유통회사는 무엇을 팔아야 하나?

135호 (2013년 8월 Issue 2)

 

 

 

 

편집자주

이 글은 <하버드비즈니스리뷰(HBR)> 2012 10월 호에 실린 마셜 피셔(Marshall Fisher)와 램나스 바이디야나탄(Ramnath Vaidyanathan) 의 글 ‘Which Products Should You Stock?’를 전문 번역한 것입니다.

 

판매할 제품을 결정하는 일은 쉽지 않다. 하지만 이는 유통업의 성공에 필수적인 조건이다. 재고 관리나 가격 결정 분야에는 다양한 데이터와 분석도구들이 존재하기 때문에 의사결정에 도움을 받을 수 있다. 하지만 제품 구성은 과학이라기보다는 예술에 가깝다. 잘못된 결정은 끔찍한 결과를 가져올 수도 있다. 다음의 예를 살펴보자.

 

덜 붐비는 매장을 선호한다는 고객 설문조사 결과에 따라 월마트(Walmart) 2008년 프로젝트 임팩트(Project Impact)를 실시하고 판매 중인 제품 SKU(Stock Keeping Unit, 상품 분류 단위) 15%를 축소했다. 그 결과 매출이 눈에 띄게 감소해 변경했던 대부분의 사항을 되돌릴 수밖에 없었다.

 

식료품 유통업체 A&P가 운영하는 슈퍼프레시(Super Fresh)는 판매율이 낮은 건조식품의 판매를 중단하고 신선식품의 비중을 늘렸다. 그러나 판매를 중단한 상품들이 사실은 고객들의 필수 구매 품목인 것으로 드러났다. 원하는 제품을 찾을 수 없었던 고객들은 다른 곳에서 쇼핑을 하기 시작했고 A&P는 파산하고 말았다.

 

가정용 제품을 취급하는 한 업체는 고객의 입맛에 맞춰 제품 구성을 지역화하기 위해 인구통계 정보를 활용했다. 먼저 침구용품 부문에 적용한 결과, 매출이 18% 이상 상승했고 그들은 흥분했다. 그러나 동일한 내용을 목욕용품 부문에 적용했더니 별다른 성과가 없었고 실망한 그들은 더 이상의 노력을 기울이지 않았다.

 

한 타이어 유통업체의 CEO는 제품군을 저가 타이어에서 좀 더 비싼 타이어로 변경한 뒤, 가격이 고객 의사결정에 미치는 중요성을 뼈저리게 배웠다. 2년 뒤 그의 후임자는 판매 중단했던 대부분의 제품을 다시 판매하기 시작했다.

 

수많은 제품관리 전략이 그렇듯 위의 결정들 또한 감에 의지한 결과였다. 업체들은 판매수치를 참고해 더 이상 팔지 않을 제품을 쉽게 골라낼 수 있다. 그러나 그 자리를 무엇으로 채워야 할지 찾기는 어렵다. 판매가 저조한 제품이 사실은 고객들에게 필수적이거나 아예 판매를 중단했을 때 경쟁업체에 틈새를 내주지는 않을까 하는 걱정을 끊임없이 할 수밖에 없다. 잘 알려져 있듯 제품 구성은 최적의 균형을 찾아 유지하는 일에 비유할 수 있다. 한쪽에서의 변화가 전체에 큰 파장을 불러올 수 있기 때문이다.

 

어떤 제품들의 조합이 매출 극대화로 이어질지 결정할 수 있도록 돕는 방식으로 제품 구성 기획을 지원하는 다양한 툴이 존재한다. 그러나 대부분은 감에 의존한 수동적 기획을 조금 쉽게 만들어줄 뿐 새 제품에 대한 수요나 제품 변경으로 인한 수요 변화까지는 예측하지 못한다. 제품 구성 결정에 동반되는 위험을 줄이는 데는 전혀 도움이 안 된다.

 

이를 보완하기 위해 우리는 과학적 제품 구성 기획을 가능하게 할 특별한 기술을 고안했다. 관찰 결과, 고객의 대부분은 제품을 구매하는 것이 아니라 실은 한 묶음의 특성을 사는 것으로 나타났다. 당신이 마지막으로 구입한 TV를 떠올려보라. 그때 “X라는 TV를 사야겠어라고 생각했는가, 아니면 화면의 크기와 해상도, 가격, LCD나 플라즈마 등의 타입, 브랜드 등을 생각했는가? 우리는 제품 특성에 대한 고객 수요를 예측하기 위해 기존 제품의 매출을 활용하는 방식으로 접근했다. 그 결과를 사용해 새로운 제품 수요를 예측했다. 이런 데이터를 확보한다면 유통업체는 좀 더 과학적인 방식으로 제품을 구성할 수 있다.

 

이런 접근 방식은 소비재 상품이나 식품을 다루는 유통업체에 특히 도움이 된다. 반면 의류 분야에는 직접 적용이 어렵다. 의류는 유행에 민감해서 빠른 속도로 변하기 때문이다. 최근 식료품 유통업체들은 풍부한 시장 데이터를 활용해 판매가 가능한 추가 제품을 찾아낸다. 다른 유통업체에서 잘 팔리는 SKU 중 우리 매장에서는 팔지 않는 제품들을 말이다. 하지만 우리가 수행한 연구 결과는 특성을 토대로 하는 우리의 접근 방식이 더 작은 오차 범위를 보인다는 점을 나타냈다. 우리의 방식은 또한 유통업체들이 아래의 질문에 대한 답을 찾는 데도 도움이 된다.

 

판매가 저조한 제품을 새로운 것으로 대체하면 제품 구성을 개선할 수 있을까? 그렇다면 무엇이 그 새 제품이 될 수 있을까?

 

원하는 제품을 찾지 못하면 고객은 어떻게 행동할까?

 

취급 품목의 수를 늘리거나 줄이면 매출에 어떤 영향이 있을까?

 

제품 구성의 지역화, 즉 취급품목을 매장이나 매장군별로 다르게 하는 것이 좋을까? 만일 그렇다면 어떤 제품 카테고리들을 지역화하면 될까? 만일 제품 구성의 차별화를 위해 매장군을 형성한다면 얼마나 많은 매장군을, 어떤 조건으로 만들어야 할까?

 

제품의 특성에 초점을 맞추면내가 찾고 있던 바로 그 제품이네!” 혹은내가 찾는 제품은 아니지만 이것도 나쁘지 않으니 이걸로 사야겠다와 같이 얘기하는 고객들의 수를 크게 늘릴 수 있다. 그럼 지금부터 그 과정을 살펴보자. 이를 위해 자동차 부품 유통업체의 타이어 부서(우리가 조사한 사례 중 하나다.)와 외장관리제품 부서(컨설팅 방식으로 진행했다.)의 예를 참고할 것이다. 각 단계별 프로세스가 있긴 하지만 이는 다차원적이고 매우 반복적이다. 따라서 대부분의 분석 작업은 컴퓨터로 진행했으며 그 과정을 통해 최종 제안을 도출했다.

 

 

고객에게 가장 중요한 특성 이해하기

 

우리의 접근법을 활용한다고 해도 어떤 특성이 고객에게 가장 중요한지, 그리고 그와 같은 고객의 기호가 원하는 제품을 발견하지 못했을 때 의사결정에 어떤 영향을 미치는지에 대한 판단은 여전히 필요하다. 아래의 내용은 그 질문에 대한 답을 찾는 데 도움을 줄 것이다.

 

어떠한 특성이 고객에게 중요한지 파악하라.대부분의 유통업체는 그들이 판매하는 제품들의 특성을 이해하고 있으며 그중 어떤 것이 중요한지 손쉽게 파악한다. 가격, 브랜드, 크기, , 색깔과 같은 것이 여기에 속할 것이다.

 

타이어에 대한 프로젝트를 시작했을 때 해당 유통업체의 카테고리 매니저가 소개한 타이어의 중요한 특성은 브랜드와 주행거리에 대한 보증 프로그램, 크기였다. 그는 전국적으로 광고하는 타이어 몇 종을 소개하면서 그가 생각하기에 고객들은 이 제품들을 상호 대체적으로 받아들일 것이라고 설명했다. 우리는 그 타이어들을내셔널브랜드라는 그룹에 배치했다. 그는 또 다양한 품질과 가격의 하우스브랜드 타이어 3종을 소개했다. 우리는 그 타이어들을 하우스브랜드1(프리미엄 브랜드), 하우스브랜드2(중간 등급), 하우스브랜드3(낮은 등급)으로 그룹화했다. 다양한 종류의 주행거리 보증프로그램이 있지만 고객에게 큰 차이는 없을 것이라는 그의 조언에 따라 우리는 보증프로그램을 낮은 등급(15000∼4만 마일), 중간 등급(4∼6만 마일), 높은 등급(6만 마일 이상)으로 나눴다.

 

4종의 브랜드그룹과 3등급의 보증프로그램을 결합하면 업체가 판매할 수 있는 조합은 이론적으로 12개다. 하지만 어떤 조합은 높은 등급의 프로그램과 낮은 가격이라는 이치에 맞지 않는 조합이 되기도 한다. 그래서 실제로는 6개의 조합만 판매된다(질이 떨어지는 순서대로). 상위 내셔널브랜드, 중간 내셔널브랜드, 상위 하우스브랜드1, 상위 하우스브랜드2, 중간 하우스브랜드2, 하위 하우스브랜드3이 그것이다.

 

타이어의 세 번째 주요 특성은 타입(예를 들면 레이디얼(radial))을 포함한 크기와 승용차용인지, 아니면 기타 자동차용인지 등이다. 타이어의 크기는 총 64종류나 된다. 업체가 취급할 수 있는 SKU 384가지나 된다는 의미다(64 종의 크기와 6가지 브랜드-보증프로그램의 조합). 이 업체 대부분의 매장에서는 105종만을 취급하고 있었다. 이 숫자는 매장마다 달랐으며 대부분은 매장 크기에 따라 결정됐다. 상품 구성 역시 매장별로 달랐지만 대부분의 매장에서는 가장 인기 있는 SKU들을 취급하고 있었다.

 

선호하는 제품이 없을 때 고객이 어떻게 행동할 것인지 파악하라.사려던 제품이 없을 때 다른 제품을 대신 선택하는 고객의 결정은 유통업체가 제품 구성을 조정하는 데 매우 중요한 정보다. 고객들의 결정은 제품 특성에 좌우된다. 원하는 사이즈가 없을 때 다른 사이즈를 대신 사도록 하는 것은 어렵겠지만 붉은색이 없을 때 파란색을 사도록 하는 것은 가능할지도 모른다. 15인치 휠을 위해 14인치 타이어를 구매하지는 않겠지만 찾는 것 외의 브랜드나 보증 프로그램을 선택할 수는 있을 것이다. 따라서 상품을 구성하는 과정에서 유통업체는 찾는 제품이 없을 때 고객 중 일부는 차선책을 택하고 다른 일부는 그렇지 않다는 사실을 알아야 한다. 이번 타이어 사례에서 우리는 원하는 타이어를 찾을 수 없을 때 상위 등급의 타이어를 구매하는 고객들과 하위 등급의 타이어를 선택하는 고객의 비율에 주목했다.

 

특성으로 현재와 앞으로의 매출을 분석하라. 이제 우리는 당신이 현재 취급하지 않는 품목이 얼마나 잘 팔릴 수 있을지, 그리고 그 품목들을 포함하면 전체 매출에 얼마나 영향이 있을지를 알아볼 것이다. 여기에는 과학적인 요소가 들어간다.

 

최근의 매출 자료를 모아라.아는 것에서부터 시작하는 것이다. 현재 판매하고 있는 SKU별 매출과 각 브랜드-보증프로그램 조합이 전체 매출에서 차지하는 비중을 구해보라. 이 수치는 우리 모델의 기초가 된다. 우리는 보통 최근 6개월에서 1년간의 수치를 봤다.

 

타이어 프로젝트에서는 매장마다 SKU별로 최근 6개월간 매출 데이터를 수집했다. <그림 1>은 전체 타이어 크기 64가지 중 한 매장에서 판매 중인 15개의 판매 데이터를 보여준다. 분석을 위한 기초 데이터다. (본 데이터들은 독점 정보 보호를 위해 변경됐다.)

 

 

판매 가능한 모든 SKU의 수요를 예측하라.어떤 SKU들이 한자릿수의 판매 실적을 보인다는 것은 그들을 다른 것으로 대체하면 판매량이 늘어날 수도 있음을 의미한다. 그러나 어떤 SKU로 대체해야 하는지 찾아내는 것은 쉽지 않다. 그 첫 단계는 모든 브랜드-보증프로그램 제품을 판매한다고 할 때 각 크기의 타이어가 가질 수요를 예측하기 위해 매출 데이터를 사용하는 것이다.

 

<그림 2> F사이즈를 보라. 이 유통업체는 현재 브랜드-보증프로그램 조합의 6가지 중에 4가지 F사이즈를 팔고 있다. 우리는 F사이즈의 각 조합이 보여주는 전체 매출 내 비율을 더했다. (7.7% + 2.6% + 19.2% + 57.5%) 이를 통해 F사이즈에 대한 전체 수요 중 이 유통업체가 커버하는 비율이 87%라는 것을 알 수 있다. 다른 말로 하면 이 유통업체는 이론적으로 그들이 취급하지 않는 다른 두 조합의 매출을 잃고 있는 것이다. 이는 중간 내셔널브랜드, 하위 하우스브랜드3으로 각각 2%, 11%.

 

F사이즈에 대한 전체 수요를 계산하기 위해 F사이즈의 전체 매출을 현재 커버하고 있는 수요의 비율로 나눴다. (1204÷87%=1384) 일단 F사이즈에 대한 전체 수요를 알면 우리는 해당 사이즈의 어떤 SKU에 대한 수요도 구할 수 있다. 해당 사이즈의 전체 수요에 브랜드-보증프로그램 조합에서 구한 매출 비중을 곱하면 된다. 예를 들면 하위 하우스브랜드3은 전체적으로 11%의 매출 비중을 가진다. 여기에 1384를 적용하면 F사이즈의 하위 하우스브랜드3에 대한 예상 판매량은 152개가 된다 

 

 

 

 

 

 

예측을 정교화하라.당신이 실제로 취급하는 제품의 예상 매출을 계산해보면 알 수 있듯 이 계산법이 완벽한 예상치를 제공하지는 않는다. 앞에서 우리는 만일 모든 조합의 F사이즈가 판매된다면 총 판매 수량은 1384가 될 것이라고 계산했다. 같은 방법으로 계산하면 이 유통업체에서 가장 잘 팔리는 중간 하우스브랜드2에 대한 수요는 796으로 계산된다. (1384×57.5%) 그러나 실제 매출은 이보다 다소 적은 763개다.

 

이러한 불일치가 나타나는 이유 중 하나는 매출 비율이 판매되는 상품의 구성에 따라 달라지기 때문이다. 상위 하우스브랜드2와 중간 하우스브랜드2는 거의 모든 사이즈로 제공되고 있었다. 이는 판매되는 사이즈의 수가 적은 브랜드-보증프로그램 타이어에 비해 이 두 가지 종류의 판매비중을 높이는 결과를 가져온다.

 

예측치와 실제 매출 사이의 평균 차이를 최소화해 이런 불일치를 바로 잡기 위해 각 조합의 매출 비중을 수정할 필요가 있다. 통계학자들은 이를 평균 절대 편차(mean absolute deviation)라고 부른다. 대단히 반복적인 이 과정은 Excel Solver와 같은 도구의 도움을 받을 수 있다. 본질적으로는 브랜드-보증프로그램의 매출 비중 시행값(trial values)을 현재 판매 중인 모든 SKU들의 수요 예측치와 연결해 그 예측치가 실제 판매량과 얼마나 가까운지 살펴보는 작업이다. 그런 다음 매출 비중을 조정해 예측치를 실제 판매량과 가깝게 하고 판매되는 SKU들에 대한 차이들의 합이 최소화될 때까지 이를 반복한다. 새로 안경을 맞출 때 적합한 렌즈를 찾는 과정을 생각하면 쉽다. 시험 렌즈로 시작해서 다른 렌즈들을 바꿔 착용해가며 더 잘 보이는지 여부를 살핀다. 이 과정을 계속해가며 더 이상 개선할 수 있는 부분이 없을 때까지 반복하는 것이다.

 

이 과정을 거친 여섯 가지의 브랜드-보증프로그램의 최적 수요비율은 2.4%, 1.1%, 1.5%, 6.7%, 18.6%, 69.6%. (그림3) 수요비율과 실제 매출비율을 비교해보면 상품구성의 최적화에 대한 전혀 다른 그림이 떠오르기 시작할 것이다.

 

 

 

실제 매출에 근접하긴 했지만 예측이 완벽히 정확한 것은 아니라는 점을 기억하자. 예측을 엇나가게 하는 두 가지 요소 때문이다. 첫째는 매출의 예측 불가능한 변동이다. 둘째는 SKU별 수요가 사이즈와 브랜드-보증프로그램에 대한 각각의 수요를 곱한 것과 같다는 우리의 가정이 완벽하지 않기 때문이다. (예를 들면 주로 오래되고 저렴한 가격의 자동차를 위한 낮은 가격의 타이어에 대한 수요는 다른 사이즈의 타이어에 대한 것보다 많다.)

 

가장 적합한 비율이 산출되면 모든 SKU들에 대한 수요를 예측할 수 있다. (그림 4)

  

 

 

고객들의 대체 선택을 고려하라.이제 대체품이라는 또 다른 부분을 생각해보자. 앞의 계산은 고객이 원하는 조합이 없을 때 다른 것을 구매할지도 모른다는 사실을 명확히 설명하지 않는다. 예를 들어 이 유통업체는 중간 하우스브랜드2 제품의 판매비중 57.5%가 반드시 절반 이상의 고객들이 이 조합을 선호한다는 뜻은 아니라고 추정한다. 고객이 원래 원했던, 더 저렴한 하위 하우스브랜드3이 없었기 때문에 중간 하우스브랜드2를 구매했을지도 모른다는 것이다. 이를 뒷받침하는 한 가지 사실은 일부 사이즈에서 판매되는 하위 하우스브랜드3이 중간 하우스브랜드 2보다 여섯 배 이상 잘 팔린다는 점이다.

 

고객의 대체품 선택이 각 품질 등급에 따라 달라진다는 점이 계산을 더욱 복잡하게 만든다. 만일 비즈니스상 중요한 SKU들이 이 경우에 해당된다면 반드시 이를 염두에 둬야 한다. 타이어 프로젝트에서 우리는 다른 브랜드-보증프로그램 조합을 대신 선택하는 고객의 수가 모든 조합에 걸쳐 동일할 것이라고 가정했다. , 하위 하우스브랜드3에서 중간 하우스브랜드2로 이동하는 경우는 제외했다. (이 두 종류의 조합은 전체 매출의 3분의 2를 차지한다.)

 

따라서 우리의 모델은 이제 아홉 개의 변수(parameter)를 가진다. 여섯 개의 브랜드-보증프로그램 매출 비율과 세 가지 대체품 변수가 그것이다. 이때 세 가지 대체품 변수란 한 단계 높은 품질 등급의 제품을 선택하는 고객과 한 단계 낮은 제품을 선택하는 고객, 그리고 하위 하우스브랜드3에서 중간 하우스브랜드2로 옮겨가는 고객을 의미한다. 전과 같이 Excel Solver 등의 도구를 이용해 판매 비중과 부분(fraction)의 시행값을 연결하고 수요 예측치를 계산한 뒤 그 값이 실제 판매량과 얼마나 가까운지 살펴본다. 또 예측치가 실제 판매량과 가까워지도록 비중과 부분을 조정하고 그 차이가 더 이상 좁혀질 수 없을 때까지 이를 반복한다. 최종 결과는 다음과 같다. 하위 하우스브랜드3을 구매할 수 없었던 고객 중 35%가 같은 사이즈의 중간 하우스브랜드2를 구매할 것으로 나타났다. 다른 품질 등급에 대해서는 각각 2% 1%의 고객들이 원래 사려고 했던 제품보다 상위와 하위의 제품을 선택할 것으로 드러났다.

 

일단 상위나 하위로 이동하는 고객 비율을 알게 되면 이를 반영한 수요 예측이 가능하다. F사이즈의 중간 하우스브랜드2를 예로 들어보자. F사이즈의 하위 하우스브랜드3은 판매되지 않기 때문에 중간 하우스브랜드2의 예측 수요를 구하고 이것에 하위 하우스브랜드3의 예상 수요에 등급을 하나 올려 구매할 의사가 있는 고객 비율을 곱한 값을 더하라. 반대로 A사이즈에 대해서는 중간 하우스브랜드2와 하위 하우스브랜드3은 모두 제품 구성에 포함돼 있기 때문에 중간 하우스브랜드2의 수요를 예측하는 데 대체 수요로 가치가 없다.

 

자기 충족적인 예측을 찾아라.이제 이 시나리오가 혹시 당신의 이야기는 아닌지 보라. 한 유통업체는 고객들이 특정 유형의 제품을 원하지 않을 것이라고 생각했다 (혹은 그 유통업체가 판매를 원하지 않았다). 따라서 업체는 매우 적은 수량만 취급했고 당연히 판매량은 많지 않았다. 마치 원래 고객이 별로 사고 싶어 하지 않는 제품이었다는 최초의 가정을 확인해주는 것처럼 보였다. 그러나 결국 해당업체의 제품구성은 스스로 판매하기 원하는 제품이었을 뿐 고객이 원하는 것이라고는 보기 어렵다. 위험한 문제다.우리가 제안하는 방식의 장점 중 하나는 바로 이런 상황을 찾아낼 수 있게 하는 것이다.

 

예컨대 타이어 유통업체의 예상 수요와 실제 매출을 비교하는 과정에서 우리는 놀라운 사실을 발견했다. 이 업체의 하위 하우스브랜드3의 실제 매출 비율은 11% 정도였으나 우리는 전체 매출의 69.6%를 차지할 것으로 예측했다. 이 타이어의 매출 비중이 이렇게 낮았던 것은 업체가 낮은 가격의 이 타이어를 일부 사이즈에 대해서만 구비해뒀기 때문이다. 그러나 데이터가 증명하듯 고객이 하위 하우스브랜드3과 중간 하우스브랜드2 중 선택할 수 있다면 그들은 분명히 전자를 선호했다. 이런 패턴은 여러 체인에서 일관되게 유지된다. 하위 하우스브랜드3과 중간 하우스브랜드2가 동시에 판매되는 사이즈는 모두 9종류인데 모든 경우 하위 하우스브랜드3이 중간 하우스브랜드2보다 많이 팔리는 것을 볼 수 있다. 그 차이는 7배가 넘는다.

 

해당 유통업체는 가격이 싼 타이어의 종류를 제한했다. 그렇게 하면 더 높은 가격대의 중간 하우스브랜드2를 구매하도록 고객들을 유도할 수 있을지도 모른다고 생각했기 때문이다. 그러나 그들은 단 35%의 고객만 더 높은 가격대의 제품을 구매하도록 할 수 있었다. 우리의 모델은 69.6%에 달하는 하위 하우스브랜드3의 예상 매출 비중을 무시하면서 잠재 매출의 45%를 잃고 있다는 점을 보여줬다. (하위 하우스브랜드3을 구매하고 싶어 하는 69.6%의 고객 중 65%는 아예 제품을 구매하지 않았다.)

 

이 같은 발견에서 좀 더 통찰력을 얻기 위해 우리는 각 매장이 커버하는 지역의 평균 소득을 도표화했다. <그림5>를 보면 가장 저렴한 하위 하우스브랜드3의 판매 비중과 상위 모델로 대체 구매하지 않겠다는 고객의 의사가 지역 평균 소득과 반비례 관계에 있음을 알 수 있다. 즉 한 매장 주변 지역의 평균 소득이 낮을수록 해당 지역의 고객은 저렴한 타이어를 선호하며 상위 모델로 대체 구매하지 않는 경향이 강하다.

 

 

제품 구성을 최적화하라.

 

이제 우리의 모델을 이용해 기존 SKU와 새로운 SKU들을 선정하고 제품 구성을 최적화하는 방법을 설명하겠다.

 

1.매출을 극대화할 것인지, 아니면 수익을 극대화할 것인지 선택하라.유통업계에서 가장 일반적인 이윤 측정방식은 매출 총마진(total gross margin)이다. 매출에서 판매된 상품의 제조원가를 뺀 값이다. 경제학자나 경영학과에서는 이윤의 극대화를 강조하지만 유통업자들은 매출에도 관심을 기울여야 한다. 월가(Wall Street)에서 이를 관심 있게 관찰하기 때문이기도 하다. 타이어 업체나 앞으로 살펴볼 자동차 외장 관리제품 업체의 사례에서 최종 목표는 모두 매출을 극대화하는 쪽이었다.

 

2.판매 가능한 SKU의 가격을 결정하라.제품 구성을 최적화하려면 각 SKU가 얼마나 많은 매출(혹은 마진)을 창출할지 알아야 한다. 현재 판매 중인 SKU의 가격은 쉽게 알 수 있다. 만일 새로운 SKU의 가격 산정이 불가능하다면 기존 SKU들과 새 SKU들의 특성을 비교해서 새 SKU의 예상 가격을 산출한다.

 

타이어 업체의 사례에서 우리는 기존 사이즈들의 가격이 가장 비싼 제품부터 가장 저렴한 제품까지 일관되게 하락하고 있다는 것을 파악했다. 우리는 이런 추세를 아직 판매되지 않고 있는 SKU의 가격을 결정하는 데 반영했다.

 

3.최종 제품 구성을 결정하라.다음은 각 SKU의 예상 판매량과 그 가격을 곱해 예상 매출을 계산하는 단계다. 

 

 

이제 당신은 제품 구성을 시작하기 위해 필요한 데이터를 갖고 있다. 한 매장이나 체인에 가장 많은 매출이나 수익을 가져다줄 SKU부터 시작하라. 그리고 두 번째로 매출이 좋을 SKU를 추가하라. 당신이 취급할 수 있는 최대 SKU에 도달할 때까지 SKU들을 계속 추가하라. 전체 400개의 SKU 100개를 선정했다고 하자.

 

여기서 실수를 저지르기 쉽다. 이는 단순히 매출 상위 100 SKU를 가려내서 제품 구성에 반영하는 작업이 아니라는 점을 기억하라. 수요 대체가 존재하기 때문에 SKU들을 추가할 때마다 새 SKU들이 이미 목록에 추려진 SKU들의 수요에 어떤 영향을 미칠지 고려해야 한다. 이는 대단히 반복적인 작업이다.

 

우리는 이 과정을 자동차 부품 유통업체의 전 체인에 걸쳐 최적화된 타이어 SKU 제품 구성을 찾아내는 데 적용했다. 그 결과 105개의 SKU들 가운데 47개를 교체해야 하는 것으로 나타났다. (대체품으로 제안된 대다수가 하위 하우스브랜드3이라는 점은 별로 놀라운 사실이 아니었다.)

 

이 업체는 기존 SKU 10개를 새로운 것으로 대체하는 방식으로 우리의 제안 중 일부를 반영했다. 제안의 일부만 반영한 이유 중 하나는 47개에 달하는 새 SKU를 생산할 수 있는 공급자를 찾기 어려웠기 때문이다.

 

제안을 반영한 후 매출을 추적한 결과, 부분적인 조정이었는데도 불구하고 매출과 총마진이 각각 5.8% 4.2% 증가했다는 것을 발견할 수 있었다. 상당한 개선이었다. 우리는 또한 이 업체에 가장 저렴한 타이어의 가격을 소폭 인상하고 두 번째로 비싼 타이어의 가격을 인하하도록 했다. 이는 고객이 다른 타입의 제품으로 갈아타는 것을 쉽게 했다.

 

우리 접근 방식의 핵심은 제품 구성의 변화에 따른 매출의 차이를 직접 보여준다는 점이다. <그림 6>은 제품 구성 내 SKU 수가 변할 때 유통업체의 매출수익에 어떤 영향이 있는지 보여준다. 위쪽 그래프는 각 매장이 각자 최적화된 제품 구성을 가졌을 때 매출을, 아래쪽 그래프는 전 체인이 통일된 제품 구성을 가졌을 때 매출을 보여준다. 상품군별 배치 공간을 변경해서 매출을 늘리고자 할 때도 이 같은 데이터를 사용할 수 있다. 월마트(Walmart)나 슈퍼프레시(Super Fresh)처럼 제품 구성의 폭을 줄여서 처참한 결과를 맞이하는 실수를 면할 수 있도록 도와주기도 한다.

 

 

상품구성의 지역화

 

지역에 따라 차별화된 제품의 구성은 복잡한 작업이다. 유통업체는 매장별 수요의 차이를 이해하고 매장마다 특화된 기호에 맞게 제품을 구성해야 한다. 유통업체들은 대부분 매장별로 제품을 구성하는 일을 복잡하게 여기기 때문에 대신 유사한 제품 구성을 갖는 매장을 묶어 매장군()을 만들곤 한다. 이 경우, 얼마나 많은 매장군을 만들 것이며 그 기준은 무엇이어야 할지(예를 들면 소득 수준이나 날씨), 각군을 위한 제품 구성을 결정해야 한다.

 

우리의 특성 기반 접근법은 위의 세 가지 질문에 대한 답을 내리는 데 아주 훌륭한 도움이 된다. 수백 개의 매장을 가진 타이어 업체 프로젝트와 동일한 방식으로 자동차 외장관리 제품에 대해 진행된 연구를 살펴보면 이를 잘 이해할 수 있다. 외장관리 제품은 자동차의 세척, 코팅, 광택, 연마, 보호 등에 사용되는 액체나 반죽들로 구성된다. 이 연구에서 우리는 해당 카테고리 내 제품들의 특성을 여섯 가지로 규정했다. 자동차 표면의 종류와 제품 사용의 기대 효과, 사용 방식과 포장의 크기, 브랜드와 품질의 단계(좋음, 더 좋음, 그리고 가장 좋음)가 그것이다. 이 업체는 매장별 수요 패턴의 차이를 이해하고 그것을 이용해 제품 구성을 지역화하고자 했다. 그들은 매장을 최대 다섯 개의 군()으로 묶을 수 있을 것이라고 생각했다. 다섯 개를 넘어가면 현실적으로 운영이 불가능할 것이라고 생각했기 때문이다.

 

우리는 앞에서 설명한 방식을 이용해서 다양한 특성 단계에 대한 수요 비율을 예측했다. 예측을 토대로 판매 가능한 새로운 SKU에 대한 수요를 조사하고 매장별 매출을 극대화할 수 있는 제품 구성을 만들었다.

 

그 다음에는 해당 제품 구성을 바탕으로 매장군을 만들었다. 처음에 우리는 각 매장을 하나의 매장군으로 가정하는 것에서 출발했다. 그리고 제품 구성을 동일하게 가져가도 매출 감소가 가장 적을 두 개의 매장을 꼽아 하나의 군으로 만들었다. 이후 계속해서 동일한 제품 구성으로 최상의 효과를 내는 두 개의 매장을 뽑거나 이미 결합한 두 개의 매장에 세 번째 새로운 매장을 추가하는 과정을 반복했다. 두 작업 모두 매출 감소를 가장 적게 만드는 결과를 기준으로 했다. 우리는 이 작업을 반복해서 최종적으로 모든 매장을 포함하는 하나의 매장군을 만들었다. 이를 통해 우리는 단일 제품 구성으로 모든 매장을 커버하는 경우부터 모든 매장이 각각 독립적인 제품 구성을 갖는 경우까지 지역화의 각 단계에 따른 매출을 가늠할 수 있었다.

 

<그림 7>은 다섯 가지 지역화 단계의 매출을 보여준다. 매장군 수는 하나부터 다섯으로 단일한 제품 구성을 가질 때 매출을 100으로 했다. 이 그림에서 볼 수 있듯 매장군을 늘릴수록 매출이 줄어들었다. 따라서 이 유통업체는 매장군을 2개만 두기로 결정했다.

 

 

연구 결과는 또한 두 매장군 중 한 곳에서 판매되는 타이어 관련 제품이 다른 곳에 비해 좀 더 품질이 좋다는 점도 나타냈다. 해당 매장군은 이 업체가 도시지역 또는 이중 언어 사용 지역이라고 부르는, 독특한 민족성을 지닌 곳이었다. 따라서 그 매장들은 좀 더 타이어와 관련이 높은 제품들로 구성돼 있었으며 업체는 고객들을 위해 특별한 안내 문구를 만들기도 했다.

 

6개월 동안 매출을 추적해본 결과, 해당 업체의 외장관리 제품 카테고리 매출이 3.5% 증가한 것으로 나타났다. 제품 구성의 지역화와 기본 제품 구성의 보강에서 비롯된 것이다. 새로운 제품구성과 안내 문구도 도움이 됐다. 도시 및 이중 언어 사용 지역에서 타 유통업체와의 경쟁에서 밀리고 있었던 이 업체는 이번 변화를 통해 특정 제품 카테고리에서 매장 매출이 증가했다. 우리는 수요를 바탕으로 매장군을 만드는 우리의 접근법이 매장 특성이 수요에 미치는 영향을 짐작하는 기존의 접근 방식보다 우수하다고 믿는다.

 

이제까지 제품 구성을 계획할 때 분석은 큰 영향을 미치지 못했다. 어떤 SKU를 취급할지 고민하는 기획 단계(operational level)에서 특히 그랬다. 우리의 방식은 분석을 통해 매장별 고객이 선호하는 제품의 특성에 통찰력을 가질 수 있게 한다. 그리고 그 통찰력을 바탕으로 지역화된 제품 구성을 꾸릴 수 있도록 한다. 제품구성 기획은 단일 매장 매출을 눈에 띄게 증가시킬 수 있지만 제대로 하지 못하면 기업에 수년간 심각한 손실을 가져오기도 한다. 우리의 방식은 유통업체들이 이를 잘하도록 도울 수 있다.

 

 

 

마셜 피셔·램나스 바이디야나탄

마셜 피셔(Marshall Fisher)는 펜실베이니아대 와튼스쿨의 운영 및 정보 관리(Operations and Information Management) 분야 UPS 교수다. 아난스 레이만(Ananth Raman)과 함께를 저술했다. 램나스 바이디야나탄(Ramnath Vaidyanathan)은 맥길대 데소텔스 경영학부의 운영 관리(operation management) 분야 조교수다.

 

번역 |최두리 dearduri@gmail.com

 

 

동아비즈니스리뷰 289호 Boosting Creativity 2020년 1월 Issue 2 목차보기