Trustpilot에는 비즈니스 127만 개에 걸쳐 활성 리뷰 3억 6,100만 건이 쌓여 있어요. 그런데 그 데이터를 빼내려고 만든 스크래퍼는 대부분 몇 달 전에 이미 망가졌어요. 최근에 리뷰를 가져오려다가, 악명 높은 10페이지 로그인 벽에 막혀 도구가 에러만 쏟아내는 경험을 했다면 — 충분히 그럴 만해요.
저는 지난 몇 주 동안 2026년에도 Trustpilot 리뷰 데이터를 안정적으로 빼낼 수 있는 도구들을 직접 써 보고, 조사하고, 비교했어요. 판이 꽤 달라졌더라고요. Trustpilot의 봇 방어는 한층 공격적으로 변했고, Next.js 프런트엔드는 배포할 때마다 클래스명이 바뀌어요. 그리고 가장 결정적인 건, 인증 없이 접근할 수 있는 범위가 이제 리뷰 10페이지에서 뚝 끊긴다는 거예요. 2025년 말 Reddit 스레드가 그 답답함을 그대로 보여줬어요. "스토어에 있는 액터가 하나도 안 먹힌다"는 거였죠.
그렇다면 실제로 굴러가는 도구는 뭘까요? 저는 로그인 벽 처리 방식, 봇 방어 대응, 유지보수 부담, 그리고 마케터와 개발자 양쪽의 실사용 요구를 기준으로 다섯 가지 도구를 평가했어요.
2026년에 Trustpilot 리뷰 스크래핑이 생각보다 더 까다로운 이유
Trustpilot은 단순한 정적 사이트가 아니에요. 그래서 기본 HTTP 요청을 던지고 BeautifulSoup로 파싱하는 식으로는 잘 안 통해요. Next.js 기반의 현대적인 동적 렌더링 플랫폼이고, 지난 1년 사이 방어 수위도 눈에 띄게 올라갔어요.
실제로 맞서야 하는 건 이런 것들이에요.
10페이지 로그인 벽. 이게 제일 큰 문제예요. Web Scraper의 2026년 3월 Trustpilot 가이드도 Trustpilot이 로그인 프롬프트를 띄우기 전까지 리뷰 페이지를 첫 10페이지만 열어 준다고 확인해요. 리뷰가 2,000개인 비즈니스라면(페이지당 20개 기준 약 100페이지), 인증 세션이 없으면 데이터의 90%를 놓치는 셈이에요.
봇 방어. Trustpilot은 reCAPTCHA, 세션 기반 차단, CDN 수준의 요청 필터링, 브라우저 핑거프린팅을 써요. 소개 페이지에서도 사이트가 reCAPTCHA로 보호되며, 기기 및 상호작용 신호를 수집한다고 밝혀요.
동적 CSS 클래스명. Trustpilot은 Next.js와 CSS 모듈을 쓰기 때문에 styles_reviewCardInner__EwDq2 같은 클래스명은 빌드 때 생성되고, Trustpilot이 업데이트를 배포할 때마다 바뀌어요. ScraperAPI의 자체 튜토리얼이 딱 이런 셀렉터에 기대요. 즉, 그 튜토리얼대로 짠 코드는 Trustpilot이 프런트엔드를 한 번만 바꿔도 깨져요.
DOM 구조 변화. 클래스명뿐 아니라 실제 HTML 계층도 바뀔 수 있어요. 요소가 중첩되는 방식이 달라지고, 새 래퍼가 끼어들고, 페이지네이션 컴포넌트 구조도 재편되죠.
Apify 액터든, Octoparse 워크플로든, 손수 짠 Python 스크립트든, CSS 셀렉터 기반 스크래퍼는 Trustpilot에서 구조적으로 취약해요. 될 때는 잘 되지만, 안 될 때는 갑자기 안 돼요. 그리고 그 "안 될 때"는 몇 달이 아니라 몇 주 단위로 찾아오곤 해요.
Trustpilot 리뷰 스크래퍼를 고를 때 본 기준
저는 이 도구들을 단순히 "웹페이지를 긁을 수 있나"로 보지 않았어요. 이 목록의 모든 도구는 단순한 HTML 페이지에서 데이터를 가져올 수 있거든요.
진짜 질문은 이거였어요. 2026년 Trustpilot 특유의 까다로운 조건을 제대로 감당하느냐.
가장 무게를 둔 항목은 이래요.
| 기준 | Trustpilot에서 중요한 이유 |
|---|---|
| 로그인 벽 처리(10페이지 이상) | 대부분의 비즈니스는 리뷰가 200개를 훨씬 넘습니다. 10페이지 제한이 있으면 과거 데이터의 대부분을 놓치게 됩니다. |
| 봇 방지 우회 방식 | reCAPTCHA, 세션 차단, CDN 필터링은 허술한 스크래퍼를 바로 막아버립니다. |
| 셀렉터 내구성 / 유지보수성 | 생성된 CSS 클래스는 셀렉터 기반 도구를 자주 깨뜨립니다. 도구가 스스로 복구하나요? |
| 페이지네이션 지원 | 리뷰는 수백 페이지에 걸쳐 있습니다. 수동으로 한 페이지씩 추출하는 방식은 현실적이지 않습니다. |
| 노코드 vs 코드 필요 여부 | 마케터는 클릭형 인터페이스를 원하고, 개발자는 완전한 제어를 원합니다. |
| 가격 / 무료 플랜 | 예산이 민감한 팀은 도입 전에 비용 구조가 명확해야 합니다. |
| 내보내기 옵션 | 비즈니스 사용자는 단순한 원시 JSON보다 Google Sheets, Airtable, Notion을 원합니다. |
승부는 로그인 벽에서 갈려요.
도구가 10페이지를 못 넘거나, 최소한 인증된 접근 경로를 분명히 주지 못한다면 2026년 Trustpilot 스크래퍼로는 실용성이 없어요.
한눈에 보는 Trustpilot 리뷰 스크래퍼
전체 비교표는 이래요.
| 도구 | 기술 수준 | 로그인 벽 처리 | 봇 방지 대응 | 페이지네이션 | 무료 플랜 | 내보내기 옵션 |
|---|---|---|---|---|---|---|
| Thunderbit | 노코드 | 브라우저 모드(로그인된 Chrome 세션 사용) | AI 의미 기반 추출이 레이아웃 변화에 적응 | 자동 감지, 다중 페이지 | 월 6페이지 무료 | Excel, Sheets, Airtable, Notion, CSV, JSON |
| Apify | 로우코드 | 액터별 상이, 일부는 10페이지 초과 시 쿠키 설정 필요 | 내장 프록시 회전, 액터별 상이 | 액터별 설정 가능 | 월 $5 플랫폼 크레딧 무료 | JSON, CSV, Excel, XML, RSS |
| Octoparse | 노코드(비주얼) | 수동 쿠키/세션 설정 필요 | IP 회전, 리저널 프록시, CAPTCHA 해결(유료) | 클릭/스크롤 워크플로 | 무료 플랜 + 14일 프리미엄 체험 | CSV, Excel, JSON, HTML, XML, 데이터베이스 |
| Web Scraper | 노코드(사이트맵) | 제한적 — 자체 가이드에서 10페이지 리뷰 제한을 문서화 | 유료 플랜에서 클라우드 + 프록시 | 설정 가능, JS 클릭 권장 | 무료 Chrome 확장 프로그램 | CSV, XLSX |
| ScraperAPI | 개발자용(Python) | 코드 수준의 세션/쿠키 관리 | 4천만 개+ 리저널 프록시, JS 렌더링, CAPTCHA 처리 | 코드 기반 | 7일 체험, API 크레딧 5,000개 | 개발자가 정의(예: CSV, JSON 등) |
1. Thunderbit
Thunderbit은 코드를 안 짜고도 웹사이트에서 구조화된 데이터를 얻어야 하는 비즈니스 팀을 위해 만든 AI 기반 Chrome 확장 프로그램이에요. Trustpilot용으로는 특히 전용 리뷰 스크래핑 템플릿이 있어서, 리뷰어 이름, 평점, 리뷰 제목, 리뷰 본문, 날짜, 비즈니스 응답을 클릭 두 번으로 뽑을 수 있어요.
제가 편파적일 수는 있어요. 여기서 일하니까요. 하지만 Thunderbit을 이렇게 만든 이유가 곧 Trustpilot 스크래핑이 왜 어려운지와 직결돼요. 저희 AI는 CSS 셀렉터에 기대지 않고 페이지를 의미적으로 읽어요. Trustpilot이 클래스명을 바꾸거나 DOM을 재구성해도, Thunderbit은 HTML의 정확한 주소가 아니라 페이지 요소의 의미를 찾기 때문에 적응할 수 있어요.
Trustpilot 스크래핑용 Thunderbit 사용해 보기
Thunderbit이 10페이지 로그인 벽을 처리하는 방법
여기서 브라우저 모드가 빛을 발해요. Thunderbit은 사용자가 이미 Trustpilot에 로그인해 둔 바로 그 Chrome 브라우저 안에서 작동해요. 브라우저 스크래핑 모드로 전환하면, 확장 프로그램이 인증 세션에서 보이는 페이지를 읽어요. 프록시 꼼수도, 쿠키 주입도, Playwright 세션 풀도 필요 없어요.
실제 흐름은 단순해요. Chrome에서 Trustpilot에 로그인한 뒤 원하는 리뷰 페이지로 가서, "AI Suggest Fields"를 누르고 "Scrape"를 누르면 돼요. 그다음 페이지네이션은 자동으로 진행돼요. 브라우저 세션이 닿을 수 있는 모든 페이지를 Thunderbit이 차례로 처리해요.
Trustpilot이 바뀌어도 Thunderbit이 안 깨지는 이유
저희 Trustpilot 템플릿 페이지가 이 차이를 그대로 보여줘요. 기존 스크래퍼는 레이아웃이 바뀌거나 CSS 셀렉터를 손봐야 하면 깨지지만, Thunderbit은 특정 CSS에 안 묶이고 콘텐츠를 이해하는 의미 기반 AI를 써요. 동적 콘텐츠를 처리하고 자동 페이지네이션도 관리하고요.
이건 styles_reviewCardInner__EwDq2 같은 클래스명으로 파싱하는 ScraperAPI 튜토리얼 코드와 정반대예요. 그 셀렉터는 Trustpilot이 다음 배포를 하면 깨질 가능성이 높아요. 반면 Thunderbit의 AI는 "이 페이지에서 리뷰 본문은 어디 있나요?"라고 묻지, "이 특정 div 클래스 안에는 뭐가 들었나요?"라고 묻지 않아요.
Trustpilot 스크래핑 핵심 기능
- AI Suggest Fields: 수동 설정 없이 리뷰 필드(이름, 평점, 날짜, 제목, 본문, 비즈니스 응답)를 자동 감지
- 클릭 두 번으로 끝나는 흐름: AI Suggest Fields → Scrape. 끝이에요.
- 로그인 필요 페이지용 브라우저 모드: 10페이지 이상 접근도 인증된 Chrome 세션 안에서 처리
- 자동 페이지네이션: 수동 개입 없이 다중 페이지 리뷰 세트를 처리
- 서브페이지 스크래핑: 개별 리뷰어 프로필을 방문해 보강 데이터 수집 가능
- 예약 스크래핑: 평판 추적용 주간 또는 월간 모니터링 설정 가능
- 내보내기: Google Sheets, Airtable, Notion, CSV, JSON — 모두 무료 포함
가격
- 무료 플랜: 월 6페이지, 신용카드 불필요
- 크레딧 기반: 1크레딧 = 출력 행 1개
- 유료 플랜: 가격 페이지 기준 월 약 $9부터
추천 대상: 코드를 안 건드리고 Trustpilot 리뷰가 필요한 마케팅 팀, 운영팀, 비즈니스 사용자. 그리고 몇 주마다 깨지는 스크래퍼를 직접 손보고 싶지 않은 분들.
2. Apify
Apify는 다른 사용자와 Apify 팀이 만들어 둔 스크래핑 템플릿, 즉 "액터(Actors)" 마켓플레이스를 갖춘 클라우드 기반 스크래핑 플랫폼이에요. Trustpilot의 경우 스토어에 여러 커뮤니티 유지보수 액터가 있고, 신뢰도는 제각각이에요.
Apify의 장단점은 분명해요. 강력할 수는 있지만 파편화돼 있어요. 어떤 액터는 잘 돌고, 어떤 건 더 이상 관리 안 되고, 어떤 건 10페이지 초과 접근에 쿠키가 필요해요. 그리고 Reddit의 "스토어에 있는 액터가 하나도 안 먹힌다"는 불만은 실제 상황을 그대로 비춰요. Trustpilot 변경이 액터별 로직을 얼마나 빨리 망가뜨리는지 보여 주는 사례죠.
Trustpilot 액터와 알려진 한계
Apify Store에는 Trustpilot 액터가 여럿 있어요. 그중 최소 하나(개발자 "burbn" 작성)는 10페이지를 넘으면 쿠키 입력이 필요하다고 밝혀요. 또 어떤 것들은 평점이 0.0이거나 사용자 수가 아주 적거나, 최근 수정일이 매우 가까워서 유지보수는 이어지지만 신뢰도는 들쭉날쭉하다는 신호를 줘요.
더 이상 안 쓰이는 액터들도 참고할 만해요. 어떤 오래된 액터는 Trustpilot 내장 __NEXT_DATA__ JSON을 직접 읽는 방식이었는데, DOM 파싱보다 빠른 영리한 접근이었지만 Trustpilot이 데이터 구조를 바꾸자 역시 깨졌어요.
로그인 벽과 봇 방어 처리
- 로그인 벽: 어떤 액터를 고르느냐에 전적으로 달렸어요. 어떤 건 10페이지 이상용 쿠키 주입을 지원하고, 어떤 건 안 해요.
- 봇 방어: Apify 플랫폼에는 프록시 회전과 컴퓨팅 유닛 기반 인프라가 들어 있어요. 리저널 프록시는 Free/Starter 플랜에서 GB당 $8이에요.
- 유지보수: 액터가 깨지면, 유지보수자가 고쳐 주길 기다리거나, 다른 액터로 갈아타거나, 맞춤형 비공개 액터를 따로 의뢰해야 해요.
가격
- 무료 플랜: 월 $5 선불 사용 크레딧, 신용카드 불필요
- Starter: 월 $9 + 사용량 과금
- Scale: 월 $99 + 사용량 과금
- 내보내기: JSON, CSV, Excel, XML, RSS(액터에 따라 다름)
추천 대상: 여러 액터를 비교하고, 쿠키를 설정하고, 문제가 생기면 직접 해결할 수 있는 기술 사용자. 한 번 설정해 두고 잊는 방식은 안 맞아요.
3. Octoparse
Octoparse는 시각적인 클릭형 워크플로 빌더를 갖춘 데스크톱 기반 노코드 스크래퍼예요. Thunderbit의 클릭 두 번 방식과 ScraperAPI의 완전한 개발자 제어 사이쯤에 있다고 보면 돼요. 코드 없이 시각적으로 설정할 수 있지만, 워크플로는 여전히 직접 짜고 직접 유지보수해야 해요.
Octoparse에서 Trustpilot 스크래핑 설정하기
흐름은 단순하지만 수동이에요.
- Trustpilot 비즈니스 리뷰 URL 붙여넣기
- 리뷰 요소(제목, 본문, 평점, 날짜, 리뷰어 이름)를 시각적으로 선택
- 다음 페이지 버튼으로 페이지네이션 루프 정의
- 대기 시간 설정(reCAPTCHA 회피용으로 2~5초 권장)
- 소규모 샘플은 로컬에서, 큰 작업은 클라우드에서 실행
도구에 익숙한 사람이라면 설정에 10~15분쯤 걸려요. 다만 Octoparse는 DOM 요소에 묶인 시각적 셀렉터를 쓰기 때문에, Trustpilot이 페이지 구조를 바꿀 때마다 워크플로를 손봐야 해요.
로그인 벽과 봇 방어 처리
- 로그인 벽: 수동 로그인/쿠키/세션 설정이 필요해요. 자동으로 처리되지 않아요.
- 봇 방어: 유료 플랜에는 IP 회전, 리저널 프록시($3/GB), 자동 CAPTCHA 해결(천 건당 $1~1.5)이 들어 있어요.
- 유지보수: 중간 수준이에요. Trustpilot이 프런트엔드를 바꾸면 워크플로를 다시 짜거나 조정해야 한다고 보면 돼요.
가격
- 무료 플랜: 영구 무료, 10개 작업, 1개 기기, 로컬 추출, 월 최대 50,000행
- Standard: 월 $69(연간 청구)
- Professional: 월 $149
- 14일 프리미엄 체험: 클라우드 추출, 예약 실행, API, 템플릿 포함
- 내보내기: Excel, CSV, JSON, HTML, XML; 상위 요금제에서는 데이터베이스와 Google Sheets 지원
추천 대상: 시각적인 워크플로 제어를 원하고, 초기 설정 시간을 감수할 수 있으며, 페이지가 바뀌면 워크플로를 유지보수할 수 있는 분들. 클릭 두 번 도구보다 더 많은 커스터마이징이 필요하지만 Python을 직접 짜는 것보다는 가벼운 환경을 원하는 팀에 좋아요.
4. Web Scraper
Web Scraper는 사이트맵 기반 방식을 쓰는 Chrome 확장 프로그램이자 클라우드 플랫폼이에요. Trustpilot에서 가장 강한 카드는 미리 만들어진 비즈니스 페이지 템플릿인데, 비즈니스 이름, 카테고리, 주소, 평점, 리뷰 수, TrustScore, 웹사이트 URL 같은 회사 단위 데이터를 뽑아요.
리뷰 스크래핑만 놓고 보면, Web Scraper에는 꼭 짚고 가야 할 제한이 있어요.
미리 만든 템플릿 vs 맞춤 설정
마켓플레이스 템플릿은 회사 탐색에 잘 맞아요. Trustpilot 카테고리 전반에서 비즈니스 프로필을 긁는 용도죠. 맞춤형 리뷰 추출은 Chrome 확장 프로그램 안의 Sitemap Wizard로 시각적으로 스크래퍼를 만들 수 있어요.
Web Scraper의 2026년 3월 가이드는 Trustpilot이 페이지 간 콘텐츠를 동적으로 재정렬할 수 있어 결과가 밀리는 문제를 막기 위해, URL 기반 페이지네이션보다 JavaScript 클릭 페이지네이션을 권해요.
로그인 벽과 봇 방어 처리
여기서는 솔직해야 해요. Web Scraper 공식 가이드는 Trustpilot이 로그인 프롬프트를 띄우기 전에 리뷰 페이지를 첫 10페이지만 허용한다고 분명히 적어 둬요. 이 가이드는 우회법을 제시하기보다 이 제한을 알려 주는 데서 멈춰요.
- 로그인 벽: 제한적 처리. 10페이지 리뷰 제한이 자체 가이드에 문서화돼 있어요.
- 봇 방어: 클라우드 플랜에는 프록시 지원이 포함되고, 가이드에서는 2~5초 지연과 낮은 동시성 사용을 권해요.
- 페이지네이션: 설정은 되지만, 비인증 접근에서는 실제로 첫 10페이지로 제한돼요.
가격
- 무료 Chrome 확장 프로그램: 로컬 스크래핑, 기능 제한
- Project: 월 $50(5,000 URL 크레딧)
- Professional: 월 $100(20,000 URL 크레딧)
- Scale: 월 $200부터(조건부 무제한 URL 크레딧)
- 유료 클라우드 플랜 7일 무료 체험
- 내보내기: CSV, XLSX
추천 대상: Trustpilot 회사 프로필 스크래핑용 준비된 템플릿이 필요한 분들, 또는 첫 10페이지 리뷰만 있으면 되는 분들. 리뷰가 아주 많은 비즈니스의 전체 리뷰 기록이 필요하다면 안 맞아요.
5. ScraperAPI
ScraperAPI는 개발자를 위한 스크래핑 인프라예요. 클릭형 도구가 아니라, 파싱 로직을 짜는 동안 봇 방어 대응을 대신 처리해 주는 프록시/렌더링 계층이에요. Trustpilot 솔루션 페이지에서는 JS 렌더링, CAPTCHA 처리, 4천만 개 이상의 프록시를 내세워요.
Python 개발자로서 추출 로직을 완전히 쥐고 가고 싶다면, ScraperAPI가 필요한 기반 인프라를 줘요.
대신 유지보수도 전부 본인 몫이에요.
ScraperAPI로 맞춤형 Trustpilot 스크래퍼 만들기
ScraperAPI의 2026년 1월 튜토리얼은 Python + BeautifulSoup 흐름을 보여줘요.
import requests
from bs4 import BeautifulSoup
payload = {
"api_key": "YOUR_API_KEY",
"url": "https://www.trustpilot.com/review/example.com",
"render": "true",
"keep_headers": "true",
}
html = requests.get("https://api.scraperapi.com", params=payload).text
soup = BeautifulSoup(html, "html.parser")
튜토리얼 완성 코드에는 pages_to_scrape = 10이 설정돼 있어서, 사실상 공개 페이지 한계를 인정하고 있어요. 10페이지 이상은 개발자가 인증 세션, 쿠키, 토큰을 직접 관리해야 해요.
로그인 벽과 봇 방어 처리
- 로그인 벽: 코드 수준의 세션/쿠키 관리가 필요해요. ScraperAPI는 프록시와 렌더링을 처리하고, 인증 로직은 본인이 맡아요.
- 봇 방어: 자동 IP 회전이 되는 리저널 프록시 풀,
render=true를 통한 JS 렌더링, 스마트 프록시 회전을 통한 CAPTCHA 처리를 줘요. 모든 플랜에서 쓸 수 있어요. - 유지보수: Trustpilot이 클래스명을 바꿀 때마다(자주 그래요) 파싱 코드를 손봐야 해요. 튜토리얼의
styles_reviewCardInner__EwDq2셀렉터는 이미 카운트다운이 시작된 상태예요.
가격
- 7일 체험: API 크레딧 5,000개 무료, 신용카드 불필요
- Hobby: 월 $49(API 크레딧 100,000개)
- Startup: 월 $149(크레딧 1,000,000개)
- Business: 월 $299(크레딧 3,000,000개)
- 내보내기: 코드가 만들어 내는 모든 것(보통 CSV, JSON, 데이터베이스 기록)
추천 대상: 완전한 커스터마이징을 원하고, 자체 파싱 스크립트를 유지보수할 수 있으며, 세션 관리·페이지네이션 로직·데이터 구조를 프로그래밍으로 제어해야 하는 개발자. 비기술 사용자에게는 안 맞아요.
Trustpilot 스크래퍼가 자꾸 깨지는 이유와, 안 깨지는 도구 고르는 법
이건 Trustpilot 스크래퍼를 고를 때 가장 과소평가되는 요소예요. 질문은 "이 도구가 오늘 작동하나?"가 아니에요. "이 도구가 3주 뒤에도 작동할까?"가 핵심이에요.
Trustpilot에서 스크래퍼가 깨지는 이유는 크게 네 가지예요.
-
생성된 CSS 클래스 변경. Next.js CSS 모듈은
styles_reviewCardInner__EwDq2같은 클래스명을 만들어요. 이 이름들은 프런트엔드가 배포될 때마다 바뀌고요. 이런 클래스를 노린 스크래퍼는 죄다 깨져요. -
DOM 구조 변화. Trustpilot은 HTML 계층 구조를 다시 짤 수 있어요. 리뷰 카드의 중첩 방식이 바뀌고, 래퍼 요소가 달라지고, 메타데이터 위치도 옮겨가요.
-
봇 방어 트리거 변화. reCAPTCHA 기준선이 바뀌고, 세션 토큰 회전이 더 공격적으로 되며, CDN 필터링 규칙도 갱신돼요.
-
인증/세션 변화. 10페이지 로그인 벽은 2025년 말에 도입됐거나 더 빡빡하게 적용되기 시작했어요. 앞으로도 언제든 추가 접근 제한이 생길 수 있고요.
근본적인 아키텍처 차이는 셀렉터 기반 추출과 의미 기반 추출의 차이예요.
-
셀렉터 기반 도구(Apify 액터, Octoparse 워크플로, ScraperAPI 스크립트, Web Scraper 사이트맵)는 "이 정확한 CSS 경로에 있는 요소를 찾아라"라고 물어요. 경로가 바뀌면 조용히 실패하거나 빈 데이터를 돌려줘요.
-
의미/AI 기반 도구(Thunderbit)는 "이 페이지에서 리뷰 본문, 평점, 날짜를 찾아라"라고 물어요. AI는 페이지 콘텐츠를 주소가 아니라 의미로 해석해요. 레이아웃이 바뀌어도 의미는 안 바뀌니까 깨지지 않고요.
제 추천은 이래요.
- 유지보수는 도저히 못 하겠다? → AI 기반(Thunderbit)
- 유지보수는 조금 가능하고, 클라우드 자동화가 필요하다? → Apify(액터 선택과 모니터링 포함)
- 시각적 제어와 적당한 유지보수가 좋다? → Octoparse
- 템플릿 기반이고 범위가 제한적이면 충분하다? → Web Scraper
- 완전한 제어와 전부 직접 관리가 필요하다? → ScraperAPI
긁어낸 Trustpilot 리뷰를 어떻게 활용할까
리뷰를 뽑아내는 건 첫 단계일 뿐이에요. 포럼에서 제가 자주 보는 질문이 "데이터는 얻었는데, 이제 뭘 해야 하죠?"예요.
감성 분석
가장 단순한 흐름은 리뷰를 Google Sheets로 내보낸 뒤, AI 도구(ChatGPT, Claude, 또는 Sheets의 AI 함수)로 각 리뷰를 긍정, 중립, 부정으로 분류하는 거예요. 여기에 불만 유형, 긴급도, 권장 조치 우선순위 열을 더할 수 있고요.
데이터셋이 더 크다면 CSV를 ChatGPT에 올리고 요약을 부탁하세요. 예: "이 리뷰들을 감성별로 분류하고, 대표 인용문과 함께 상위 5개 불만 주제를 찾아줘."
경쟁사 모니터링
Thunderbit 예약 스크래핑으로 경쟁사 리뷰를 주간 또는 월간 단위로 가져오세요. 다음 항목을 추적하면 돼요.
- 시간에 따른 평균 평점 추세
- 1점 및 2점 리뷰 비중
- 리뷰 수 변화(늘고 있나요, 줄고 있나요?)
- 가장 흔한 불만 주제
- 비즈니스 응답률과 응답 속도
평점과 날짜 기준 피벗 테이블이 있는 간단한 Google Sheets 대시보드만 있어도, 자동으로 갱신되는 경쟁 인텔리전스 피드를 만들 수 있어요.
주제 추출
리뷰를 이런 공통 범주로 묶을 수 있어요. 배송/배달, 고객 지원, 환불, 제품 품질, 청구, 앱 사용성, 가격/가치, 사기 우려. 결과물은 주제, 개수, 평균 평점, 대표 인용문, 권장 비즈니스 조치를 보여 주는 표여야 하고요.
이건 워드 클라우드보다 훨씬 쓸모 있어요. 실제로 무엇이 만족이나 불만을 만드는지 알려 주니까요.
여러 비즈니스를 한 번에 분석하기
카테고리 수준 리서치라면, 같은 Trustpilot 카테고리 안의 여러 비즈니스 리뷰를 긁으세요. 전체 시장 세그먼트 전반에서 리뷰 수, 평점, 별점 분포, 주제별 비중을 비교할 수 있어요. Web Scraper의 비즈니스 목록 템플릿은 기업을 찾아내는 데 좋고, 각 비즈니스의 리뷰 수준 샘플링은 Thunderbit이나 ScraperAPI가 맡을 수 있어요.
Trustpilot 스크래핑의 법적·윤리적 고려 사항
저는 변호사가 아니고, 이건 법률 자문이 아니에요. 하지만 컴플라이언스 현실은 중요해요.
Trustpilot 이용약관은 명확해요. 명시적 허가 없이 Trustpilot이 제공하거나 특별히 승인한 방식 외의 수단으로 콘텐츠에 접근하거나 수집하는 걸 금지하며, 텍스트 마이닝, 데이터 마이닝, 웹 스크래핑도 명시적으로 언급해요.
위험도 스펙트럼은 대략 이래요.
- 낮은 위험: 자체 회사 리뷰를 내부 분석용으로 내보내는 경우, 특히 Trustpilot 공식 비즈니스 도구나 API를 쓰는 경우
- 중간 위험: 시장 조사를 위해 경쟁사 공개 페이지를 저용량으로 긁는 경우. 그래도 약관과 개인정보 의무의 적용을 받아요.
- 높은 위험: 인증 벽 뒤의 10페이지 이상 콘텐츠를 긁거나, 기술적 통제를 우회하거나, 리뷰어 데이터를 재배포하거나, 긁은 리뷰를 AI 모델 학습에 쓰는 경우
개인정보보호법(PIPA)·GDPR 고려 사항: 리뷰어 이름, 프로필 링크, 리뷰 본문, 위치 데이터는 개인정보 보호법상 개인정보가 될 수 있어요. 실무적 안전장치로는 필요한 필드만 수집하기, 내부 분석용으로 리뷰어 이름 해시 처리하기, 데이터 보존 기간 정하기, 원문 리뷰를 대량으로 재게시하지 않기가 있어요.
공개 데이터 vs 인증 데이터: 누구나 볼 수 있는 페이지(첫 10개 리뷰 페이지)를 긁는 것과 인증 벽 뒤의 데이터를 긁는 것 사이에는 법적·윤리적으로 분명한 차이가 있어요. 공개 데이터만 쓰는 도구가 로그인 자격 증명이 필요한 도구보다 컴플라이언스 위험이 낮아요.
이 점은 도구 선택에서 꼭 따져야 해요. Thunderbit 브라우저 모드는 사용자 세션에서 보이는 페이지를 쓰며, 인증을 독자적으로 우회하지 않아요. ScraperAPI는 개발자에게 완전한 제어를 주는 대신, 세션 관리의 적법성까지 전부 본인이 책임져야 해요.
올바른 Trustpilot 리뷰 스크래퍼 고르는 법
페르소나별 의사결정 기준은 이래요.
- 코드 없이 리뷰가 필요한 비기술 마케터? → Thunderbit. 클릭 두 번이면 끝나고, 나머지는 AI가 처리하며, Sheets/Notion/Airtable로 내보낼 수 있어요.
- 설정과 디버깅에 익숙한 로우코드 사용자? → Apify. 액터를 고르고, 10페이지 이상용 쿠키를 설정하고, 깨짐 여부를 모니터링하세요.
- 워크플로 제어를 원하는 비주얼 빌더 사용자? → Octoparse. 클릭형 설정이 되지만, Trustpilot이 바뀌면 유지보수가 필요해요.
- 회사 수준 데이터나 첫 10페이지 리뷰만 필요? → Web Scraper. 비즈니스 프로필용 미리 만든 템플릿이 강해요.
- 완전한 커스터마이징이 필요한 개발자? → ScraperAPI. 파싱 로직, 세션 관리, 데이터 파이프라인을 직접 관리하세요.
유지보수 부담이 가장 중요하다면, 스펙트럼은 Thunderbit(거의 유지보수 없음)에서 ScraperAPI(전부 직접 유지보수)까지 이어져요. 예산 면에서는 이 목록의 모든 도구에 무료 출발점이 있으니, 도입 전에 먼저 그것부터 써 보세요.
결론
Trustpilot 리뷰 데이터는 경쟁 인텔리전스, 평판 모니터링, 고객 인사이트 면에서 정말 값져요.
하지만 2026년에 이를 안정적으로 빼내려면 10페이지 로그인 벽을 처리하고, DOM 변화에 적응하고, 봇 방어를 별도 수작업 없이 관리할 수 있는 도구가 필요해요.
대부분의 비즈니스 사용자에게 Thunderbit이 가장 수월한 선택이에요. 클릭 두 번, AI 기반 필드 감지, 인증 페이지를 위한 브라우저 모드, 그리고 Trustpilot 프런트엔드가 바뀌어도 손볼 일이 거의 없어요. 월 6페이지까지, 신용카드 없이 무료로 써 볼 수 있어요.
완전한 제어가 필요한 개발자라면 ScraperAPI가 인프라를 줘요. 그 사이의 사용자라면 Apify, Octoparse, Web Scraper가 각자의 틈새를 채워 주고요. 핵심은 자신의 기술 수준, 유지보수 허용 범위, 컴플라이언스 요구에 맞는 도구를 고르는 거예요.
Thunderbit이 Trustpilot을 어떻게 다루는지 직접 보고 싶다면, YouTube 채널에 안내 영상이 있어요. 그리고 코딩 없이 하는 웹 스크래핑이나 웹 스크래핑이 실제로 무엇인지에 대한 더 넓은 맥락이 필요하다면, 그 가이드들이 기본기를 잘 정리해 줘요.
자주 묻는 질문
1. Trustpilot 리뷰를 10페이지 이후까지 스크래핑할 수 있나요?
네, 다만 인증된 경로를 써야 해요. Trustpilot은 첫 10개 리뷰 페이지 이후 비인증 접근을 막아요. Thunderbit 브라우저 모드는 로그인된 Chrome 세션 안에서 작동하니까, 사용자가 볼 수 있는 페이지에 접근할 수 있어요. ScraperAPI는 코드 수준의 세션/쿠키 관리가 필요하고요. Apify 액터는 쿠키 설정이 필요하고, Octoparse는 수동 로그인/쿠키 설정이 필요해요. Web Scraper 공식 문서도 10페이지 제한을 인정하지만 내장 우회법은 안 줘요.
2. Trustpilot 리뷰를 스크래핑하는 건 합법인가요?
Trustpilot 이용약관은 명시적 허가 없는 자동화된 데이터 수집을 금지해요. 법적 위험은 방식과 사용 사례에 따라 달라지고요. 자신의 공개 리뷰를 긁는 건 경쟁사 페이지를 인증 벽 우회로 가져오는 것보다 위험이 낮아요. EU 리뷰어 데이터에는 GDPR이 적용되고요. 이건 법률 자문이 아니니, 대규모나 상업적 스크래핑 프로젝트라면 법률 전문가와 상의하세요.
3. Trustpilot에서 어떤 데이터를 추출할 수 있나요?
흔히 뽑을 수 있는 필드는 이래요. 리뷰어 이름, 별점, 리뷰 제목, 리뷰 본문, 작성 날짜, 체험 날짜, 인증 구매 여부, 리뷰어 위치, 비즈니스 응답 텍스트, 회사명, TrustScore, 총 리뷰 수, 별점 분포, 리뷰 URL.
4. Trustpilot 스크래퍼는 얼마나 자주 깨지나요?
셀렉터 기반 도구(Apify 액터, Octoparse 워크플로, 맞춤형 Python 스크립트)는 Trustpilot이 CSS 클래스나 DOM 구조를 바꿀 때마다 깨질 수 있고, 한 달에 여러 번 그럴 수도 있어요. Thunderbit 같은 AI 의미 기반 도구는 특정 셀렉터가 아니라 페이지의 의미를 해석하기 때문에 알아서 적응해요. 다만 어떤 도구도 10페이지 로그인 벽 같은 큰 접근 제어 변화에는 완전히 면역이 아니에요.
5. Trustpilot 리뷰를 무료로 스크래핑할 수 있나요?
이 목록의 모든 도구에 무료 출발점이 있어요. Thunderbit은 월 6페이지 무료, ScraperAPI는 7일 동안 5,000개 체험 크레딧, Web Scraper는 로컬 사용용 무료 Chrome 확장 프로그램, Octoparse는 영구 무료 플랜(10개 작업, 월 50,000행), Apify는 월 $5의 무료 플랫폼 크레딧을 줘요. 소규모 샘플링이나 테스트라면 어떤 도구든 결제 없이 쓸 수 있어요.
Trustpilot 리뷰 스크래핑용 Thunderbit 사용해 보기 Get Started Free
더 알아보기
