본 논문은 모바일 앱 시장의 급성장에 따라 사용자 피드백 기반의 앱 기능 개선의 중요성을 강조하며, 기존 자동화된 접근 방식의 한계(경쟁 앱과의 비교 분석 부재, 기능 개선 제안 미흡)를 극복하기 위해 대규모 언어 모델(LLM) 기반의 경쟁적 사용자 리뷰 분석을 위한 기능 개선(LLM-Cure) 접근 방식을 제안합니다. LLM-Cure는 LLM을 활용하여 사용자 리뷰에서 기능을 식별 및 분류하고, 부정적 리뷰에 대해 경쟁 앱의 고평점 리뷰를 참고하여 타겟 앱의 기능 개선 방안을 제시합니다. 70개의 인기 안드로이드 앱, 1,056,739개의 리뷰를 대상으로 한 실험 결과, LLM-Cure는 기존 방식보다 기능 분류 정확도(F1-score, recall, precision)를 최대 13%, 16%, 11%까지 향상시켰으며, 제시된 개선 제안의 73%가 실제 앱 업데이트에 반영된 것을 확인했습니다.
