E05. 결합: 비 오면 무드등이 잘 팔릴까?
데이터로 본 기상 변수와 매출의 상관관계
이전[E04] 보기
이 이야기는 실제 온라인 커머스 현장에서 수많은 스타트업 대표들이 겪는 '숫자의 함정'을 바탕으로 재구성되었습니다.
제1장: 통유리창 너머로 비가 내리는 박 선배의 사무실
창밖에는 아침부터 계속 굵은 빗줄기가 쏟아지고 있습니다. 김 대표는 태블릿 PC를 들여다보며 연신 고개를 갸웃거립니다.
김 대표가 한 손에 따뜻한 아메리카노를 들고, 박 선배 앞으로 다가갑니다.
박 선배와 김대표, AI생성이미지
김 대표: "선배, 오늘 비가 와서 그런지 멜랑꼴리 하네요.”
“아참, 이상한 게 하나 있어요. 오늘 오전 주문 내역을 보니까, 유독 '무드등' 시리즈가 평소보다 2배는 더 잘 나가고 있거든요? 이거 그냥... 비 오는 날이라 사람들이 감성적으로 변해서 그런 기분 탓일까요?"
박 선배: (안경을 고쳐 쓰며 허허 웃는다) "기분 탓인지 아닌지, 그걸 구분하는 게 바로 '데이터 경영'의 시작이지. 김 대표, 자네는 지금 방금 아주 훌륭한 '가설'을 세운 거야."
김 대표: "가설요? 그냥 제 느낌인데요?"
박 선배: "원래 모든 분석은 느낌에서 시작해. '비가 오면 무드등이 잘 팔릴 것이다'라는 가설. 하지만 감에만 의존하면 마케팅 비용을 낭비하게 돼.”
“자, 컴퓨터에서 엑셀을 열어봐. 오늘 제대로 된 '기상 마케팅' 시나리오 하나 만들어 보자고."
제2장: 내부 데이터와 외부 데이터의 만남
박 선배는 김 대표의 모니터 화면을 가리키며 설명을 이어갑니다.
공공데이터 활용의 중요성 설명, AI생성이미지박 선배: "자네 쇼핑몰의 최근 3개월치 일별 매출 데이터 있지? 그걸 먼저 준비해. 그리고 지금 바로 '공공데이터포털(data.go.kr)'에 접속해 봐."
김 대표: "공공데이터포털요? 거기서 뭘 받나요?"
박 선배: "기상청에서 제공하는 '종관기상관측(ASOS)' 데이터야, 지역의 일별 강수량, 습도, 일조시간 데이터를 엑셀로 내려받을 수 있어. 이걸 자네 매출 데이터 옆에 일자별로 붙여보는 거지." (설명_기상 현상을 총괄적으로 파악하기 위해 정해진 시각에 모든 관측소에서 동시에 실시하는 관측을 의미함)
김 대표: (마우스를 을 바쁘게 움직이며) "오, 정말 있네요? 날짜별로 강수량이 밀리미터 단위까지 다 나와요. 그럼 이걸 매출이랑 어떻게 일일이 매칭하죠?"
박 선배: "날짜를 기준으로 두 테이블을 합치는 거야. 엑셀 VLOOKUP 함수를 사용하면 편해. 그럼 '강수량 10mm 이상인 날'과 '맑은 날'의 무드등 평균 판매량을 바로 비교해 볼 수 있겠지?"
제3장: 상관관계의 발견
잠시 후, 김 대표의 눈이 휘둥그레집니다.
김 대표: "단순히 기분 탓이라고 생각했던 현상이 숫자로 증명되니 소름이 돋네요. 데이터를 분석해 보니 지난달 사흘간 강수 이벤트가 있었을 때, 무드등 카테고리의 전환율이 평시 대비 45%나 급등했어요. 기상 변수가 실제 구매 의사결정에 이 정도로 지배적인 영향을 미칠 줄은 몰랐습니다."
박 선배: "그게 바로 '데이터 레이크(Data Lake)'를 확장해야 하는 이유야. 내부의 매출 지표만 들여다보는 건 거울 속의 자신과 대화하는 것과 다를 바 없어. 하지만 기상청의 종관기상관측(ASOS) 같은 외부 환경 변수를 우리 데이터셋과 결합(Join)하는 순간, 단순한 '현상'은 명확한 '인과관계'로 탈바꿈하게 되거든. 결국 데이터 경영이란, 통제 불가능한 변수를 읽어내어 통제 가능한 전략으로 전환하는 과정이야."
제4장: 데이터로 짜는 '기상 마케팅' 시나리오
김 대표: "원인을 알았으니 이제 뭘 해야 할까요? 그냥 비 올 때까지 기다리면 되나요?"
박 선배: "아니지! 이제 시나리오를 짜야지. 기상청 예보를 미리 체크해서 비 올 확률이 70% 이상인 날엔 어떤 액션을 취할지 정해두는 거야."
박 선배의 기상 마케팅 제안:
1. 타기팅 광고: 비 오기 전날 저녁, '비 오는 날 집 안 분위기를 바꿔줄 무드등' 테마로 푸시 알림 발송.
2. 재고 관리: 강수 예보에 맞춰 무드등 재고를 전방 배치하고, 배송 준비 인력을 미리 세팅.
3. 세트 상품 구성: 무드등과 함께 '비 소리 들으며 마시기 좋은 티(Tea) 세트'를 묶어서 판매.
데이터로 만드는 전략 설명, AI생성이미지김 대표: "오... 단순히 '운 좋게 많이 팔았다'가 아니라, '비가 올 것을 알고 미리 매출을 설계한다'는 느낌이네요!"
제5장: 습도와 불쾌지수, 그 너머의 데이터
박 선배: "비단 비뿐만이 아니야. 여름철 '습도'가 높을 때는 제습제나 에어컨 필터 마케팅을 하고, 미세먼지 농도가 '나쁨'일 때는 공기정화 식물이나 마스크 노출을 늘리는 식이지. 공공데이터에는 자네 사업에 도움 될 보물 같은 외부 지표가 널려 있어."
김 대표: "세상에... 저는 지금까지 매출 데이터 숫자만 들여다보고 있었어요. 세상이 어떻게 돌아가는지(외부 데이터)와 우리 내부 숫자를 맞물려 생각하니 시야가 확 넓어지는 기분이에요."
제6장: 데이터의 입체화: '언제'를 넘어 '어디의, 누구에게'
박 선배는 커피를 한 모금 마시더니 화이트보드에 큰 원 두 개를 그렸습니다. 하나에는 '날씨', 다른 하나에는 '사람'이라고 적었습니다.
데이터의 입체와 설명, AI생성이미지박 선배: "김 대표, 기후 데이터가 '언제' 팔릴지를 알려주는 신호등이라면, 이제는 그 물건을 '누구에게, 어디에' 팔아야 할지 정밀 타격할 차례야. 그때 필요한 게 바로 KOSIS에서 제공하는 인구 및 지역 특성 데이 터지."
김 대표: "날씨만으로도 머리가 복잡한데, 인구 통계까지요? 너무 거창해지는 거 아닌가요?"
박 선배: "전혀~. 자네 쇼핑몰 데이터에서 무드등 주문지의 주소를 한번 확인해 봐. 아마 특정 지역에 몰려 있을걸? 자, 이 화면 좀 봐봐."
박 선배가 노트북을 돌려 국가통계포털(KOSIS)의 행정구역별 점유 자료를 보여주었습니다.
박 선배: "여기 보면 지역별 연령대와 1인 가구 비중이 나오지? 만약 자네 무드등이 유독 대학가나 오피스텔 밀집 지역에서 주문이 많다면 그건 뭘 의미할까?"
김 대표: "음... 혼자 사는 사람들이 자기 방 분위기를 바꾸려고 사는 걸까요?"
제7장: 데이터가 가리키는 정밀 타격 지점
박 선배: "정답이야! 기후 데이터로 '비 오는 날'이라는 타이밍을 잡았다면, 인구 데이터로는 '1인 가구 밀집 지역'이라는 장소를 잡는 거지. 이게 바로 데이터 경영의 입체 분석이야."
박 선배의 '지역 맞춤형' 타기팅 제안:
1. 타기팅 광고의 고도화: 단순히 '비 오는 날' 전체 광고를 뿌리는 게 아니라, 1인가구 비중이 높은 관악구, 마포구, 강남구 지역의 2030 세대에게만 집중적으로 광고를 노출함.
2. 상품 큐레이션: 좁은 공간에서도 효율적인 '나만의 홈카페 무드등 세트' 혹은 '원룸용 미니 제습기 패키지'를 기획하여 해당 지역 고객의 페인 포인트(Pain Point)를 공략함.
3. 물류 최적화: 특정 지역의 주문 비중이 압도적이라면, 그 지역 근처 물류 센터에 재고를 미리 확보해 배송 속도를 높임.
입체적 전략 설명, AI생성이미지김 대표: "와... '비가 오니까 무드등을 판다'는 평면적인 생각이, '어디 사는 누구에게 어떤 구성을 판다'는 입체적인 전략으로 바뀌네요. 데이터가 정말 보물지도 같아요."
제8장: 창문을 여는 경영
비는 어느덧 잦아들었지만, 김 대표의 모니터 속 숫자들은 그 어느 때보다 역동적으로 움직이고 있었습니다.
박 선배: "내부 데이터인 매출액만 보는 건 집 안 거울만 보는 거야. 하지만 기상 데이터나 인구 통계 같은 외부 데이터를 결합하는 건 창문을 열고 시장의 흐름을 보는 것이지. 자, 이제 창밖을 봐. 다음 주 예보는 어때?"
김 대표는 미소를 지으며 기상청 ASOS 데이터와 이번 달 배송지 리포트를 대조하기 시작했습니다. '운'에 맡기던 경영이 '확신'으로 바뀌는 순간이었습니다.
[Founder's Lesson] 비즈니스를 위한 핵심 교훈
성공적인 데이터 경영을 위해서는 우리 회사 내부에서 발생하는 데이터(매출, 주문 등)만큼이나, 우리가 통제할 수 없는 외부 환경 데이터를 결합하는 것이 필수적입니다.
1. '결과'가 아닌 '원인'을 규명하라
① 내부 데이터의 한계: 매출액이나 주문 수는 '무엇이 일어났는가'를 보여주는 결과 값일 뿐입니다.
② 외부 데이터의 역할: 기상청의 종관기상관측(ASOS)이나 미세먼지 농도 같은 외부 지표는 '왜 그런 결과가 나왔는가'를 설명하는 결정적인 원인을 제공합니다.
2. 입체적 분석을 통한 정밀 타기팅 (Timing & Location)
외부 데이터는 분석의 차원을 확장하여 마케팅의 정밀도를 비약적으로 높여줍니다.
① 기상 데이터 (언제): 비가 올 확률이나 강수량을 분석해 광고를 집행할 최적의 타이밍을 결정합니다.
② 인구 통계 데이터 (누구에게/어디서): KOSIS(국가통계포털)의 인구 데이터(1인 가구 비중, 연령대)를 결합하면, 특정 상품이 유독 잘 팔리는 지역적 특성을 파악하고 거점별 맞춤 전략을 짤 수 있습니다.
"내부 데이터만 보는 것은 집 안 거울만 보며 화장을 고치는 것이고, 외부 데이터를 결합하는 것은 창문을 열고 오늘의 날씨와 사람들의 옷차림을 확인한 뒤 밖으로 나가는 것과 같다."
[E06: 내 고객이 21일 만에 사라지는 이유]
#데이터분석 #스타트업 #공공데이터 #기상청 #ASOS #비즈니스 #데이터경영 #의사결정 #PivotPoint #창업가