속마음 스캐너의 점수는 어떻게 만들어질까? 지표별 해설

저는 속마음 스캐너를 만든 개발자입니다. “이 점수는 어떻게 나온 건가요”라는 질문을 받을 때마다 길게 답하다가, 무엇을 세고 어떻게 세는지를 글로 정리해 두는 편이 낫겠다고 생각했습니다. 세는 규칙을 알면 숫자를 과하게 믿지도, 괜히 불안해하지도 않게 됩니다. 아래 내용에는 제 도구의 허술한 부분도 그대로 적었습니다. 아직 파일을 올려 보지 않았다면 샘플 리포트를 옆에 띄워 놓고 읽으시면 이해가 빠릅니다.

리포트는 어디에서 어떻게 만들어지나요?

대화 파일을 읽고 통계를 세는 일은 전부 브라우저 안에서 끝나고, 서버는 그 숫자만 받아 점수와 진단을 계산합니다. 대화 내용과 두 사람의 이름은 기기 밖으로 나가지 않습니다. 서버로 가는 통계에서 두 사람은 A와 B로만 구분되고, 서버가 돌려준 문장의 빈자리에 실제 이름을 채워 넣는 일도 브라우저가 합니다.

계산이 규칙으로만 이뤄지다 보니 결과는 파일을 올리고 거의 바로 나옵니다. 예전에는 AI의 응답을 기다리느라 수십 초가 걸렸는데, 지금은 그 대기가 없습니다.

파일에서 메시지를 어떻게 읽어 내나요?

모든 통계의 출발점은 “어떤 줄을 메시지 한 개로 볼 것인가”입니다. 속마음 스캐너는 파일을 한 줄씩 읽으면서 정해진 세 가지 모양에 맞는 줄을 새 메시지의 시작으로 받아들입니다. “2026년 9월 1일 오후 7:12, 이름 : 내용”, “2026. 9. 1. 오후 7:12, 이름 : 내용”, “[이름] [오후 7:12] 내용”이 그 세 가지입니다.

• 통계에서 빠지는 줄 — 내용이 정확히 “사진”(또는 “사진 3장”), “동영상”, “이모티콘” 한 단어뿐인 줄, 파일 전송, 삭제된 메시지, 입장·퇴장·초대 알림은 시스템 메시지로 분류해 셈에서 뺍니다. 샘플 대화 파일에는 줄이 165개 있지만 그중 하나가 “사진”이어서 리포트의 전체 메시지 수는 164개입니다.
• 여러 줄로 쓴 메시지 — 한 메시지 안에서 줄을 바꿔 썼다면 날짜와 이름이 없는 둘째 줄부터는 앞 메시지에 이어 붙여 하나의 메시지로 읽습니다. 그래서 줄바꿈을 많이 쓰는 사람의 긴 메시지도 글자 수가 전부 반영됩니다.
• 아주 긴 파일 — 글자 수가 30만 자를 넘으면 가장 최근 30만 자만 잘라서 읽습니다.
• 세 명 이상인 파일 — 메시지를 가장 많이 보낸 두 사람을 골라 그 둘의 메시지만 남기고 나머지 사람의 메시지는 버린 뒤, 모든 통계와 점수를 그 둘만으로 계산합니다.

이 단계에서 파일이 걸러지면 오류 창이 뜹니다. 어떤 오류가 어떤 조건에서 나오는지는 내보내기가 안 될 때 확인할 항목에 따로 정리했습니다.

답장 시간, 선톡, 대화의 마지막은 어떻게 세나요?

시간과 관련된 지표는 모두 메시지에 찍힌 시각의 차이로 계산합니다. 내보낸 파일의 시각은 분 단위까지만 있고, 읽은 시각은 아예 없습니다. 이 두 가지 제약이 아래 규칙 전부에 영향을 줍니다. 그리고 여러 규칙에 공통으로 쓰이는 기준이 하나 있습니다. 3시간 넘게 아무 말이 없으면 대화가 한 번 끝난 것으로 본다는 것입니다. 점심에 끊긴 대화를 저녁에 다시 여는 것은 새 대화로, 한 시간 뒤에 이어 답하는 것은 같은 대화로 보려는 의도로 제가 정한 값입니다.

대화 중 답장 간격

바로 앞 메시지를 보낸 사람이 상대이고 지금 메시지를 보낸 사람이 나일 때, 두 메시지 사이의 간격을 내 답장 한 건으로 칩니다. 다만 간격이 3시간 이하인 것만 답장으로 인정합니다. 3시간을 넘겼다면 느리게 답한 것으로 치지 않고 새 대화를 시작한 것으로 봅니다. 이렇게 모은 간격을 크기순으로 늘어놓았을 때 한가운데 오는 값, 즉 중간값이 그 사람의 대화 중 답장 간격입니다. 리포트 상단의 “대화 중 답장” 카드는 두 사람의 중간값을 평균해서 보여 주고, 샘플에서는 약 3분입니다. 답장 가운데 5분 안에 온 것의 비율도 사람별로 함께 셉니다.

중간값을 쓰는 까닭은 평균이 몇 건의 긴 공백에 크게 끌려가기 때문입니다. 속마음 스캐너는 예전 방식의 평균 답장 시간도 여전히 계산합니다. 24시간이 넘는 간격만 빼고 전부 평균하는 방식인데, 밤 11시에 받은 메시지에 다음 날 아침 8시에 답한 9시간까지 답장으로 들어갑니다. 그래서 대체로 몇 분 안에 답하는 사이인데도 평균은 수십 분으로 나오곤 했고, 샘플의 상단 카드도 예전에는 “평균 답장 41분”이었습니다. 같은 대화를 놓고 41분과 3분이라는 두 숫자가 나온다는 사실만 봐도, 답장 시간은 정의에 따라 얼마나 달라지는지 알 수 있습니다.

두 방식 모두 같은 분 안에 오간 답장은 0분으로 칩니다. 파일의 시각이 분 단위라서 몇 초 만에 한 답장과 50초 만에 한 답장을 구별할 수 없습니다. 답장 속도를 읽는 방법은 답장 속도보다 일관성을 보라는 글에서 더 자세히 다뤘습니다.

먼저 말 건 횟수와 대화의 마지막

직전 메시지로부터 3시간 이상 공백이 있은 뒤 처음 온 메시지를 새 대화의 시작으로 보고, 그 메시지를 보낸 사람의 선톡 횟수를 1 올립니다. 파일의 맨 첫 메시지도 선톡으로 셉니다. 샘플 대화에서는 지우 13회, 민준 14회로 거의 같습니다. 이 숫자는 답장 패턴 정밀 분석에 사람별로 “먼저 말 건 횟수” 칸으로 표시됩니다.

반대편 끝도 셉니다. 어떤 메시지 뒤로 3시간 넘게 아무 말이 없었다면 그 메시지가 그 대화의 마지막이고, 보낸 사람의 “대화의 마지막” 횟수가 1 올라갑니다. 파일 맨 끝 메시지는 아직 대화가 끝났는지 알 수 없으므로 세지 않습니다. 마지막 말이 늘 한 사람 쪽에서 끝난다는 것은, 그 사람의 말에 답이 오지 않은 채 대화가 닫히는 일이 잦다는 뜻일 수 있습니다. 물론 “잘 자”처럼 답이 필요 없는 인사로 끝난 경우도 똑같이 세어집니다. 선톡 비율이 관계에서 어떤 의미인지는 누가 더 좋아하는지를 지표로 볼 수 있는지 다룬 글을 참고하세요.

심야 메시지, 연속 메시지, 시간대, 앞·뒤 절반

• 심야 메시지는 밤 11시부터 새벽 2시 전까지 보낸 메시지의 개수이고, 답장 패턴 정밀 분석에 사람별 칸으로 표시됩니다.
• 연속 메시지는 같은 사람이 첫 메시지로부터 1분 이내에 세 개 이상을 잇달아 보낸 묶음의 개수입니다. 분 단위 시각으로 판단하므로 초 단위의 연타는 구별하지 못합니다.
• 24시간 활동 패턴은 이름과 달리 시간별 그래프가 아닙니다. 메시지를 새벽(0~6시), 오전(6~12시), 오후(12~18시), 저녁(18~24시) 네 구간으로 나눠 센 값을 선으로 이은 것입니다.
• 하루 평균 메시지의 분모는 달력상의 기간이 아닌, 메시지가 한 개라도 있었던 날의 수입니다. 일주일에 이틀만 대화하는 사이라면 그 이틀을 기준으로 평균이 나옵니다.
• 앞·뒤 절반의 메시지 수는 첫 메시지와 마지막 메시지의 정확히 중간 시점을 기준으로 그 앞과 뒤에 보낸 메시지를 사람별로 센 값입니다. 대화가 늘고 있는지 줄고 있는지를 보는 재료입니다. 샘플 리포트의 관계 균형 진단에 나오는 “뒤쪽 절반은 앞쪽보다 메시지가 31% 적습니다”라는 문장이 이 숫자에서 나왔습니다.

글자 수, 질문, 웃음, 말투는 어떻게 세나요?

내용에 관한 지표는 전부 글자를 기계적으로 세는 방식입니다. 문장의 뜻을 이해해서 판단하는 부분은 없습니다. 그래서 정의를 알고 보면 숫자가 훨씬 덜 신비롭게 느껴집니다.

질문 횟수는 이름과 달리 물음표의 개수입니다. “진짜??”는 2회로 세고, “오늘 뭐 했어”는 0회입니다. 물음표를 잘 안 쓰는 사람은 질문을 많이 해도 숫자가 낮게 나옵니다. 샘플에서는 지우의 물음표가 17개, 민준이 37개여서 균형 진단에 “질문의 69%가 민준님에게서” 나왔다는 문장이 붙습니다. 웃음 횟수는 덩어리 단위라서 “ㅋㅋ”와 “ㅋㅋㅋㅋㅋㅋㅋ”를 똑같이 한 번으로 칩니다. ㅋ의 길이에 따른 온도 차이는 ㅋㅋㅋ 개수의 의미를 다룬 글에서 이야기했지만, 그 차이를 제 도구가 측정해 주지는 않습니다.

약속 표현과 존댓말은 낱말의 모양만 보고 셉니다. “볼까”, “갈래”, “만나”처럼 제안에 흔히 쓰이는 형태를 골라 두었기 때문에 “그 영화 같이 볼까”는 약속을 꺼낸 메시지로 세고 “그 영화 봤는데 별로더라”는 세지 않습니다. 그래도 모양만 보는 방식이라 “어제 친구 만나서 늦게 잤어”처럼 약속과 무관한 문장이 함께 세어질 수 있습니다. 존댓말 비율도 메시지의 끝 어미만 보기 때문에 두 사람이 말을 놓았는지 정도를 대략 알려 줄 뿐입니다. 이모지는 한 개를 1로 세며 샘플에서는 지우가 12개, 민준이 5개입니다. 이모지·하트·애정 표현 단어·약속 메시지·존댓말 비율은 화면에 칸으로 따로 나오지 않고 서버로 가는 통계에만 들어갑니다.

점수는 어떤 여섯 가지 영역을 보나요?

서버는 위에서 센 숫자들을 여섯 가지 영역으로 묶어서 봅니다. 영역마다 높음·보통·낮음 가운데 하나와 한 줄 설명이 붙어 SECRET REPORT의 항목별 진단에 그대로 표시되고, 종합 애정 지수는 이 여섯 영역을 종합한 0~100 사이의 숫자입니다. 각 영역이 묻는 질문은 다음과 같습니다.

샘플 리포트는 종합 애정 지수 82에 “서로 호감이 분명한 사이”라는 라벨이 붙고, 다섯 영역이 높음, 최근 흐름 하나가 낮음으로 나옵니다. 3주 가운데 뒤쪽 절반의 대화량이 줄었다는 사실이 그대로 드러난 것입니다. 종합 점수가 높아도 어느 한 영역은 낮을 수 있으니, 숫자 하나보다 여섯 줄을 따로 읽는 편이 얻는 것이 많습니다.

대화 성향 유형과 관계 균형 진단

대화 성향 유형은 사람마다 하나씩 붙는 이름표입니다. 질문형, 공감형, 리드형, 장문형, 칼답형, 마이페이스형, 올빼미형, 표현형, 실행형, 안정형 등 열두 개 안팎의 유형 가운데 그 사람의 통계에서 가장 두드러진 특징에 해당하는 것이 선택됩니다. 샘플에서 지우는 “마음을 말로 하는 표현형”, 민준은 “약속을 만드는 실행형”입니다. 이름이 그럴듯해 보여도 근거는 위 표의 숫자들이 전부이고, 성격 검사가 아니라는 점은 기억해 두셔야 합니다. 같은 사람도 상대가 바뀌면 다른 유형이 나올 수 있습니다.

관계 균형 진단은 두 사람 사이에서 차이가 뚜렷한 지점을 최대 네 개까지 골라 문장으로 보여 줍니다. 누가 대화를 시작하는지, 질문이 누구에게서 나오는지, 말의 양, 대화의 마지막, 답장 속도, 말투, 최근 흐름 같은 것들이 후보입니다. 맞춤 조언은 사람별로 한 단락씩이며, 역시 미리 써 둔 문장 가운데 통계에 맞는 것이 선택됩니다. 예전 리포트에 있던 “상호 인식” 항목, 곧 두 사람이 서로를 어떻게 생각하는지 적던 부분은 없앴습니다. 대화 기록으로는 누가 무엇을 생각하는지 알 수 없는데 아는 것처럼 쓰고 있었기 때문입니다.

계산식과 배점은 왜 공개하지 않나요?

세는 규칙은 여기까지 전부 적었지만, 그 숫자들에 어떤 가중치를 주어 점수로 만드는지와 높음·보통·낮음을 가르는 기준은 공개하지 않습니다. 이유는 두 가지입니다.

• 점수를 꾸미기 쉬워집니다. 어떤 항목이 몇 점인지 알려지면 “이모지를 몇 개 더 넣으면 점수가 오른다”는 식의 요령이 생깁니다. 그렇게 올린 점수는 관계에 대해 아무것도 말해 주지 않고, 결과 화면을 공유하는 서비스에서는 숫자 자체의 의미가 흐려집니다.
• 가중치는 계속 조정할 값입니다. 지금의 배점은 제가 여러 대화 파일로 시험하며 정한 것이고 연구로 검증된 수치가 아닙니다. 어색한 결과가 보이면 고칠 생각이라, 글에 숫자를 박아 두면 얼마 지나지 않아 틀린 설명이 됩니다. 이 글의 예전 판에는 관심도 지수의 공식이 항목별 점수까지 적혀 있었는데, 같은 이유로 내렸습니다.

AI 코멘트는 무엇이고 점수와 어떤 관계인가요?

AI 코멘트는 리포트 맨 아래에 있는 선택 기능이고, 점수와 진단에는 아무 영향을 주지 않습니다. “AI 코멘트 받기” 버튼을 누르면 서버로 보냈던 것과 같은 숫자 통계가 API 모니터링 도구(Spanlens)를 거쳐 OpenAI의 gpt-4o-mini 모델로 전달되고, 모델이 그 숫자를 보고 쓴 서너 문장짜리 감상이 돌아옵니다. 버튼을 누르지 않으면 아무것도 OpenAI로 가지 않습니다. 눌렀을 때에도 대화 내용과 이름은 전송되지 않습니다.

언어 모델은 다음에 올 말을 확률적으로 고르기 때문에 같은 통계에도 누를 때마다 문장이 달라질 수 있습니다. 그리고 모델이 본 것은 숫자뿐이라 대화의 분위기나 맥락을 알고 쓴 글이 아닙니다. 규칙으로 만든 진단을 다른 말투로 한 번 더 요약해 주는 덤 정도로 보시면 됩니다. AI가 무엇을 할 수 있고 없는지는 대화 분석 결과를 어디까지 믿어도 되는지 다룬 글에 따로 적었습니다.

그래서 리포트의 숫자를 어떻게 읽으면 좋을까요?

센 숫자는 사실로, 점수와 진단은 그 사실을 제 기준으로 묶은 요약으로 읽는 것이 맞습니다. 센 숫자도 정의를 떠올리며 읽어야 합니다. 저라면 아래 순서로 봅니다.

1. 메시지 비율과 평균 글자 수부터 봅니다. 정의가 단순해서 오해할 여지가 가장 적습니다. 한쪽이 훨씬 많이, 훨씬 길게 쓰고 있다면 그 자체로 대화의 모양을 알려 줍니다.
2. 대화 중 답장은 “이야기할 때의 속도”로만 읽습니다. 몇 시간 뒤에 온 답은 이 숫자에 들어 있지 않습니다. 화면에는 두 사람을 합친 값이 나오니 한 사람의 태도로 읽지 않습니다.
3. 질문 횟수는 물음표 습관을 감안합니다. 상대가 물음표를 잘 안 쓰는 사람이라면 대화 원문에서 질문이 실제로 있었는지 직접 확인하는 편이 정확합니다.
4. 항목별 진단에서 낮음이 나온 줄을 봅니다. 종합 점수보다 쓸모가 큽니다. 어느 영역이 낮은지 알면 대화 원문에서 무엇을 다시 볼지가 정해집니다.
5. 종합 애정 지수는 대략의 위치로 받아들입니다. 같은 파일이면 숫자는 변하지 않지만, 몇 점 차이에 의미를 둘 만큼 정밀한 측정은 아닙니다.

대화 분석은 내가 느끼던 것을 숫자로 한 번 확인해 보는 도구입니다. 상대의 마음을 알려 주는 장치는 아닙니다. 리포트를 보고 궁금한 점이 생겼다면, 그것을 상대에게 직접 물어볼 질문으로 바꾸는 것이 가장 쓸모 있는 활용법이라고 생각합니다.