 좋아했던 포인트랑 답답해했던 포인트 빼놓고 SNS 카피만 잡으면 결국 또 '그래서 우리한테 뭐가 좋아요?' 같은 댓글이 달려요. 게임 마케팅은 유저 언어로 안 풀면 진짜 안 통하거든요. 디스코드에서 자주 나온 단어가 그대로 SNS 카피로 들어가야 댓글 반응이 와요.

Q. 디스코드만 봐도 충분하지 않아요?

그게... 디스코드는 진성 유저 톤이고, Steam 리뷰는 신규 유입 톤이라 분위기가 진짜 달라요. 디스코드는 '오빠 이거 좀 고쳐주세요' 톤인데 Steam은 '재미는 있는데 인터페이스가 별로' 같은 객관 평가... 트위터 멘션은 또 화제성 보는 거고요. 세 채널 다 봐야 진짜 그림이 잡혀요.

Q. 그러면 다 정리하는 데 시간이 얼마나 걸려요?

이틀이요. 진짜... 이틀이 그대로 사라져요. 디스코드 채널 5개 export 받고, Steam 리뷰 100건 긁고, 트위터 멘션 정리하고. 그걸 또 엑셀에다가 '재미·난이도·결제·UI·버그' 카테고리 잡고 메시지 하나하나 카운트해야 해요. 패치 시점별로도 나눠야 해서 일이 두 배예요. A 패치 전엔 별 5개였는데 B 패치 후엔 별 3개... 이런 식으로 시점 분리 안 하면 어느 패치가 진짜 문제였는지 안 보이거든요.

Q. 그래서 이번 신작 마케팅에는 어떻게 풀려고 하세요?

사실... 이번엔 막막해요. 캠페인 카피는 어제 ChatGPT로 한 번 정리했는데, 디스코드·리뷰 분석을 이틀 잡아두면 SNS 시안 작업이 또 미뤄지거든요. 분석 끝나면 D-20도 다 지나가요. 진짜... 더 빨리 풀 방법이 없을까 진짜 고민이에요. 신작 출시일은 정해져 있는데 분석에 이틀 쓰면 그만큼 다른 게 다 밀리니까요.

2. 문제 해결을 위한 레시피 (Solution)

🩺 마스터의 진단

유저 VOC 분석의 가장 큰 병목은 '자료를 한 데 모아 자연어로 물어볼 도구가 없어 수기로 카테고리·시점별 분류를 다시 해야 한다'는 점입니다.

NotebookLM은 디스코드 export·Steam 리뷰·트위터 멘션을 한 노트북에 소스로 묶고, 자연어 질의에 출처 인용까지 자동으로 붙여줍니다. 마케터는 분류 작업 대신 '신작 카피에 어떤 유저 단어를 옮길지' 판단에만 시간을 씁니다.

[Step 1] 디스코드·Steam 리뷰·트위터 자료 모으기

디스코드 채널 export(txt·csv), Steam 리뷰 100건(csv), 트위터 멘션 묶음(txt)을 한 폴더에 모아둡니다. 패치 일정이 따로 있으면 텍스트 파일로 같이 묶어둡니다.

이번엔 샘플 파일을 준비하여 구글 시트에 올려보았습니다.

[Step 2] NotebookLM 노트북 생성 + 자료 업로드

NotebookLM(notebooklm.google.com)에 접속해 새 노트북을 만들고 모은 자료를 모두 소스로 추가합니다. 소스 50개까지 무료로 묶을 수 있어 채널별 파일을 따로 올려도 됩니다.

[Step 3] 페인 카테고리 자연어 질의

노트북 채팅창에 아래 첫 번째 프롬프트를 넣어 가장 자주 언급된 페인 카테고리를 추출합니다.

[역할] 너는 게임 마케팅 유저 VOC 분석가야.

[자료] 업로드한 디스코드 채널 export·Steam 리뷰·트위터 멘션 모두 사용.

[지시] 최근 한 달 동안 유저가 가장 많이 언급한 페인 포인트 카테고리 5개를 추출하고, 각 카테고리별로 아래 3가지를 표로 정리해줘.
  1) 언급 빈도 추정 (대략 N건)
  2) 대표 인용 메시지 3건 (출처 채널 표기 필수)
  3) 톤 분류 (긍정·부정·중립)

[출력 형식] 마크다운 표. 카테고리는 '재미·난이도·결제·UI·버그' 외에 자료에서 자체 추출한 항목도 자유롭게 포함.

[Step 4] 패치 시점별 반응 자연어 질의

두 번째 프롬프트로 패치 전후 반응 변화를 패치별 카드 형식으로 받습니다.

[역할] 너는 게임 라이브 운영 패치 영향 분석가야.

[자료] 업로드한 자료 중 시간 정보(작성 날짜·패치 언급)가 있는 메시지·리뷰를 우선 사용.

[지시] 지난 6개월 동안 진행된 주요 패치 3~5개를 시점별로 추출하고, 각 패치 전후로 유저 반응이 어떻게 변했는지 비교해줘.
  1) 패치명 / 추정 시점
  2) 패치 직후 1~2주 부정 반응 키워드 5개
  3) 패치 직후 긍정 반응 키워드 5개
  4) 현재까지 이어지는 영향 1~2줄

[출력 형식] 패치별 카드. 제목 + 부정 키워드 + 긍정 키워드 + 잔존 영향 4줄 묶음.

[Step 5] 신작 SNS 카피 5종 같은 노트북 안에서 바로 생성

위 분석 결과를 바탕으로 같은 노트북에 세 번째 자연어 질의를 넣어 신작 SNS 캠페인 카피 5종을 즉시 받습니다. 별도 도구로 옮기지 않고 한 노트북 안에서 분석 → 카피 변환까지 한 흐름으로 끝냅니다.

[역할] 너는 게임 마케팅 카피라이터야.

[자료] 위 두 답변 (페인 카테고리 5개 + 패치별 반응 카드)을 모두 참고.

[지시] 신작 출시 D-25 시점 글로벌 SNS 캠페인 카피 5종을 작성해줘.

  1) 부정 키워드는 '이번엔 이렇게 바뀌었다' 톤으로 변환
     (예: '결제 압박' → '월정액 부담 없이 시작')
  2) 긍정 키워드는 '신작에서도 그대로' 톤으로 유지
     (예: '캐릭터 일러스트 호평' → '같은 아트팀이 신작에서도')
  3) 각 카피 끝에 근거가 된 유저 인용 메시지를 한 줄 첨부 (출처 채널·날짜 표기)

[출력 형식] 카피 5종. 각 카피별 근거 인용 메시지 1건씩 포함.

3. 결과 (Result)

• 핵심 수치: 이틀 → 5분 + 신작 SNS 카피 5종 즉시 생성
• 주요 특징:
  • 1. 디스코드·Steam·트위터 다중 채널 자료를 한 노트북에 묶어 자연어 질의
  • 2. AI가 카테고리 자체 추출 + 출처 자동 인용
  • 3. 메시지 날짜 단서로 패치 시점 역추정 → 패치별 반응 카드 자동 생성
  • 4. 분석 결과를 같은 노트북 안에서 신작 SNS 캠페인 카피 5종으로 직접 변환
• 시사점: 유저가 직접 쓴 단어를 신작 SNS 카피에 그대로 옮기면 댓글 반응이 달라집니다. 마케터의 카피 감각보다 유저 언어 자체가 SNS 알고리즘에 더 잘 걸려요.

4. 리뷰 (Review)

📊 AI 활용 비포 & 애프터 비교

단순히 요청했을 때와, 우리의 [마스터 프롬프트]를 사용했을 때의 결과물 차이를 확인해 보세요.

💡 Master's Secret: 결정적 차이를 만드는 프롬프트의 원리

💡 Master's TIP!

💡 유저 VOC 분석에서 가장 중요한 건 '카테고리를 미리 고정하지 않는 것'입니다. 마케터가 짐작한 5개 카테고리는 사전 가설일 뿐이고, 실제 유저는 매칭 시스템·소셜 기능·운영자 응대 같은 예상 밖 카테고리를 더 많이 언급합니다. AI가 자체 추출하게 하면 마케터가 놓친 영역이 자동으로 잡힙니다. 출처 채널 표기 강제는 NotebookLM의 인용 기능을 활성화시켜 신뢰도까지 자동 확보.

💡 패치 영향 분석은 마케터가 가장 자주 막히는 영역입니다. 패치 일정을 따로 입력 안 해도 '시간 정보 우선 사용' 한 줄이면 NotebookLM이 메시지 날짜를 단서로 패치 시점을 역추정해줍니다. 부정·긍정 키워드 분리는 신작 카피에 '이번엔 그 부분을 이렇게 바꿨다' 메시지를 짤 때 그대로 옮겨 쓸 재료가 됩니다.

💡 패치 분석 결과를 카피로 직접 변환하는 단계입니다. 별도 도구로 옮기지 않고 NotebookLM 한 노트북 안에서 이어 가는 게 핵심. 출처 인용을 카피 뒤에 강제로 붙이면 팀 내부 공유 시 '이 카피 왜 이렇게 잡았어요?' 질문에 바로 답이 나오고, 대표·기획 디렉터 승인 라인에서도 근거 자료를 따로 첨부할 필요가 없습니다.

💬 이서아 마케팅 리드의 한마디

사실 이틀 잡아두고 있던 작업인데... 5분 만에 카테고리랑 패치 반응까지 나오니까 좀 허무했어요. 유저들이 직접 쓴 단어 그대로 SNS 카피에 옮기니까 댓글 반응이 진짜 달라지더라고요.

▶ NEXT CHAPTER

디스코드·리뷰 분석 결과를 SNS 시안에 반영하고 첫 인플루언서 메일 두 통을 보낸 뒤, 며칠 만에 처음으로 점심을 제대로 챙겨 먹는다. 그날 오후 회의 자리에서 대표가 노트북을 닫으며 한마디를 던진다.

팀장님: ""서아 씨, 이번엔 글로벌 경쟁 게임 좀 봐줘요. Steam 글로벌 출시 30일 매출 Top 5랑 SNS 키워드, 영어권·일본 비교용으로 한 장만 정리해주면 돼요.""

자료 모으는 데만 반나절이 사라질 텐데, 이번에도 AI로 풀 방법은 없을까 궁리가 깊어진다.

▶ [다음 회] Perplexity로 글로벌 경쟁 게임 트렌드·신시장 리서치 30분 컷

📂 부록: 함께 읽으면 좋은 레시피 & 용어

◀ 이전 회차 바로가기 : [게임 마케터] "신작 D-30인데 카피가 한 줄도 안 나와요" — ChatGPT로 글로벌 출시 캠페인 30분 컷

▶ [학원/강사] NotebookLM으로 학생 시험지 60장 한 번에 약점 분석하기

▶ [IT PM] 클로바 노트+NotebookLM으로 한 주 회의 6건 액션 아이템·의사결정 매트릭스 30분 컷

▶ [게임 기획] 서브 퀘스트 30개를 2주 안에? AI로 시나리오 뼈대 10분 만에 잡기

여러분 회사는 디스코드·리뷰·SNS 멘션을 어떻게 정리하고 계세요? 댓글로 채널 종류랑 한 번 정리할 때 시간 알려주시면, 비슷한 NotebookLM 워크플로우 한 줄 제안 드릴게요!