캐즘 마케팅, 시장에서 오래 살아남기 위한 전략적 마케팅 [전략과 문제해결·캐즘(Chasm), 실습사례(case study) HRDInsight]

반응형

전략과 문제해결·캐즘(Chasm), 실습사례(case study) HRDInsight

 

A 사 연 매출은 3조원에 육박한다. 반면 B사는 그룹 전체 매출은 약 20조 원, A사와 경쟁하는 산 업군 연 매출은 5조원에 달한다. 이른바 '가' 산업군 양대산맥이다. 제품 품목 별 시장으로 세분화 하면 A사 경쟁사는 C사, D사, E사이다. B사도 별반 다르지 않다. 요컨대 A사와 B사는 오랜 맞수 이고, A사가 선도자(First Mover) 일 때 B 사는 추격자(Fast Fellow)였다. 이 역할은 바뀌기도 하며 현재 진행형이다.

 

A 사는 2018년 OOO가정간편식(HMR) '나'를 선제적으로 시장에 내놨다. 그로 부터 10여 개월 후 B사도 '나' 제품을 출시했다. C사, D사, E사도 잇따라 출시했다. 가정간편식 시장 규모는 연 3 조 2천 억원쯤이고, OOO가정간편식 시장 규모는 연 350억 원 수준이다. 이미 성숙기를 맞이하 고 있는 타 간편식과는 다르게 OOO가정간편식은 성장기에 진입 중이다. 이 시장을 A사는 경쟁사 보다 1년 앞 서 진출했고, 선점했다. 선도자인 셈이다.

 

최근 한 매체에서 OOO가정간편식 성장세를 반영하듯 '맛 평가' 특집 기사를 보도했다. A사를 비 롯한 B사, C사, D사 제품 모두를 포함한 품평회는 우열을 가릴 수 없다라는 것이 결론이다. 하지 만 A사 입장을 내재적으로 파고들면 이 사실을 받아 들이기 불편한 점이 있다. 읽는 이에 따라서 는 '맛 평가'에서 A사 제품이 경쟁사 보다 좀 못하다라는 식으로 받아 들일 수 있기 때문이다. 이 점은 A사에게 그저 우연한 사건일 수 없다. 그 까닭은 첫 째 선도자 효과를 누리지 못한 점, 둘 째 차별점으로 내세운 소스가 '호불호'라는 프레임에 갖혀 버렸기 때문이다.

 

이 해설을 곧이곧대로 받아들인다면 A사 OOO가정간편식은 '캐즘(chasm)에 빠진 것이 문제'일 수 있다. 선도자 효과를 누리지 못할 때 생각해 볼 만한 이슈이다.

 

'캐즘'은 제프리 무어((Geoffrey Moore)가 1991년 발간한 책 제목이다. 혁신이 실패하는 이유 와 연구 성과가 시장에서 뜻대로 반응을 내지 못할 때, 초기 마케팅이 주의해야 할 시사점으로 쓰 는 용어다. 캐즘이 발생하는 원인은 얼리어답터(선각수용자)에서 실용주의자(전기다수사용자)로 이어가지 못했기 때문이다. 요컨대 '맛' '효용' '가격'이 실용주의자 마음을 사로잡지 못한 것이다. A 사 '나' 제품이 캐즘에 빠진 것이라면 바로 이 세 가지 요소를 세밀하게 5WHY 분석해야 한다.

 

두 번째 차별점으로 내세운 '소스'가 되레 '호불호'에 갖힌 점은 소비자 기호에 대한 재정립이 필요 하다. A사 가 내세운 '소스'는 '취향존중'이라는 2019년 소비 트랜드에 부합한다. 하지만 '스토리' '혁신' '가치'라는 세부 요소를 만족하는 지는 되새겨 봐야 한다. 이 점은 경쟁사도 동일하다. 하지 만 A 사 제품에는 없는 것이 경쟁사 제품에 있다. 그것은 OOO가정간편식을 떠 올릴 때 소비자는 몇 가지 불편한 점을 고려하기 마련인데, 경쟁사 제품은 그 불편한 여러 요소 중 한 가지만은 분명 없앴다는 점이다. 이 점은 A 사도 동일하지만 그 것을 실용주의자가 모른다면 ‘호불호’라는 프레임은 적절하다. 혹시 A 사는 불편한 점 보다는 '최 초' 타이틀에 더 무게감을 둔 검 아닌지, 신제품을 빠르게 내지 않으면 안될 이유 또는 압박으로 인한 결과물 일 수 있지만 이는 추론에 불과하다. 이 점은 차지하고 당장 시급한 것은 '선도자 효 과를 누리지 못한 채 경쟁사 제품이 되레 선도자 지위를 누린다면 A 사로서는 뼈 아픈 일격을 당 한 셈이다.

 

그렇다고 기회가 영영 사라지는 것은 아니다. 이제 막 성장기에 진입하고 있는 탓에 사실 지금부 터가 본 게임이다. 당장 A사 OOO가정간편식이 캐즘에 빠진 문제 원인을 분석하고, 빠르게 태세 전환을 한다면 '선도자(Fisrst Mover) 효과'를 누릴 수 있다. 지금부터가 본격적인 경쟁이라고 각 오를 다지면 거뜬히 해 낼 수 있다.

캐즘 마케팅, 시장에서 오래 살아남기 위한 전략적 마케팅!

 

스타트업의 5년 생존율이 얼마나 되는지 아시나요? 바로29.2% 입니다. 10개 기업 중 7기업은 5년 내에 망하거나 없어졌다는 뜻인데요. IT 기술이 빨라짐에 따라 스타트업 뿐만 아니라 새로 출시한 기술이나 제품들도 시장에서 살아남지 못하고 사라지고 있습니다. 

 

기업이 꾸준하게 성장하려면 시장에서 오래 살아남아야 합니다. 즉, 소비자의 수요가 지속적으로 있어야 하는데요. 제품이나 서비스 혹은 사업체가 시장에서 오래동안 버티려면 어떻게 해야할까요? 

 

우리나라 최초의 IT 프리랜서 매칭 플랫폼으로서 23년 동안 업계 1위를 지키고 있는 이랜서에서 ‘캐즘 마케팅, 시장에서 오래 살아남기 위한 전략적 마케팅’에 대해 자세하게 알려드리겠습니다! 

캐즘(Chasm)이란?

기업이라면 누구나 한 번쯤 자체 개발한 기술이나 제품을 통해 시장을 선도하는 미래를 꿈꾸기 마련입니다. 하지만 현실은 냉정합니다. 새로운 기술이나 서비스가  적용된 신제품이 출시되었을 때, 대중의 관심을 끌지 못해 사라지는 경우가 대다수입니다. 

 

관심을 끌었더라도 수요가 정체되어 추가 고객 확보에 실패하여 없어지는 경우가 많은데요. 초기시장의 한계를 넘지 못해 사라지는 상황을 바로 캐즘(Chasm) 현상이라고합니다. 

캐즘(Chasm)이란 용어는 지질학에서 유래했습니다. 사전적 의미로는 ‘땅이나 바위 등 지층에 난 깊은 틈 또는 협곡’을 의미하는데, 마케팅에서 캐즘은 첨단 기술이나 제품이 시장에 처음 출시되었을 때, 초기 수요가 매우 느리게 형성되는 현상을 말합니다. 

새로운 기술이나 서비스가 주류 시장까지 안착하려면 캐즘 현상을 뛰어 넘어야 되지만, 많은 제품들이 그러지 못해 사라지고 있습니다. 그렇다면 어떻게 해야 캐즘 현상을 뛰어넘어 성공적으로 주류시장에 안착할 수 있을까요?

케즘을 뛰어넘기 위한 전략, 케즘 마케팅

캐즘 현상을 뛰어넘기 위해 고안된 마케팅 전략이 있는데요.  바로 캐즘 마케팅입니다. 캐즘 마케팅은 첨단기술 수용론이라고도 불리는 마케팅 이론으로, 첨단기술 분야의 비즈니스 컨설턴트이자 마케팅 전문가인 ‘제프리 A.무어’가 창시한 개념입니다. 

캐즘 마케팅의 요지는 첨단 제품의 초기 수용자와 이후의 주류 시장의 수요자가 서로 다른 시점에서 다른 이유로 제품 또는 기술을 구매하는 것에서 출발합니다. 혁신적인 제품 혹은 기술이라 할지라도 혁신성을 중시하는 초기시장에서 실용성을 중시하는 주류시장으로 넘어갈 때 급격한 매출 감소나 정체를 피할 수 없게 되는데요. 이를 극복하기 위해 고안된 마케팅입니다.

기술 수용 주기 모형

출처 : 비트코인 캐즘의 벽을 깨고 대중에게로 비트코인 A to Z @ 한경BUSINESS

 

캐즘 마케팅을 이해하기 쉽게 잠깐, 신기술이 대중에게 채택되는 과정에 대해 살펴보고 갈까요? 신기술이 대중에게 채택되는 과정은 기술 수용 주기 모형을 통해 설명할 수 있습니다. 기술 수용 주기 모형에 따르면 신기술을 접하게 되는 소비자는 총 5가지 그룹으로 나눌 수 있는데요. 

신기술을 접할 때 보이는 소비자의 5가지 유형

• 혁신 수용자(이노베이터)
• 선각 수용자(얼리어답터)
• 전기 다수 수용자
• 후기 다수 수용자
• 혁신 수용자  

이미지로만 보시면 모르실 것 같아, 기술 수용 주기 모형에서 가장 첫 번째 소비자 집단인 혁신신수용자부터 자세히 설명해 드리겠습니다.

1) 혁신 수용자

먼저 이노베이터라 불리는 혁신 수용자는 신기술을 가장 먼저 받아들이는 소비자층이에요. 신기술에 대한 이해가 빠른 편이며 분석하기를 좋아해 신기술이나 제품 발굴에 적극적으로 앞장서는 편이죠. 

 

이들은 효용성을 따지기보다는 신기술 자체에 관해 관심이 높아 아직 검증되지 않았음에도 적극적으로 기술을 받아들이거나 제품을 구매하는 소비자 집단이에요.  그래서 신기술에 문제가 있거나 불편하더라도 그 어떤 불평도 제기하지 않습니다.

2) 선각 수용자

특정 소비자 집단을 의미하는 단어가 되어버린 얼리어답터는 선각 수용자를 의미하는데요. 혁신 수용자처럼 분석하기를 좋아해 자신의 직관과 분석에 의존하며서 눈앞에 놓인 신기술이나 신제품을 평가하는 소비자 집단이죠. 

 

이들은 다른 일반 대중보다도 빠르게 신기술을 접하지만, 혁신 수용자와 다른 점은 바로 입소문을 잘 낸다는 점인데요. 특히 신기술의 진가를 알아차려 그것이 가져다줄 경제적 이익과 전략적 가치에 따라 행동하죠. 이에 따라라 마케팅 전략을 펼칠 때 회사의 입장에선 이 얼리어답터를 초기의 주요 공략 대상으로 활용하는 것이 가장 중요하답니다. 

3) 전기 다수 수용자

앞서 소개한 혁신 수용자와 선각 수용자는 기술 수용 주기 모형에서 초기 시장을 의미하는데요. 여기서 대중의 주목을 받게 될 경우 전기 다수 수용자와 후기 다수 수용자로 이루어진 주류 시장으로 넘어오게 됩니다. 

 

전기 다수 수용자들은 기술의 사용이 익숙한 사람이다 보니 신기술이 성숙할 때까지 기다리지만, 시장의 표준이 되기 전에 구매하는 편으로 ‘가장 실용적인 구매 계층’이라 할 수 있어요. 

4) 후기 다수 수용자

후기 다수 수용자는 보통 신기술에 대해 부정적인 시각을 가지고 있는 이들로, 특히 신기술이 아직 업계의 표준으로 인정받기 전이라면 이를 도입하거나 구매할 생각조차 하지 않는 소비자 집단이랍니다. 

 

앞서 소개한 전기 다수 수용자와 후기 다수 수용자가 전체 소비자 그룹 중 70% 이상을 차지하고 있어 신기술의 성패가 이곳에 걸려있다고 해도 과언이 아니죠.

5) 지각 수용자

마지막으로 지각 수용자는 좀처럼 신기술을 받아들이지 않는 소비자 집단으로, 신기술을 사용하지만 존재나 이용 방법에 대해 알아듣지 못하는 계층으로 보통 마케팅에선 제외되기도 합니다. 

 

신기술을 접하는 소비자의 형태를 나타내는 ‘기술 수용 주기 모형’ 잘 보셨나요? 캐즘은 선각 수용자와 전기 다수 수용자 간의 대 단절로, 서로 인접하고 있더라도 두 집단의 신기술을 수용하는 태도는 차이가 매우 다르기 때문에 이러한 차이를 정확히 이해하고 각 집단에 어울리는 마케팅 방식을 적용해야 캐즘을 극복할 수 있습니다.

캐즘을 극복하기 위한 캐즘 마케팅 전략 3가지

초기와 주류시장의 사이, 즉 선각 수용자와 전기 다수 수용자 사이에서 혁신의 불연속성 때문에 발생하는 캐즘은 새로운 기술, 제품, 서비스의 본질이 혁신과 개혁에 있을 때 필연적으로 생길 수밖에 없습니다. 그래서 혁신적인 기술을 가지고 있음에도 시기적으로 도움을 받지 못해 캐즘을 극복하지 못하는 기업도 있습니다. 

정말 좋은 기술인데도 캐즘을 극복하지 못해 시장에서 사라진다면 너무 안타깝겠죠? 이를 방지하기 위해 캐즘 마케팅이 고안되었습니다. 캐즘 현상을 넘어 제품이나 기술 정착을 도와주는 캐즘 마케팅의 대표적인 3가지 전략에 대해 자세히 알아보겠습니다.

1) 디데이 전략

디데이 전략이란 특정 날짜를 정해놓고 제품이나 서비스를 출시하는 것인데요. 흔히 말하는 ‘언팩 이벤트’가 이에 해당합니다. 삼성전자나 애플에서 신제품을 출시할 때 주로 디데이 전략을 사용하면 서 대중의 관심을 어느 한 시점으로 몰리게 하여 발표한 제품이나 기술에 대해 다음 행보를 기대하게끔 만드는데요. 

이를 통해 기업은 더욱 높은 기대 효과를 누릴 수 있답니다. 많은 IT 스타트업이 데모데이를 정해 발표하는 것 또한 이러한 디데이 전략에 따른 행동이라 볼 수 있습니다.  

 

디데이를 정하기 전에 반드시 확인해야 할 사항들이 있는데요. 바로 아래 5가지의 단계를 고려하는 것입니다. 

1. 세부 시장 선택
2. 완전 완비제품 생산
3. 시장 집중 공략
4. 든든한 거점 고객 확보
5. 구전효과의 연쇄반응 생성

이 다섯 가지 단계를 통하면 얼리어답터로 불리는 선각 수용자를 중심으로 이들의 커뮤니티 등을 통해 충성도를 높여 구전효과를 만들어 낼 수 있습니다. 

 

신기술에 대한 거부감이 낮으며 좋은 기술 또는 제품이라면 기업이 시키지 않아도 알아서 입소문 효과를 일으키는 얼리어답터들 덕분에 마케팅 비용과 리소스를 절감하는 한편 이를 다시 개발 비용에 투자해 성능을 높이는 데 사용할 수도 있습니다. 

2) 완전 제품 전략

완전 제품 전략이란, 실제로는 ‘완전’과는 거리가 먼 전략입니다. 처음부터 완벽한 제품을 개발하겠다는 계획이나 출시한 제품이 고객의 요구를 모두 수용하는 완전한 제품이라는 생각에서 벗어나는 것에서 출발하는 것을 완전 제품 전략이라 하는데요. 

 

예를 들면, 새로운 기술이 장착된 전자제품이 가장 우수하기 때문에 고객들이 사 갈 수밖에 없다는 생각 대신 해당 전자제품에 고객들이 기대하는 다른 성능이 있을지 찾아보고 이를 보완해  점차적으로 주류 시장으로 나아가기 위한 잠재 제품을 개발하는 것을 의미합니다. 

 

이러한 단계별 점진적 발전을 통해 제품 개발과 보완으로 기술 수용 주기 곡선상의 다양한 고객의 수요를 반영할 수 있는 점이 장점입니다. 한마디로 부족한 사항을 계속해서 개선하는 것, 그것이 완전 제품 전략의 핵심입니다. 

3) 볼링 앨리 전략

볼링 앨리 전략은 이름처럼 볼링장을 떠올리면 조금 더 쉽게 이해할 수 있는 마케팅 전략입니다. 공 하나로 볼링핀 10개를 쓰러뜨리려면 아무렇게나 던지고 굴린다고 해서 핀을 다 쓰러뜨릴 수 없죠. 

 

잘못하다간 핀을 하나도 쓰러뜨리지 못하고 공이 구덩이에 빠지는 경우도 있는데요. 가장 좋은 건 볼링핀 하나를 맞춰서 쓰러뜨릴 때 해당 볼링핀이 맞은편이나 옆에 있는 볼링핀들을 건드려 쓰러지도록 연쇄반응을 일으켜 쓰러뜨리는 것이죠. 

 

신기술 도입으로 예를 들어 볼까요?  A라는 카테고리 안에 있는 B라는 신기술을 판매하기 위해서 처음부터 모든 사람에게 광고할 필요가 없습니다. 대신 A라는 카테고리에 속해 제품을 판매하고 있는 업체를 공략하는 것이 좋은 방법이 될 수 있죠. 

 

쉽게 말하자면, 만약 무선 이어폰 제조 기술이라는 신기술을 출시한 회사라면 이어폰이라는 카테고리 내에서 유선 이어폰을 제조하고 있는 업체 중심으로 해당 신기술을 노출, 홍보하는 것을 의미한답니다. 이를 통해 연쇄반응으로서 초기 시장에서의 고객을 확보하는 한편 무선 이어폰을 주류 시장으로 나아갈 수 있도록 하는 원동력이 될 수 있죠. 

캐즘 마케팅 성공과 실패 사례

1) 성공 사례: eBook

캐즘 마케팅 성공 사례로 eBook을 들 수 있습니다. 종이책 시장에 도전장을 내민 eBook은 초기 시장에서 시간적, 공간적, 물리적 제약을 완전히 뒤엎어 책 시장의 판도를 바꿀 기대주로 평가받았죠. 

 

하지만 출시 후 eBook의 반응은 예상만큼 좋지 않았습니다. 기기를 통해 장시간 책을 봤을 때 눈이 아프다는 평과, 읽을만한 콘텐츠가 많이 보급되지 않아 바로 캐즘에 빠져버리게 되었습니다. 때문에 모두 eBook을 실패한 신기술로 여기게 되었는데요. 이 때 eBook을 구해 줄 구세주가 등장합니다. 

 

바로 ‘아마존의 킨들’입니다! 아마존은 eBook 서비스인 ‘킨들 플랫폼’을 정착시키기 위해 고객의 피드백을 살린 디바이스를 고안해 냅니다.

 

 eBook을 읽을 경우 눈이 쉽게 피로해지는 단점을 극복하기 위해 흑백 잉크가 적용된 디스플레이를 개발하여 보급하고, 킨들 작가들을 따로 모집하여 킨들을 통해 즐길 수 있는 다량의 콘텐츠를 생산해 냅니다. 이를 통해 킨들은 캐즘을 극복하고 주류시장에 정착할 수 있게 되었는데요.

 

캔들의 성공에 이어 국내에선 크레마와 리디북스 같은 eBook 리더기가 출시되면서 급물살을 타게 되었고 월 정액형으로 eBook 전자책을 제공하는 ‘밀리의 서재’ 같은 서비스 회사가 탄생하면서 eBook으로 즐길 수 있는 콘텐츠 수도 많아졌습니다. 인프라와 협력사들의 노력 덕분에 eBook은 캐즘 마케팅을 통해 성공한 가장 최고의 사례로 남을 수 있게 되었죠. 

2) 실패 사례: 세그웨이

eBook이 인프라의 발전과 협력사의 노력 덕분에 캐즘에서 빠르게 빠져나올 수 있었다면, 세그웨이는 그와는 반대 사례라고 보시면 되십니다. 캐즘에 갇혀 지금까지도 빠져나오지 못한 기업의 대표적인 사례인데요.

 

초창기 세그웨이는 보편적인 운송 장치가 될 것이라는 평가를 받으며 업계와 소비자들의 관심을 한 몸에 받았습니다. 그러나 런칭 이후 세그웨이는 기대만큼 고객들의 관심을 끌지 못했습니다. 

 

인도에서는 지나치게 빠르나 차도에서는 너무 느린 애매한 속도와 1대에 1,000만 원에 이르는  높은 가격 그리고 1회 충전으로 최대 39km까지만 주행이 가능한 점은 세그웨이의 단점으로 뽑혀 고객들의 시선에서 외면되고 마는데요.

 

초기 혁신 수용자들에게는 문제가 되지 않았지만, 주류시장으로 나아가기엔 사용자의 입장은 깊이 고려하지 못했다는 평을 들으며, 결국 세그웨이는 주류시장에 정착하지 못하게 됩니다.

캐즘을 뛰어넘으려면

캐즘을 뛰어넘기 위해선 결국 주류 시장에 있는 고객들을 만족할 만한 기술이나 제품, 서비스가 개발되어야 합니다. 초기 시장의 얼리어답터들을 넘어 실 사용 고객들을 만족시켜야 하는 것이요. 

 

이를 위해 제품을 출시하기 전, 전체 소비자들의 니즈를 파악하고 이를 반영해 개선해 나가야 할 것입니다. 또한, 신제품이나 신기술을 출시하기 전에 충분한 검증과 테스트를 거치며 제품이나 기술의 완성도를 높여 보다 많은 고객을 만족시켜야 할 것입니다. 

 

완비 제품을 갖추기 위해 협력관계를 맺을 수 있는 제휴사 및 협력사들이 있는지 살펴보는 것도 좋은 방법입니다. 아마존의 킨들 서비스를 통해 밀리의 서재가 주류시장에 자리를 잡은 것처럼요!

 

“성공하고 싶다면 거인의 어깨에 올라서서 더 넓은 세상을 바라보라”

 

초기 시장에 나온 제품이나 기술 서비스가  주류 시장에 정착하기 위해 전략적으로 실행하는 케즘 마케팅(Chasm Marketing) 잘 보셨나요? 캐즘 마케팅을 성공적으로 실행하기 위해선 고객을 사로잡을 수 있는 좋은 기술이나 제품을 개발이 필요합니다. 또는 이미 성공한 기업들과의 협업을 활용할 수 있다는 점 잊지 마세요!

 

좋은 제품과 기술 개발을 위한 좋은 개발자 어디서 채용할 수 있을까요?

 

대한민국 최초, 최대 IT 프리랜서 매칭 플랫폼

 

이랜서는 우리나라 최초의 IT 프리랜서 매칭 플랫폼으로 23년 동안 약 9,000억 원 / 54,007 건의 프로젝트를 수주하며, 약 39만 명의 등록 프리랜서 중 기업의 요청에 맞는 검증된 IT 프리랜서의 매칭을 도와주고 있는 대한민국 최초, 최대의 IT 프리랜서 플랫폼입니다.

좋은 개발자, 디자이너를 찾을 수 있는 플랫폼: 이랜서

 

IT 기업의 경우 같은 카테고리 내에 여러 업체가 포진해 있으면 원하는 인재를 찾는데 어려움을 겪을 수 있습니다.  IT 프로젝트 업무 별로 프리랜서를 따로 채용하려면 시간과 인적 낭비가 크게 발생하게 됩니다.

 

하지만 이제 이랜서를 사용한다면 어떨까요? 39만 명의 프리랜서와 350만 개의 프리랜서 평가 데이터, 1억 5천 만개의 서비스 데이터를 활용하여 기업이 찾는 검증된 프리랜서를 이랜서 한 곳에서 모두 매칭 받을 수 있습니다.

 

인재 영입 플랫폼의 미래, 이랜서는 이런 분들께 추천합니다.

 

▶️ 신기술을 개발하는 데 있어 숙련된 개발자가 필요하다면? 

▶️ 시장을 놀라게 할 제품을 만들었는데, 디자인이 아쉬워 보완이 필요하다면? 

▶️ 고객들의 요구사항을 반영해 제품의 완성도를 높여야 할 때, 실력이 검증된 전문가가 필요하다면?

 

대한민국 최초, 최대 IT 프리랜서 매칭 플랫폼 이랜서에 프로젝트를 등록하고 검증된 프리랜서를 매칭 받으세요!

이랜서를 사용하시면 누릴 수 있는 강점 3가지!

첫째. 국내 최대  규모의 IT 프리랜서 인력 풀

이랜서에는 JAVA 언어, C 언어,  프로그래밍 언어, C++, Android, iOS 등의 관련 기술을 다룰 줄 아는 IT 개발자부터, 앱/ 웹 퍼블리셔, UX/UI 디자이너, 앱/웹 디자이너, 데이터 전문가, 클라우드 전문가 등   IT 분야별 전문 프리랜서가 약 39만 명이 등록되어 있습니다. 이랜서에 프로젝트를 등록하고 대한민국 최대 규모의 IT 프리랜서 인력 풀을 누려보세요.

 

둘째. 데이터베이스로 검증한 IT 프리랜서 매칭 시스템 

이랜서는 기업이 찾는 최고의 IT 인재를 추천하기 위해 23년 동안 서비스를 제공하며 쌓아온 약 350만 개의 프리랜서 평가 데이터와 1.5억 개의 서비스 데이터를 기반으로 고유 매칭 기술인 ‘오토퍼팩트 매치’를 구축해 자동화된 프리랜서 매칭 시스템을 사용하고 있습니다.

 

리뷰와 경력만으로 분류하는 타 플랫폼과는 다르게 객관적인 데이터를 사용하여 객관적으로 검증된 IT 프리랜서를 채용할 수 있는 것이죠. 대한민국 IT 프리랜서 플랫폼 중 가장 많은 양의 데이터로 최고의 IT 프리랜서를 매칭하는 프리미엄 프리랜서 매칭 시스템. 이랜서에서 느껴보세요!

 

셋. 업계 최저 수준의 수수료로 누리는 최고의 아웃소싱 효과

이랜서의 강점이 무엇인지 아십니까? 프리랜서 데이터만 확인하는 것이 아닌, 프로젝트 데이터도 함께 확인하여 이랜서는 사용하는 기업에게 최대 효과를 누리게 해 준다는 점입니다! 

 

이랜서는 기업들에게 최고의 아웃소싱 효과를 제공하기 위해 수수료를 23년 동안 약 53,788 건의 프로젝트 데이터를 분석했습니다. 그 결과 ‘업계 최저 수수료율’을 제공하며 기업들의 프리랜서 채용을 돕고 있습니다.

수요예측, 인공지능을 활용하여 효과 극대화하기!

수요예측이 왜 필요할까요? 수요예측은 쓸데없는 지출을 막아 재고 부담을 줄이고 수익을 최대화하여, 기업의 이익을 극대화하거나 효율성을 높이는 데 도움이 됩니다.

코로나 발생 초기, 진단키트의 필요를 예측하고 발 빠르게 움직여, 영업이익 2915.6%의 증가를 기록한 업체가 있습니다. 바로 ‘씨젠’입니다. 인공지능 기반의 빅데이터 시스템을 최대한 빠르게 활용한 결과, 개발 테스트에만 2~3개월이 걸리는 시간을 몇 주로 앞당기어 전 세계에 진단키트를 공급했습니다. 그 결과 초 대박을 넘어 코로나 초기 전 세계에 진단키트를 공급하는 ‘유일무이한 기업’이 되었습니다.

 

인공지능을 활용하여 수요예측을 측정하는 방법, 23년 동안 대한민국 대표 IT 프리랜서 매칭 플랫폼으로 활동하고 있는 이랜서에서 알려드리겠습니다!

 

수요예측, 인공지능을 활용하여 효과 극대화하기!

머신러닝(Machine Learning)이란?

 

머신러닝은 컴퓨터를 인간처럼 학습시킴으로써 컴퓨터가 새로운 규칙을 만들고 컴퓨터가 스스로 규칙을 학습할 수 있도록 도와주는 알고리즘이나 기술을 개발하는 분야를 말합니다. 알고리즘을 이용하여 데이터를 분석하고, 분석 결과를 스스로 학습한 후, 이를 기반으로 어떠한 판단이나 예측을 하는 것이 머신러닝의 과정입니다.

인공지능 개발자들은 데이터로부터 사람 수준의 간단한 지능을 구현할 방법을 고민하게 되었습니다. 머신이 인간처럼 생각하도록 하려면 어떻게 해야 할까요? 자체 예측 모델을 생성하도록 머신을 훈련해야 합니다. 이 예측 모델은 머신이 데이터를 분석하고 '학습'하는 머신이 되는 수단 역할을 합니다. 

데이터에 사람이 생각하는 정답(label)을 함께 머신에게 건내줍니다. 머신은 먼저 정답을 모른 채로 본인만의 예측을 수행하죠. 이후 주어진 정답과 얼마나 다른지 오류를 계산하고, 머신이 만들고 있는 모델이 이만큼의 오류를 가지고 있고 알려줍니다. 이렇게 오류를 줄여가는 방법으로 모델을 수정하고, 이러한 과정을 반복함으로써 사람의 생각과 유사하게 만들 수 있을 것이라는 방법을 생각했습니다.

이러한 과정을 학습(training)이라고 부르고, 학습 결과로 얻어진 지능을 실제 응용에 적용하는 이 기술을 바로 “머신러닝(Machine Learning)”이라고 부릅니다.

수요예측시 머신러닝이 필요한 이유

수요예측은 기업의 SCM(Supply Chain Management, 공급망 관리)에서 가장 중요한 부분을 차지합니다. 기업을 자원을 효율적으로 운영하여 이익을 남겨야 하는 만큼 모든 활동에 효율성을 중요시하는데요. 수요예측을 활용하면  불필요한 자원낭비를 막고, 올바른 비즈니스 전략을 구축해 타겟 고객 설정 효과를 극대화할 수 있습니다.

수요예측을 위해 기업들은 과거의 수요 트렌드를 학습해 미래 수요를 예측하는 ‘시계열 분석 모형’을 사용합니다. 주어진 데이터가 과거 시간에 따라 관측된 값 만을 이용하여 예측하는 간편함 때문에 사용하고 있는데요. 하지만, 모델이 간단해서 많은 양의 데이터를 제대로 분석하지 못하고,  평균값 추정에 집중하며, 비선형 관계가 많은 데이터를 설명하는데 적합하지 않아, 빅데이터 능력을 요구하는 요즘 시대와는 어울리지 않는 단점을 갖고 있습니다. 

 

이를 극복할 수 있는 기술이 바로 ‘머신러닝’입니다. 머신러닝은 머신이 데이터와 ‘정답’을 가지고 예측 모델을 만드는데요. 단순하게 평균만 구하는 전통적 시계열 분석 모형과 다르게 더 복잡한 분석도 수행할 수 있습니다.  또한 과거의 데이터에서 평균값만 분석하는 시계열 분석 방법과는 다르게  데이터가 많이 쌓일수록 좋은 성능을 보입니다. 데이터의 양이 방대해질수록 어려움을 겪는 시계열 분석모형과는 정반대죠? 

 

기업은 단순히 어떤 집단의 평균 값을 추정하는 것을 넘어 실행하고 있는 제도나 전략에 따른 고객의 반응을 예측하여 전략 도출이 필요하기 때문에, 기존 시계열 분석 모형에 머신러닝을 도입한 수요예측이 중요해지고 있습니다.

머신러닝으로 수요를 예측하는 방법

머신러닝을 설명할 때 모델에게 ‘정답’을 알려준다고 했었죠? 우린 이 방법을 ‘지도학습’이라고 부릅니다. 그럼 정답을 알려주지 않는 경우도 있을까요? 네 맞습니다. 그것을 우리는 ‘비지도 학습’이라고 부릅니다. 데이터 중에는 정답을 만들 수 없는 데이터나 상황이 있을 수 있는데, 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화하여 새로운 데이터에 대한 결과를 예측하는 방법을 사용합니다. 

수요예측에서는 주로 모델에게 정답을 알려주는 ‘지도학습’이 사용되는데, 그 이유는 정답이 되는 ‘판매량’에 대한 기록이 다 남아있기 때문이죠. 그렇다면 지도학습으로 수요예측을 어떻게 하는지 더 자세히 알아보겠습니다.

지도학습(Supervised learning)

수요예측에 지도학습을 적용해 보면 A라는 상품이 몇 개가 팔릴 것인지 예측하고 싶은 경우, 과거 판매 데이터 중 A라는 상품이 팔린 개수를 타겟(정답)으로 지정할 것이기에 이를 지도학습 방법을 사용하는 것이 적합합니다. 제품의 종류, 크기, 사용 용도, 가격 등 제품의 특징들과 타겟(정답)을 함께 인공지능 모델에 주게 되면, 인공지능 모델은 제품의 특징들과 타겟(정답)의 관계성을 파악하여 미래를 예측하게 됩니다.

그럼 단순한 판매량 추정이 아닌 특정 제품이 어떤 조건에서 잘 팔리는지 알고 싶을 때는 어떻게 해야 할까요? 데이터들은 판매된 제품의 특징, 구매자의 특징, 구매 날짜의 특징들로 구성되어 있을 것입니다. 그럼 ‘정답’으로는 판매량이 되겠죠? 머신은 데이터들을 보고 판매량을 예측할 거고, 정답들과 비교하며 모델을 수정합니다. 

 

최종적으로 판매량이 높을 때의 데이터 특징과 판매량이 낮을 때의 데이터 특징을 머신이 학습할 수 있게 됩니다. 데이터에 들어있는 다양한 정보들 중에서 어떤 게 판매량에 큰 영향을 미쳤는지를 알 수 있게 되는 것이죠.

시계열 분석(Time-Series Analysis)

머신러닝을 활용한 수요예측 방법은 지도학습뿐만 아니라 시계열 분석에도 도입할 수 있습니다. 아까 말씀드렸듯이 시계열 분석은 기업들이 많이 사용하는 수요예측 방법인데요. 어떤 경우에 사용하는지 예를 들어보겠습니다. 

A라는 상품의 최종 판매량보다 특정 기간(예를 들어 5월 셋째 주)의 판매량 예측이 더 중요하다고 가정해 봅시다. 블랙 프라이 데이나 관공절처럼 특정 기간만 할인해서 판매하는 행사나 이벤트를 개최했을 때,  이 경우 날짜의 흐름에 따른 판매량의 변동 예측을 수행합니다. 

시간의 흐름에 따른 과거 데이터의 패턴을 학습하고 미래의 예측도 시간에 따라 추정하는 방법론을 시계열 분석(Time-Series Analysis)이라고 하는데요. 시간 변수를 고려하지 않는 지도학습과 달리 시간 변수를 고려하여 학습하게 되는 것이죠. 시계열분석에 사용되는 데이터는 기본적으로 시간 축에 따라 예측 타겟이 기록되어 있습니다. 즉 아래 그림처럼 시간의 경과에 따라 상품의 판매량이나 가격의 추이가 연속적으로 기록되어 있죠.

출처 : ssseok.log

이때 시간에 따라 패턴을 학습하기 위해서는 시간이라는 변수와 타겟의 관계에 일종의 규칙성이 존재해야 합니다. 예를 들어 매주 월요일에 판매량이 높아지든지, 매년 겨울에 판매량이 감소하든지, 일정한 주기에 따른 감소와 증가 추세가 뚜렷할수록 시계열분석 모델을 사용하기 적합합니다.

 

머신러닝을 통해 시간의 흐름에 따라 판매량을 추적하고 싶은 경우에는 시계열분석을 사용하고, 시간과 상관없이 상품의 특징을 가지고 최종적인 판매량을 예측하고 싶은 경우에는 지도학습을 사용하면, 보다 정밀하고 정확한 수요예측을 할 수 있습니다.

머신러닝을 적용하여 수요를 예측한 기업 사례

• 머신러닝을 활용하여 예측 오차를 18% 개선한 이마트

우리나라 유통업계 중 머신러닝을 활용하여 수요예측 오차를 18% 개선한 유통 업체가 있습니다. 바로 우리나라의 대표 유통 업체 ‘이마트’입니다. 이마트는 전국에 140여 개 정도의 점포를 운영하고 있는데요. 점포별 영업일은 연간 340일 이상이며, 독립적으로 고려해야 할 사항으로 지정한 ’독립변수’가 40여 개에 이릅니다.

이러한 상황에서 과거에 데이터에 기반에 사람의 머리로 계산되는 수요예측은 코로나19와 같이 예측하지 못한 외부 변수에 유연하게 대처하기 힘들고, 인력도 많이 요구하여 개선방안을 찾고 있었는데, 이를 해결하기 위해 인공지능 모델인 머신러닝을 도입했습니다.

 

이마트에서 발생한 2년간의 데이터를 기반으로 예측 모델을 구축하고, 데이터 분석을 실시했습니다. 효율적인 작업을 위해 수집한 원 데이터를 축수하고, 엔지니어링을 통해 전처리와 보정하는 작업을 거치며 파생 변수를 생성하는 작업을 거친 뒤 예측 모델 학습을 진행했는데요. 

 

상황이나 내/외부 조건 변화에 따라 특정 상품의 판매량이 어떻게 변화했는지, 확인하며, 학습을 통해 고도화된 머신러닝을 통해 이마트의 수요예측 요차 율은 사람이 수기로 진행했을 때보다 무려 18%나 개선되었습니다. 이를 계기로 이마트는 머신러닝을 활용해 수요예측을 진행하고, 인공지능 시스템을 기반으로 자동 발주 적용하고 있는데, 10개월가량 한 번의 장애가 없이 발주를 수행하며, 이마트만의 ‘맞춤형 인공지능 시스템’을 구축하고 있습니다.

 

머신러닝을 활용한 수요예측을 적용하기위해

머신러닝을 활용한 수요예측을 위해서는 지도학습(supervised Learning)과 시계열 분석(Time-series analysis)에 대한 지식이 필요합니다. 수요예측 분야는 주로 시계열 데이터를 많이 다뤄본 전문가와 회귀 모델링 경험이 많은 전문가가 필요합니다. 주 언어는 파이썬, R이며, 데이터베이스 관리를 위해 SQL을 사용할 수 있다면 좋습니다. 파이썬 머신러닝 라이브러리인 Scikit-learn을 자유롭게 사용할 수 있어야 하며, 파이토치 혹은 텐서플로우 딥러닝 프레임워크로 다양한 모델링을 해 본 경험이 필요합니다. 

 

하지만, 기업들은 기업의 수에 비해 정교한 AI 기술을 모델링 할 수 있는 전문가의 공급이 매우 적어 많은 회사에서 AI 기술 도입에 어려움을 겪고 있습니다. 또한 기업 현황을 고려하여 AI 기술을 도입해야 하기에, 현장에서 부서 전문과들과 논의하며 AI 기술을 도입할 전문가가 필요한데요. 함께 논의하며 AI기술을 도입할 전문가, 대한민국 최대 IT 프리랜서 매칭 플랫폼 이랜서에서 채용해보세요.

 

수요예측 개발에 필요한 AI 전문가를 찾으시나요? 

검증된 IT 프리랜서를 매칭하는 이랜서에 AI 전문가를 매칭해 드립니다. 

23년의 데이터를 활용한 검증된 프리랜서 매칭 서비스

이랜서는 기업이 찾는 최적합 프리랜서를 매칭하기 위해 23년 동안 쌓은 모든 데이터를 활용합니다. 약 350만 개의 프리랜서 평가 데이터와 1.5억 개의 서비스 데이터를 활용하여 IT 프리랜서를 검증, 매칭하고 있습니다.

 

맞춤형 서비스 제공을 위한 1:1 매니저 배정 서비스 

‘인력은 만사’라는 말이 있듯이 새로운 직원을 채용한다는 것은 매우 중요합니다. 이랜서는 프리랜서 매칭 시 기업의 요구사항을 최대한 반영하기 위해, 프로젝트를 등록 시 1:1로 매니저를 배정하여 맞춤 케어를 진행합니다. 배정된 매니저를 통해 기업은 실력뿐만 아니라 인성까지 검증된 IT 프리랜서를 매칭 받을 수 있습니다.

 아직도 검증되지 않은 전문가를 채용하세요?

이랜서는 다릅니다. 기업이 함께 일할 수 있는 프리랜서를 매칭하기 위해, 23년의 모든 데이터를 활용하여 최적합 프리랜서를 매칭합니다. 대한민국 최초, 최대 IT 프리랜서 매칭 플랫폼 이랜서에 프로젝트를 등록하세요. 23년의 노하우와 데이터를 활용하여 최고의 IT 프리랜서를 매칭하겠습니다.

SMALL