[하버드 비즈니스 리뷰] 실시간 가격 책정을 위한 단계별 가이드

안녕하세요. 모든 노트입니다.

AI를 활용해 온/오프라인 상점에서 상품의 가격을 수시로 조정하는 역량은 리테일 업계에서 경쟁하기 위한 필수 요소다.

하지만, 판매에 영향을 미치는 다양한 요인이 존재하지만 경쟁사 제품 가격만 주로 고려 하는게 현실이다.

이에 저자들은 경쟁사 가격뿐만 아니라 다양한 요인들을 고려하여 최적의 가격을 책정할 수 있는 AI기반 가격 모델을 구축하는 단계별 프로세스를 본 Article에 담았다.

본 아티클에서 등장하는 중국 리테일 업체는 저자들과 함께 일한 적이 있는 젖병과 기저귀, 유축기 등 육아용품 분야를 선도하는 중국 온라인 업체이다.

미국 온라인 리테일 업체는 저자들과 협업한 침대, 커피 테이블, 러그, 장식품 등 홈 가구 제품을 주로 유통하는 업체이다.

1단계: 집중할 제품 선택하기

1.1. 매출 집중도 분석

• 몇 개 안 되는 제품에서 매출의 80% 이상이 나온다면 최고 인기 제품에 먼저 적용한다.

• 홈 데코 및 식료품 리테일 업체처럼 특정 제품에 매출이 쏠려 있지 않고 고르게 분포돼 있다면 중간 정도 제품 혹은 롱테일 제품에 먼저 적용한다.

• 중국 온라인 리테일 업체는 젖병 카테고리에서 상위 30개 SKU에 AI 가격 책정 모델을 적용하여 매출을 11% 증가시켰다. 미국 온라인 리테일 업체는 1만 개가 넘는 제품에 역동적인 가격 대응 시스템을 적용하여 4개 카테고리에서 매출과 이익을 각각 15%, 10% 증가시켰다.

1.2. 상위 판매 제품에 집중 vs 광범위한 제품에 집중

• 이는 알고리즘 정교화(sophistication) vs 확장 가능성(scalability)의 선택 문제라고 할 수 있다.

1.3. ABC 분류 시스템 활용

• 매출 기여도가 높은 A그룹에는 정교한 모델, 나머지는 확장형 모델을 적용한다.

2단계: 소비자 결정 모델 구축하기

2.1. 구매 결정 요인 파악

• 가격 외에 품질, 재고, 브랜드 평판, 제품 사용 후기, 공급업체 신뢰도, 구매 편의성, 소매점 환불 등 다양한 요인을 고려한다.

2.2. 소비자 결정 모델 개발

• 가격, 재고, 상황 등 주요 요인을 기반으로 제품 수요를 예측한다.

• 사례: 중국 온라인 리테일 업체는 자사 및 경쟁사 가격, 브랜드, 젖병 이용 연령대, 재고 현황, 요일 등을 모델에 입력하여 판매량을 예측하였다. 미국 온라인 리테일 업체는 자사와 경쟁사 웹사이트의 가격과 재고 현황만 고려하여 판매량을 예측하였다.

2.3. 제품 및 리테일 특성 반영

• 고객 리뷰, 브랜드 인지도 등 특성에 따라 모델 파라미터를 조정한다.

3단계: 실험하기

3.1. 가격 탄력성 측정

• 가격 변화에 따른 수요 변화를 파악하여 최적 가격 책정의 기초 자료로 활용한다.

3.2. 체계적인 가격 조정

• 과거 데이터의 한계를 극복하고 정확한 탄력성을 측정하기 위해 의도적인 가격 변동 실험을 실시한다.

• 사례: 중국 리테일 업체는 상위 매출 제품의 가격 실험을 할 때, 과거 평균 가격에 근사한 가격을 무작위로 골라 지정하고, 3일 간격으로 가격을 조정했다. 미국 리테일 업체는 기존 가격 책정 알고리즘의 권장 가격을 기준으로 변주를 주어 실험을 진행했다.

3.3 위험 최소화

• 가격 변동 폭을 제한하고, 기존 시스템 정보를 활용하여 실험의 안정성을 확보한다.

4단계: 측정하기

4.1 모델 파라미터 최적화

• 과거 매출 정보를 활용하여 모델의 예측 오차를 최소화한다.

4.2. 가격 탄력성 분석

• 제품별, 브랜드별 탄력성 차이를 파악하고, 경쟁사 영향력을 측정한다.

• 사례: 중국 리테일 업체는 가격 탄력성이 -8에서 -2 사이로 나타났으며, 탄력성이 높은 SKU는 하루 평균 22.5번 팔렸고, 비탄력적인 SKU는 하루 평균 1.8번 팔렸다. 미국 리테일 업체는 니치 가구 제품이 유행을 타는 가구보다 가격 탄력성이 낮았다.

4.3. 경쟁사 영향력 측정

• 경쟁사의 가격 정책과 재고 현황이 회사 매출에 미치는 영향을 분석하여 경쟁사 대응 전략을 수립한다.

5단계: 최적화 하기

5.1. 최적화 목표 설정

• 매출, 이익 또는 조합 등 최적화 목표를 명확히 설정한다.

5.2. 부분 최적화 활용

• 사업적 제약 조건 내에서 매출과 이익을 동시에 추구한다.

• 사례: 중국 리테일 업체는 총 마진을 최소 10%로 유지하는 선에서 매출을 극대화하는 가격을 책정했다. 미국 리테일 업체는 이익 마진에 제약을 둔 채 매출을 최적화 했다.

5.3. 비즈니스 제약 반영

• 가격 상한선, 하한선, 제조사 요구 가격대 등 실제 비즈니스 환경을 고려하였다.

6단계: 테스트하고 적용하기

6.1. 통제된 환경 실험

• 새 알고리즘의 효과를 검증하기 위해 실험군과 통제군을 비교 분석하였다.
• 사례: 중국 리테일 업체는 실험군에 6개월 미만 영아용 젖병, 통제군에 6개월 이상 어린이용 젖병을 할당했다. 미국 리테일 업체는 실험군에 킹사이즈 침대, 통제군에 퀸, 더블, 트윈 침대를 할당하고, 실험군과 통제군을 바꿔가며 테스트했다.

6.2. 통제군 설정

• 계절성, 이벤트 등 외부 요인을 통제하여 정확한 효과를 측정하였다.

6.3. 다양한 제품군 테스트

• 제품 특성에 따른 알고리즘 효과를 파악하고, 최적화 하였다.

7단계: 알고리즘 꾸준히 개선하기

7.1. 정기적인 업데이트

• 시장 변화, 경쟁사 동향, 신제품 출시 등을 반영하여 알고리즘을 개선하였다.

7.2. 소비자 행동 변수 통합

• 소비자 편향, 구매 패턴 등 추가 정보를 알고리즘에 통합하였다.

7.3. 머신러닝 알고리즘 통합

• 가격 탄력성 추정의 정확도를 높이고, 매출 증대를 도모하였다.

8. 결론

• AI 기반 실시간 가격 책정 시스템은 리테일 업체의 경쟁력을 강화하고 매출 및 이익을 극대화하는 데 필수적이다.

• 제시된 7단계 가이드를 통해 기업은 소비자 행동을 심층적으로 이해하고, 데이터 기반의 최적 가격 전략을 수립하여 지속적인 성장을 달성해야 한다.

[참고 문헌]

Marshall Fisher et al., "실시간 가격 책정을 위한 단계별 가이드",「하버드 비즈니스 리뷰 한국어판」, 11-12월호, 2023년

[저자]

• 마셜 피셔(Marshall Fisher) 펜실베니아 와튼경영대학원 교수
• 산티아고 갈리노(Samtiago Galliano) 펜실베니아 와튼경영대학원 부교수
• 리준(Jun Li) 미시간대 로스경영대학원 부교수