Top
검색버튼 메뉴버튼

고객 조사를 통한 수요예측 방법

고객 파고든 수요예측, 미래 성공의 실천전략

양윤재 | 69호 (2010년 11월 Issue 2)
 
 
 
진로를 고민하면서 특정 대학과 학과를 선택해야 하는 수험생 또는 결혼 상대자를 고르는 미혼 남녀들을 떠올려보자. 이들 모두 향후 최대의 행복을 위해 여러 가지 대안을 놓고 고민한다. 앞날을 예측하고 싶은 욕구에 과거 누적 경험 데이터를 활용한 과학적 시뮬레이션 결과를 제시하거나 심지어 역술가를 찾기도 한다.
기업에서도 수요 예측은 기업의 경영목표를 설정하고 효과적으로 자원을 배분하는 데 결정적 역할을 담당한다. 수요 예측이 잘못되면 기업의 운명에 부정적 결과를 초래할 수 있다. 가령, 1970년대 미국의 전력회사들은 미국 경제발전 정도를 고려해 전력 수요가 향후 매년 7% 이상 증가할 것으로 예측하고, 이에 따라 설비투자를 강화했다. 하지만 시장은 매년 2% 안팎의 성장에 그쳤고, 그 결과 발전 설비를 과도하게 보유하게 됐다. 잘못된 자원 배분은 미국의 경제 전반에도 악영향을 미쳤다.(윤태섭, 2009)
 
기업의 수요 예측은 어떤 분야에 대한 것인지에 따라 두 가지로 구분할 수 있다. 하나는 기존에 보유하고 있는 상품 및 서비스에 대한 수요 예측으로 향후 판매 예측의 기초 자료로 활용될 수 있다. 시장에서 사업을 지속하거나 또는 철수를 결정하기 위한 기반 자료로 활용된다는 것이다. 또 전략 대안 별로 결과를 예상하고 예산을 적절하게 배분해 기업 활동의 효율성을 극대화할 때에도 활용 가능하다. 필자는 다양한 종류의 상품을 판매하는 보험회사의 의뢰를 받아 각 상품별 다음 연도의 수요 예측치를 조사해본 적이 있다. 해당 보험사는 상품별 성장성 예상치를 근거로 영업사원 지원, 광고 지원 등 마케팅 자원을 차등 분배하려고 했다. 필자는 상품별 수요 예측을 위해 우선 잠재적 보험소비자를 대상으로 내년도 보험 가입, 유지, 해지 의향을 확인하고 과거 설문 예측의 실현율을 반영해 가입건수를 예측했다. 또 다른 수요 예측 방법은 경기지수를 바탕으로 추세모델을 삽입하고, 보험환경 요소, 자사 및 타사 상품 정책 등 다양한 변수를 고려해 확정한 수요 예측 모형이었다. 보험회사에서는 전자의 고객조사를 통한 수요 예측을 참조하되, 실제 의사결정에서는 시뮬레이션이 가능한 후자의 수요예측모형을 이용했다.
 
다른 하나는 전혀 새로운 시장이나 새롭게 출시를 계획하거나 리뉴얼한 상품과 서비스에 대한 수요 예측이다. 기업들은 수요 예측치를 바탕으로 시장 진입을 결정하고 투자 규모를 결정한다. 리뉴얼을 포함한 신상품/서비스에 대한 수요 예측의 목적은 수요 잠재력의 추정에서 시작해 불확실성 하에서의 마케팅자원 투입을 위한 의사결정을 통해 성공 가능성을 높이는 데 있다.
 
수요 예측이라고 할 때 계량경제학의 성과가 반영된 시계열 등 계량모형을 일컫기도 하지만, 마케팅 리서치 분야에서는 주로 위에서 언급한 신상품 수요 예측을 중심으로 하고 있다. 수요 예측과 관련해 리서치 회사에 기업들이 주로 의뢰하는 주제는 “새로운 제품, 서비스를 내놓으려는 데 얼마나 팔릴 것 같은가”, “기존 제품을 개선하거나 확장하는 과정에서 전체적으로 회사에 기여하는 증분 효과는 어느 정도인가”, “잘 팔릴 만한 제품/서비스 구성 요소는 무엇이며, 시장 점유율 혹은 매출은 얼마로 예상하는가”로 좁혀진다.
 
기업의 마케팅 분야에서 수요 예측치는 단순한 숫자가 아니라 전략 또는 의사결정의 기준이 된다는 점에서 중요하다. 하지만 소비자(응답자)의 마음, 태도 등을 파악하기가 쉽지 않다. 설문조사를 통해 과학적으로 미래를 예측했다 해도 고객들이 조사 당시의 마음이나 태도를 미래에도 계속 유지한다고 장담할 수는 없다. 상황에 따라서는 논리적 추정 외에도 실무 경험자의 판단까지 종합적으로 검토할 필요가 있다.
 
수요 매출 형성 모형
 
 
마케팅 수요 예측 과정은 결국 잠재 수요로부터 실제 수요로 범위를 축소시키는 것이다. 반대로 마케팅 과정은 실제 수요를 잠재수요로 확산시키는 과정이다. 이러한 마케팅 전략 관점에서의 수요 예측은 실제 수요를 예측하는 것으로, 경쟁상황 및 마케팅 전략 수단의 활용에 따른 수요 시뮬레이션이 필요하다.
 
수요 예측이 가정하는 잠재 수요는 ‘구매 욕구는 있지만, 구매력은 없을 수 있는’ 수요를 말하며, 제품 및 서비스가 획득할 수 있는 최대한의 수요를 포함한다. 이는 인지 및 유통이 100%인 상황을 가정하는 것으로 이러한 잠재 수요에 기반해 최종적으로 실질 수요 범위를 산출한다. 유효 수요는 ‘구매 욕구도 있고, 구매력도 있는 수요’를 말하며 잠재 수요에 ‘인지 및 유통’ 요인을 현실적으로 고려한다. 세 번째 단계인 실제 수요는 ‘제품 및 서비스가 실제로 얼마만큼 팔릴 것인가’를 예측하는 것으로 경쟁상황 및 마케팅전략 수단의 활용에 따른 수요 변화를 시뮬레이션해서 최종 결과를 산출한다. 이런 수요의 관점에서 마케팅 실무자는 경쟁 상황 및 마케팅 전략 수단의 활용에 따른 수요 변화 시뮬레이션을 고려해 실제 수요를 산출해야 한다.
 
수요의 숫자를 제시할 때는 반드시 유효 수요 단계를 거쳐서 제시해야 하므로 위의 3가지 수요 유형 중 2번째 단계인 유효 수요를 먼저 살펴본다. 신상품이 출시돼 최대 잠재 매출 수요를 추정하더라도 인지도나 구득가능성이 완전하지 않기 때문에 자사가 경쟁사에 비해 촉진과 유통활동에 어느 정도의 자원을 투입하는가에 따라 수요가 영향을 받는다. 이를 함수화한 모형을 매출형성 모형(models of sales formation)이라고 한다. 가장 기본적인 추정은 자사의 상대적인 마케팅 능력을 감안해 인지도와 구득가능성을 조정해야 한다.
 
 
마케팅 측면에서 매출의 수요측면을 구성하는 기본공식은 제품 출시 전과 제품 출시 후를 구분해서 정리할 수 있다. 제품 출시 전이나, 단기적인 매출 형성에 대한 공식은 다음과 같다.
 

 

공식1: 제품 출시 전
유효 수요 = 제품 선호도(구입의향)×인지율×유통 커버리지

 

 
공식 1에서 제품 선호도(구입의향)는 설문조사에서 얻을 수 있고, 인지율과 유통 커버리지는 과거의 자료를 사용하되 사내 마케팅 역량을 감안해서 결정하면 된다. 예를 들어 서울에 거주하는 가구를 대상으로 새로운 TV를 판매한다고 가정했을 경우 인지율을 20% 수준, 유통 커버리지를 30% 수준으로 설정하고 구입 의향률이 60%일 경우 최대 유효 수요는 12.6만대(350만 가구×60%×20%×30%)로 추정될 수 있다.
 
 
그러나 이렇게 계산된 매출 잠재력은 출시 즉시 달성되는 것이 아니라, 상품에 따라 어느 정도 시간이 지난 후에 달성된다. 비내구재에서 중요한 점은 사용 이후 반복 구매를 고려해야 한다. 제품 출시 후 시간이 경과한 후에 반복구매를 고려한 공식은 다음과 같다.
 

공식2: 제품 출시 후
유효 수요 = 시도 구매율×장기 재구매율×인지율×유통 커버리지

 

 
공식 2에서 시도 구매율과 장기 재구매율은 동종업계 또는 유사상품의 과거 자료나 경험으로 추정하기도 한다. 고객 조사를 이용해 적용할 경우 시도 구매율을 설문조사를 통해 얻을 수 있다. 장기 재구매율은 상표전환행렬(Markov Process)을 이용하여 추정한다. 상표전환행렬은 현재의 상태(현재 점유율)와 변환과정(상표전환행렬)을 근거로 미래의 시스템 상태(시기별 예상 점유율)를 예측하고 장기적인 시스템의 안정 상태를 찾는 것이다. 이때 현재의 상표전환 확률이 계속적으로 반복된다는 가정을 하는데, 이는 마케팅 경쟁이나 신규 상품의 진입 등에 따른 변화는 반영하지 못한다.
 
제품 출시 후의 예상 수요를 마케팅 믹스 요소들까지 결합해 테스트한다면 실패의 위험을 최소화할 수 있다. 마케팅 믹스를 전체적으로 테스트하는 가장 정확한 방법은 시험 시장(test market)이다. 시험 시장을 할 경우 많은 비용과 오랜 시간이 소요되고, 경쟁사에 노출될 수 있다는 단점 때문에 많은 기업들이 시험시장보다는 예비시험 시장을 실시하고 있다. 비내구재 소비재의 예비시험 시장 후 분석방법으로 가장 많이 쓰이는 모형은 ASSESSOR 등이 있고 그 외에 BASES II, NEWS 등이 있다.
 
비내구재의 장기적 수요 변화를 위의 공식 2에서 설명했다면 내구재는 어떻게 할까? 내구재의 장기적인 매출 형성 모형은 확산 현상을 감안해 수요를 예측하고 있다. 혁신의 확산은 혁신성이 높은 고객들(신상품을 다른 사람들보다 먼저 사용하고자 하는 욕구가 높은 사람들)이 신상품을 일찍 구매한 다음 구전 효과 등을 통해 다른 사람들도 구매하도록 영향을 주는 현상을 말한다. 신상품의 수요를 예측할 때 이 같은 확산 현상을 고려하지 않으면, 장기적인 매출을 과소평가할 위험이 있다. 그러나 현실적으로 신상품이 아직 개발단계에 있을 때에는 확산현상의 강도를 예측하기 어렵다. 그래서 동종 혹은 유사한 상품의 과거 매출 자료를 갖고 신상품의 매출을 추정하는 방법이 널리 쓰인다.
 
 
현재 마케팅 분야에서 가장 많이 사용하는 대표적인 신상품 확산 모형은 Bass모형이다. 제품이 확산되는 경로를 확산모형에 명시적으로 반영해 대중매체에 의한 확산을 외부 효과로 반영하고, 구매 간 상호작용에 의한 구전효과를 내부효과로 모델에 반영한다.
 

 

공식: Bass 모형

N(t): t시점까지의 누적가입자 수
m: 포화시점 가입자 수
p: 대중매체에 의한 확산(혁신계수, 외부효과)
q: 구전에 의한 확산(모방계수, 내부 효과)
출처: 김호 (2004), 강의노트

 

 
위 식을 그래프로 표현하면 다음과 같이 단기 구매자수는 비대칭 종 모양으로, 누적 구매자수는 S자 곡선 형태로 포화수준 m으로 수렴하는 모습을 나타낸다.
필자의 회사에서 2007년 러시아 지역의 새로운 통신상품에 대한 장기수요 예측을 Bass의 확산모형으로 추정한 사례를 살펴보면 다음과 같다. 혁신계수와 내부계수를 파악하기 위한 과거 데이터는 1995년 이후 한국 이동통신사 가입데이터에서 차용했고, 모집단 규모는 러시아 16개 도시와 모스크바 위성 12개 도시의 휴대전화이용자(2367만7379명)로 했다. 최대 잠재 수요는 상품에 대한 콘셉트를 제시한 후 구입의향 측정은 설문지를 활용한 서베이 방식으로 진행했다. 구입의향에 대한 실현율은 Urban & Hauser의 경험적 수치를 이용했다. 이에 따라 초기연도 26만, 10년차 수요는 500만으로 추정했고, 구입의향을 최대로 상정한 낙관치는 초기연도 40만, 10년차 수요는 730만이었다.
 
매출 잠재력 모형
신상품의 인지도와 구득가능성이 100%인 경우의 매출 잠재력(Sales Potential)을 추정하는 매출 잠재력 모형(Models of Sales Potential)에는 3가지가 있다. 제품을 설명하고 구매의도를 매출 잠재력으로 변환하는 방법, 신상품의 다속성에 대한 선호를 측정해 가장 선호하는 상품을 선택할 것이라고 추정하는 방법, 마지막으로 고객의 선호와 선택확률 간의 관계를 계량적으로 모형화한 로짓 모형(Logit model)이다.
 
 
구매 의도법은 소비자에게 신제품의 개념을 설명하거나 사용하게 한 후, 구매 가능성을 ‘구매 의도 척도’ 혹은 ‘구매 확률 척도’로 질문한다. 구매의도 방법은 매우 간단하지만 조사 결과와 추정의 차이가 얼마나 나는지에 대한 자료가 요구된다. 즉 5점 척도의 구입의향 설문으로 60%가 긍정적 의향을 보였는데 이 제품이 실제 시장에 나왔을 때 긍정적인 구입의향을 표시한 사람 중 몇 명이나 실제로 구입할 것인지를 따져봐야 한다. 이를 실현율이라고 하며 수요 추정 시 보정 가중치를 적용한다. 이때 보정 가중치는 과거의 경험을 통해 얻은 구매 확률을 환산해 잠재력을 추정하게 된다. <표1>은 보정치를 사용한 사례다.
 
두 번째 선호순위 분석법은 기존 제품/서비스를 포함해 소비자에게 제시한 후, 선호 순위를 1위, 2위, 3위로 응답을 받는다. 선호순위에 따른 구매 확률 가중치를 부여해 매출 잠재력을 추정하는 방식이다.
 
 
구매 확률 분석법(로짓 모형)은 Mc Fadden(1970)에 의해 개발된 것으로 기본적으로 선호 측정치를 구매 확률로 변환시켜주는 수학적인 함수다. 이 모형의 특징은 가장 선호되는 상품이라도 반드시 고객의 구매로 이어지지는 않는다는 것이다. 이 함수의 기본적인 출발은 고객의 마음속에 있는 ‘진짜’ 선호와 측정된 선호를 구별할 필요가 있다는 점이다. 진짜 선호를 설문지를 통해 정확하게 측정할 수 있다면 어떤 것을 구입할지 100% 예측할 수 있지만 실제로는 측정 오차가 발생하기 때문에 ‘진짜’ 선호는 ‘측정된 선호+측정오차’라고 할 수 있다. 결국 ‘진짜’ 선호를 단일 측정을 통해 획득할 수 없기 때문에, 측정된 선호를 가지고 신상품의 구매 확률, 즉 신상품에 대한 ‘진짜’ 선호가 다른 상품들에 대한 ‘진짜’ 선호보다 클 확률을 추정한다. 여기서 측정오차는 일정한 확률 분포를 가진다고 가정하고 다음과 같은 관계식을 도출할 수 있다.
 
 
 
What if형 수요 예측
지금까지 신상품이 달성 가능한 매출을 정확하게 예측하려면, 자사의 마케팅 능력과 경쟁사의 마케팅력을 감안하고, 시간이 경과함에 따라 일어나는 반복구매와 확산현상을 고려해야 한다는 수요 매출 형성(Sales Formation) 모형을 설명했다. 또 신상품의 인지도와 구매가능성이 100%인 경우, 실제 시장에서 실현가능한 최대 잠재 수요로 변환시켜 매출 잠재력을 추정하는 매출 잠재력(Sales Potential) 모형을 설명했다.
수요 예측 과정은 매출 잠재력을 먼저 측정한 후 마케팅 통제 변수를 고려해 유효 수요 매출 형성을 추정하게 된다. 이후 마케팅 변수의 투입력과 개별 소비자의 상품 선호 특성을 감안해 실제 신상품의 구성요소에 따라 수요 변화를 알 수 있다. 실무적 이해를 돕기 위해 서베이에서 소비자 선호를 측정한 후 어떻게 ‘What if’ 형으로 수요 시뮬레이션을 진행할 수 있는지를 설명하겠다.
 
 
‘What if’형 수요 예측은 우선 서베이 단계와 시뮬레이션 단계로 구분된다. 서베이 단계에서는 고객 측정을 통해 정보를 제공한다. 이 정보가 신상품의 전략적 개발을 이끌어갈 수 있도록 하기 위해서는 정보를 조직화하고 요약할 필요가 있다. 상품 속성, 지각, 선호, 세분화 선택 등의 모형을 중심으로 체계화해야 관리자가 시장을 진단하는 데 도움이 된다. 이런 고객 측정을 통해 신상품 성공에 필요한 상품의 편익을 파악하고 상품을 설계할 때 어떻게 편익을 집어넣을 것인가를 제시한다. 설문지 내의 측정 틀로는 컨조인트나 칩게임과 같이 신제품을 설명하거나 다른 상품과 비교할 수 있는 자극물을 제시해 상품 선호치를 파악한다. 만약 모두가 그 상품/서비스를 알고 있고, 구입/이용이 가능한 곳에 있으며, 구입 및 이용에 법적 규제가 없다면 상품/서비스의 총 기대 수요는 단순한 개별예측의 합이 될 것이다. 이에, 소비자 선호와는 별개로 인지율, 유통력과 같은 상품의 외적 요소를 고려해 최종적인 추정을 하게 된다. 시뮬레이션 단계에서는 현재의 시장상태를 최대한 가깝게 재현하고, 자사 상품의 최적/최악의 시나리오 결과를 탐색한다. ‘What if’ 분석의 결과는 예상 매출액 수치에만 그치는 것이 아니다. 신상품팀이 결정하는 초기 가격, 마케팅 전략, 상품 특성 등의 변수의 함수로 나타나는 것이고, 경쟁상의 활동과 반응에 따라 영향을 받는다.
 
컨조인트와 쌍대비교법
위의 수요 예측 모형에서 신제품에 대한 선호 서베이 때 대표적으로 쓰이는 컨조인트(Conjoint) 방법과 쌍대비교법(Chip Game)에 대해 알아보겠다.
컨조인트 모델은 제품/서비스가 갖고 있는 소비자의 효용을 추정하고 이에 따라 소비자가 어떻게 제품을 선택할지를 예측하는 것이다. 제품/서비스는 속성으로 구성 또는 표현될 수 있다고 가정하고, 설문을 통해 제품/서비스 구성 요소에 대한 효용값을 얻는다. 효용값을 도출하면 이 효용값에 대한 소비자의 선택이 어떠할지를 살펴본다. 소비자 선택 논리의 가정은 ‘첫째, 소비자는 일정 수준 이상의 효용을 충족시키지 못하는 제품은 구입하지 않는다. 둘째, 여러 개의 제품 중 가장 높은 효용값을 가진 제품을 선택한다’이다.
 
컨조인트 종류 중 가장 일반적인 정통적 컨조인트는 제품/서비스의 주요 속성을 ‘Feature’라고 하고 각 Feature의 세부 수준을 ‘Level’로 설명하며, Feature와 Level에 따른 각각의 제품/서비스를 설명하는 ‘profile card’를 제시하고 순위 선호 혹은 점수형 설문으로 응답받는다. 이러한 정통 컨조인트는 시장 상황을 반영하지 않기 때문에 구성된 상품 프로파일을 상표 보기를 통해 제시하고 선택하게 하는 CBC(Choice base conjoint)가 쓰이고 있다. 최근에는 많은 수의 속성이 있을 경우 기존 컨조인트 방식보다는 대안으로 Adaptive Self-Explication(ASE) 방식(Srinivasan, 2007, Stanford University)이 제시돼 시험적으로 사용되고 있다.
 
칩 게임(chip game) 방식은 신상품을 포함한 각 상표를 쌍대비교(Constant Sum Paired Comparison라고도 함)해 태도를 직접 측정하고 Togerson (1958) 방법에 따라 태도에 의한 구입 의향률을 추정한다. 설문에서 2가지 상품 간 쌍대비교를 해야 하기 때문에 측정대상의 수가 비교적 적어야 하고, 비내구재로서 빈번하게 구입하는 껌 과자 치약 등 FMCG 품목군에 보다 용이하다.
 
수요 예측 실행 시 유의사항
고객 조사를 통한 수요 예측에서도 조사 설계를 위한 사전 준비와 정확한 자료 수집 과정, 분석 결과에 대한 타당한 예측 및 적절한 실행이 더해져야 한다. 내년도 수요 예측을 해야 하는 시점에서, 고객 조사를 통한 수요 예측을 실행하는 데 필요한 유의사항을 소개한다.
 
 
먼저 고객 조사 과정 단계에서는 시장에 대한 정확한 이해를 바탕으로 한 표집설계와 측정 도구의 신뢰성 및 타당성을 확보하고 응답과정의 표집 오차를 최소화해야 한다. 시장에 대한 정의와 경쟁 상대에 대한 명확한 정의가 없으면, 시장 잠재력을 판단해야 하는 모집단 정의에서 오류를 발생시킬 수 있다. 고객에게 신상품을 설명할 때 질적 조사 방법 등을 통해 콘셉트를 보다 정교화했을 때 구입 의향이 5∼10% 이상 상승했다. 신상품 콘셉트는 사업자의 언어가 아닌 고객이 이해할 수 있는 언어로 설명해야 한다. 이해하기 어려운 최근의 전자제품이나 IT 서비스에 대한 난해한 콘셉트 설명은 과대 혹은 과소 수요 추정으로 이어질 수 있다. 응답자들에게 신제품을 보다 구체적이고 현실적인 형태로 보여주게 되면 응답자의 반응을 더욱 신뢰할 수 있게 된다. 아직 신차의 모형은 완성되지 않았지만, 설계는 완료됐다면 차의 모습을 컴퓨터 그래픽으로 만들 수 있고, 다른 구매자의 경험담을 재연할 수 있다. 이러한 시스템을 정보 가속 시스템(information acceleration system)이라고 한다.
 
응답자의 집중도를 높이고 콘셉트에 대한 설명을 이해시키기 위해 일정 장소에 모이게 한 후 설문 응답을 1시간 이상 진행하는 홀 테스트(hall test) 방법을 사용하기도 한다.
설문조사를 통해 선호 결과 데이터를 수집한 후 분석과정에서의 유의점도 있다. 가장 큰 오류는 실현율과 마케팅 성과 변수를 고려하지 않았을 때 나타난다. 필자의 회사에서 2000년 대 초반 자동차 테마 파크의 시장성을 조사했는데 고객 응답만으로 볼 때 방문자 예상 수가 당시 에버랜드 방문자 수를 초과하는 것으로 예측됐다. 에버랜드보다 지리상으로도 불리하고, 사업장 규모도 작고, 상품력도 전 고객층을 흡수하기에 부족한데도, 수요예상수가 높게 나온 숫자에 대한 재분석이 반드시 필요함을 알 수 있는 대목이다.
 
조사기법으로 컨조인트 분석이 많이 이용되고 있는데, 컨조인트 분석은 사실 실험적인 성격이 있다. 컨조인트 분석이 정확하려면 조사대상자에게 제품/서비스에 대한 정보를 충분하게 줘서 ‘완전정보(Perfect Information)’ 하의 소비자 의사결정을 가정해야 한다. 그러나 소비자들은 불완전한 정보를 가지고 구매행동을 하는 경우가 많기 때문에 분석결과가 실제 현실과 차이를 나타낸다. 대부분의 경우 시장 점유율이 높은 상품은 낮게, 시장점유율이 낮은 상품은 높게 추정되는 결과를 보인다.
 
마지막으로 수요 예측 후 실행 단계에서 발생할 수 있는 문제점이다. 사회, 정치적 이슈 및 특히 규제와 관련한 부분을 포함하지 않으면 수요가 크게 달라질 수 있다. 과거 삐삐에서 휴대전화로 가기 직전, 시티폰에 대한 수요 예측을 시행했다. 당시 휴대전화는 고가였고, 보조금 지급 등의 프로모션이 없었던 때였다. 시티폰의 수요 예측은 긍정적이었고, 필자의 회사는 그해 창립기념 선물로 시티폰을 주기도 했다. 하지만 휴대전화 시장의 급속한 성장으로 시티폰의 유용성은 그 해 가을을 넘기지 못했다.
 
수요 예측은 예측 결과물의 정확도를 향상시키기 위해 정교하고 진화된 통계기법을 정확히 사용한다는 점에서 과학이라고 할 수 있다. 한편으로는 실제 생성된 데이터만으로는 향후 발생될 수요에 대한 명쾌한 해답이 제공되지 않으므로 여러 개의 관계식들 중에서 가장 정확한 예측 결과물을 도출할 수식들을 선별하기 위해 담당자의 논리적 판단력과 시장에 대한 통찰력이 함께 작용한다는 점에서 예술이라고 할 수 있다(Michale K. Evans, 2003).
 
마케팅 수요 예측은 단순히 미래를 예측하는 것이 아니라, 미래를 만들어갈 수 있도록 실천적인 전략방향을 제시하는 것이다
 
 
필자는 고려대 신문방송학과를 졸업, 동대학원에서 석사 학위를 받고 동국대에서 마케팅 전공 박사과정을 수료했다. 93년 동서리서치에 입사해 지금까지 여러 기업들을 대상으로 수요 예측 조사 프로젝트를 수행했다. 한국외국어대와 동국대를 비롯해 대학과 기업에서 마케팅 조사방법론을 여러 차례 강의했다.
 
참고자료
이유재, 박찬수 편역(1995), 신상품 마케팅, 시그마프레스(원저 : Urban, G.L, & John R. Hauser(1993), Design and Marketing of New Products, 2nd Edition, Prentice Hall) *본 고에서 수요예측에 대한 전반적 이론적 토대로 사용하였고, 주로 인용하였음을 밝혀둠
DSR Brief (동서리서치 정기 발간 웹진) vol.7. 기획특집 수요예측 편,2009
- 지재구, “빗나간 예측 vs 적실한 예측, 문제는 ‘전략’이다”
- 김은주, “경쟁상황 시뮬레이션까지 반영한 동서리서치 수요예측모델 Simcast™”
- 윤태섭, “’정확한‘예측은 ‘예측의 정확한 한계’를 인식하는 것“
송기정(2002-2010), 수요예측과 관련한 사내외 강의노트 다수
김호(2004), 신상품 수요확산 예측의 이론과 실제(강의 노트)
Netzer, Oded & V. Srinivasan (2007),”Adaptive Self-Explication of Multi-Attribute Preferences” , Research Paper Series, Stanford
 
  • 양윤재 | - 동서리서치 리서치사업부 상무
    - 한국외국어대 & 동국대 마케팅 조사방법론 강의
    yjyang@dsrgroup.co.kr
    이 필자의 다른 기사 보기
관련기사