People
< 알쓸패잡_패션과 IT >
몇 날 몇 장이 팔릴지는 신의 영역(?)
몇 날 몇 장이 팔릴지는 신의 영역(?)
김은희 l 한국오라클 컨설턴트
Thursday, Oct. 15, 2020 | 외고, mizkim@fashionbiz.co.kr
- VIEW
- 5710
 |
기획 생산을 하는 패션산업에서 예측은 항상 중요한 관심사다. 다음 시즌에는 어떤 스타일이 유행할지, 판매량이 얼마나 될지 알아내기 위해 상품 MD들은 데이터를 갖고 씨름해 왔다. 현재 머신러닝(ML)은 과거의 데이터에서 패턴을 찾아내고 판매량을 예측할 수 있다.
필자는 2016~2017년에 패션기업 K사의 판매량 예측 프로젝트에서 PM을 했었다. 이 글에서는 당시 EDA(Exploratory Data Analysis)에서 발견한 패션의 판매 특성과 판매 패턴 유형화를 소개하고 다음 11월호 글에서는 판매량 예측 사례를 소개하고자 한다.
지난 기고에서 머신러닝은 데이터를 모델(관계식)에 집어넣고 파라미터(변수, Parameter)를 끊임없이 계산하면서 오차율이 낮은 모델을 스스로 학습해 나가는 과정이며 예측 · 분류값이 결과로 도출된다고 말했다. 머신러닝을 적용해 판매량을 예측한다는 것은 대략적으로 통계적 모델을 만들어 예측하는 것으로 이해하면 된다(명확하게는 통계적 모델링과 머신러닝에는 차이점이 있다). K사 10여개 브랜드의 EDA를 통해 패션 상품의 패턴에는 뚜렷한 특징이 있었다. 주중보다는 주말에 판매량이 증가했고, 평일 중 공휴일이 있으면 판매량이 증가했다.
시즌 말에 세일을 하면 판매량이 또한 급격히 증가했다. 특정 상품은 기온과 연관이 깊었다. 일례로 겨울 패딩은 기온이 떨어지면 판매량이 증가했고, 경량 패딩은 초겨울이나 초봄에 판매가 늘고 한겨울에는 판매가 감소하는 ‘쌍봉’ 형태를 보였다. 패션 상품의 판매는 책에서 배운 종형(Bell shape)의 판매 패턴을 보일 것이라고 예상했었는데 이와 달리 대부분의 상품이 5월 초(어린이날 연휴 주간)와 11월 초의 특정 주를 정점으로 상승했다가 정점을 찍은 후 바로 하락하는 삼각형(Triangle) 형태가 주를 이뤘다.
몇 주 동안 안정적 판매 패턴인 종형을 유지할 만큼 패션 상품의 판매는 녹록하지 않아 보였다. 지금은 판매 패턴을 몇 개 유형으로 분류해 이를 신상품에 적용해 판매량을 예측할 수 있다. 다만 패션 상품은 매 시즌 다른 스타일이 출시되기 때문에 1:1로 패턴을 적용한다면 과거 어떤 스타일의 패턴과 매칭할지 어려움에 직면하게 된다. 따라서 유사 스타일끼리 판매 패턴을 따를 것이라는 가정하에 진행한다.
SAS의 분석툴 E-miner를 사용하며 알고리즘은 K-평균 군집(K-means clustering)을 사용했다. K-평균 군집은 정답 라벨이 없는 데이터를 유사한 특징끼리 (거리가 가깝게) 군집하는 비지도학습(Unsupervised Learning)의 일종이다. 정답 라벨이 없다는 뜻은 티셔츠를 예로 들면 티셔츠의 각 판매 패턴 데이터에 V넥, 폴로티, 후드티 등 지정하는 값을 주지 않고 판매 패턴만 사용해 군집한다는 뜻이다.
이제 도출된 판매 패턴을 신상품에 적용해(Fitting) 예측할 수 있다. 다만 ‘주차별로 오차율 몇 % 이내에 몇 장이 팔린다’의 수준으로만 가능하다. 만약 한 시즌에 50장이 팔리는 소량 SKU를 예측하거나 특정한 날 몇 장이 팔릴지를 예측하는 것은 ‘신의 영역’일 것이다.
■ 김은희 l 한국오라클 컨설턴트 profile
•현 한국오라클 컨설턴트
•MIT 로지스틱스 & SCM 공학석사
•FIT 패션 바잉 & 머천다이징 전공
■ 김은희 한국오라클 컨설턴트 외고 이어보기 'Click!'
-"디지털 유통채널 시대 ‘SCM*’ 재조명"
-패션과 IT...패션에서 진화하는 머신러닝
 |
＜저작권자 ⓒ Fashionbiz , 무단전재 및 재배포 금지＞
