모빌리티 시장의 가격 변동과 AI
1. 카카오 모빌리티의 Painpoint
카카오 모빌리티는 카카오 T라는 플랫폼을 운영하며 택시 승차거부, 안전한 운행, 배차 문제를 해결하며 각광받았다. 그러나 점차 택시 호출 서비스 이용자 수가 급증하면서 수요·공급 불균형 문제에 직면하게 된다. 특히 출퇴근·주말·공휴일 같은 피크타임에는 호출 대기 시간이 10분 이상으로 늘어나고, 배차 거절 및 콜 취소율이 높아져 서비스 신뢰도가 하락하는 악순환이 발생하게 되었고 이를 해결하고자 카카오 모빌리티는 2022년 하반기, ‘서지 프라이싱(Surge Pricing)’으로도 불리는 다이나믹 프라이싱이라는 알고리즘을 도입하였다.
2. 다이나믹 프라이싱이란?
다이나믹 프라이싱(Dynamic Pricing, 가변적 가격 책정)은 실시간 수요·공급 상황에 따라 가격을 탄력적으로 조정하는 전략이다. 전통적 고정 요금 체계와 달리, 다이나믹 프라이싱은 시장 반응을 즉각 반영해 수익성과 서비스 품질을 동시에 높일 수 있고, 차량 공유 서비스에서 사용하는 서지 프라이싱은 대표적 사례로, 수요가 감소한 시간대에는 요금을 낮춰 호출을 촉진하고, 수요가 폭증할 때는 요금을 높여 배차 가능성을 확보한다. 최근의 다이나믹 프라이싱은 호텔·항공권 예약, 전자상거래, 스포츠·이벤트 티켓팅 등 모빌리티 분야 뿐 아니라 다양한 분야에서 활용 중인데, 이를 통해 기업은 수익을 극대화할 수 있다는 장점이 있지만 소비자 입장에서는 가격 변동으로 인한 부정적 평가가 존재하기도 한다. 그렇다면 실제 어떤 사례에서 해당 정책을 도입하는 것일까, 대표적인 세 기업의 사례를 소개하고자 한다.
1) Uber
우버는 카카오 모빌리티와 거의 동일한 방식의 다이나믹 프라이싱을 도입하였다. 수요가 급증하는 피크타임·이벤트 기간·악천후 시점에 운임을 실시간으로 인상해, 더 많은 운전자가 호출에 응답하도록 유도하였다. 기술적으로는 호출 요청 위치, 배차 가능 드라이버 수, 교통 상황, 날씨 등 다차원 데이터를 기반으로 5분 단위 수급 지수를 산출한 뒤, 요금에 탄력 계수를 곱해 최종 운임을 결정하게 되는데, 도입 이후 우버는 평균 배차 대기 시간을 크게 단축하고, 드라이버의 피크 타임 수익을 보장함으로써 플랫폼 전체의 서비스 안정성을 확보하게 된다.
2) 쿠팡
쿠팡은 자동 가격 조정 기능을 통해 판매자가 설정한 최적의 가격대 범위 내에서 실시간으로 가격을 조정해 주는 서비스를 제공하고 있다. 쿠팡 셀러 대시보드를 통해 최소·최대 가격을 지정하면, 플랫폼이 경쟁사 가격과 수요 변화를 모니터링해 해당 상품이 “베스트셀러”가 될 가능성을 높여 줄 수 있는 가장 높은 가격으로 자동으로 조율한다. E커머스 시장의 경우 구매자 뿐만 아니라 셀러 또한 하나의 타겟 고객층으로 상품 다양성과 경쟁력 확보를 위해 셀러의 운영 지원이 중요하다. 셀러의 입장에서는 수시로 가격을 확인·수정할 필요 없이 매출 극대화와 재고 회전을 동시에 달성할 수 있기 때문에 유연한 판매전략을 통한 원활한 운영을 지원하는 것이다.
3) Airbnb
에어비앤비의 ‘스마트 프라이싱(Smart Pricing)’ 또한 쿠팡의 정책와 유사한데, 호스트가 설정한 최저·최대 요금 한도 내에서, 예약 수요·지역 내 유사 숙소 가격·성수기 여부·주말·이벤트 일정을 종합해 야간 요금을 자동 산정합니다. 호스트는 달력에서 스마트 프라이싱을 켜 두기만 하면, 플랫폼이 실시간 수요 예측 모델을 통해 숙소 요금을 조정해 주택 점유율과 평균 일일 요금을 최적화할 수 있다. 결과적으로 호스트는 불필요한 공실을 줄이고, 성수기에는 더 높은 수익을 얻을 수 있다는 장점이 존재한다.
이처럼 각 플랫폼은 자사 서비스 특성과 사용자·공급자 생태계에 맞춘 다이나믹 프라이싱을 통해 운영 효율성과 수익성을 동시에 극대화하고 있다.
3. 기술적 원리
카카오 모빌리티의 다이나믹 프라이싱은 방대한 이동 데이터와 AI 기반 예측 모델을 결합한 실시간 가격 결정 엔진으로 구현된다. 구성은 데이터 수집, 수요공급 예측 모델, 가격 결정 알고리즘 등으로 구성된다.
먼저, 데이터 수집은 호출 요청 시간, 위치, 대기 중인 드라이버 수, 교통 상황 정보 등을 초당 단위로 스트리밍 수집한다. 이후 시계열 분석(Time Series Analysis)과 강화학습(Reinforcement Learning)을 활용해 5분 단위 수요 변동과 드라이버 가용성을 예측한다.
이후 가격 기저요금, 수급지수, 탄력계수를 활용한 수식으로 최종 요금을 도출하게 되는데, 계산결과 도출 이후에도 가격 변경의 효과를 지속적으로 모니터링하며 예측 모델을 업데이트 하는 피드백 루프의 과정을 통해 점차 서비스를 고도화 하게 된다.
가격 결정 알고리즘의 요소
기저 요금(Base Fare): 표준 거리·시간 요금
수급 지수(Supply–Demand Index): 실시간 수요량 ÷ 공급량
탄력 계수(Elasticity Coefficient): 사용자 반응 데이터 기반 파라미터
4. 다이나믹 프라이싱의 효과 및 앞으로의 방향성
다이나믹 프라이싱 도입 이후 카카오 모빌리티는 피크타임 배차 대기 시간이 평균 8분에서 6분으로 단축되고, 고요금 시간대 호출 완료 시 평균 20% 이상의 추가 수익이 발생해 드라이버 만족도가 상승하는 긍정적 결과로 이어졌다. 소비자 입장에서도 콜 취소율이 도입 전 대비 12%p 감소하고 비수기에는 요금을 낮춰 호출 건수 또한 상승하였다.
이러한 결론을 바탕으로 카카오 모빌리티는 다이나믹 프라이싱 고도화를 넘어, 모빌리티 AI 전반을 혁신할 예정이다 VL-Navi(차선 가이드 내비게이션)를 통한 GPS 정확도 상승, 3D 렌더링 기술도 개발이 현재 진행중이며, 투명함과 공정성을 기반으로 한 기술발전을 통해 모빌리티 업계를 주도할 것이다.
[참고자료]
https://www.digitaltoday.co.kr/news/articleView.html?idxno=545329https://www.airbnb.co.kr/help/article/1168?utm_source=chatgpt.com&_set_bev_on_new_domain=1747271612_EAZjBhNmQwNGY4Ymhttps://www.koreadaily.com/article/20231105180518355?utm_source=chatgpt.com
작성자: ITS 27기 황유진
