제품 리뷰, 호텔 피드백, 소셜 게시물 등 의견이 담긴 텍스트는 사용자 경험, 선호도 및 우려 사항에 대한 풍부한 신호를 포착합니다. 하지만 이러한 코퍼스의 규모, 중복성, 불균형성은 특히 표현된 관점의 다양성에 충실한 요약을 생성하는 것이 목표일 때, 의견을 효과적으로 분석하기 어렵게 만듭니다. 본 논문은 LLM 기반 의견 요약에서 의미를 보존하면서 토큰 사용량을 최소화하는 프레임워크를 제시합니다. 우리는 다차원 분류(예: 감성, 주제)와 계층적 샘플링 전략의 조합을 활용하여, LLM에 프롬프팅하기 전에 간결하면서도 대표적인 의견 하위 집합을 선택합니다. 이후 맞춤형 프롬프트는 의견에서 표현된 주요 측면(예: 제품/호텔의 강점과 약점)을 드러내는 균형 잡힌 요약을 생성합니다. Amazon 제품 리뷰, Tripadvisor 호텔 리뷰, X/Twitter 게시물에 대한 실험은 우리의 방법이 콘텐츠 커버리지, 균형, 의미 보존 측면에서 기존 AI 기반 및 표준 LLM 요약 베이스라인보다 일관되게 우수하면서도 토큰 사용량과 계산 비용을 크게 줄인다는 것을 입증합니다.