지난달 시즌 끝나고 창고에 쌓인 재고를 보면서 계산기를 두드려 봤어요. 물류비, 보관료, 할인 처분 비용까지 합치니 원가의 40%가 넘더라고요. “많이 넣어야 안전하지”라는 생각이 오히려 마진을 갉아먹고 있었던 거예요.
재고 과잉의 진짜 비용은 보관료가 아니다
셀러 대부분이 재고 비용을 보관료 정도로 생각해요. 하지만 실제 비용은 그보다 훨씬 복잡해요. 자금이 재고에 묶이면 신상품 소싱 기회를 놓치고, 시즌이 지나면 할인 판매로 마진이 반토막 나요. 쿠팡 로켓배송 기준으로 90일 이상 장기 재고는 추가 보관료가 붙기 시작하고, 180일 넘으면 강제 반출 대상이 되기도 해요.
반대로 재고가 부족하면? 품절은 매출 손실뿐 아니라 검색 순위 하락으로 이어져요. 한번 떨어진 순위는 재입고해도 쉽게 회복이 안 돼요. 재고 관리의 핵심은 “많이 넣는 것”도 “적게 넣는 것”도 아니라 “정확히 넣는 것”이에요. 특히 AI 에이전트가 고객 대신 상품을 고르는 시대에는, 재고가 불안정한 상품은 AI 추천 목록에서 아예 빠지게 됩니다.
엑셀 예측의 한계, 그리고 AI가 다르게 보는 것
지금까지 대부분의 중소 셀러는 엑셀에 지난 달 판매량을 넣고, 감으로 1.2배 정도 곱해서 발주했을 거예요. 저도 그랬어요. 문제는 이 방식이 “지난달과 비슷할 것”이라는 가정에 기대고 있다는 점이에요.
AI 수요 예측은 접근이 달라요. 과거 판매 데이터는 기본이고, 요일별 패턴, 계절성, 프로모션 이력, 심지어 경쟁사 가격 변동까지 변수로 넣어요. McKinsey 조사에 따르면, AI 수요 예측을 도입한 기업 중 25%가 영업이익의 5% 이상을 이 기능 하나에서 만들어냈어요. 연 매출 10억 기준으로 환산하면 순이익 수천만 원 차이가 날 수 있는 수준이에요. 재고를 20~30% 줄이면서도 품절률은 오히려 낮아진 사례가 속속 나오고 있어요.
중소 셀러가 당장 시작할 수 있는 방법
1단계: 데이터부터 한 곳에 모으기
채널별로 흩어진 판매 데이터를 하나로 합치는 게 첫 번째예요. 스마트스토어, 쿠팡, 자사몰 데이터가 각각 다른 엑셀에 있으면 AI고 뭐고 쓸 수가 없어요. 가장 간단한 방법은 각 플랫폼에서 CSV를 내보내서 구글 시트 하나에 합치는 거예요. 셀러허브나 사방넷 같은 통합 관리 솔루션을 쓰고 있다면 거기서 데이터를 한 번에 뽑을 수도 있어요.
2단계: 무료 도구로 패턴 확인
구글 트렌드에서 내 상품 키워드의 계절 패턴을 확인해 보세요. “선풍기”는 4월부터 검색이 올라가고 “가습기”는 9월부터예요. 이 데이터만으로도 발주 시점을 2~3주 앞당길 수 있어요. 네이버 데이터랩의 쇼핑인사이트도 같은 용도로 쓸 수 있어요.
3단계: AI 예측은 보조 도구로 쓰기
AI가 “다음 달 판매량 500개”라고 해도 그대로 발주하면 안 돼요. 항구 파업, 원자재 가격 변동, 갑작스러운 트렌드 변화는 AI가 감지하기 어려운 영역이에요. AI 예측치를 베이스라인으로 두고, 시장 상황을 직접 반영해서 조정하는 방식이 현실적이에요. Target은 AI로 주간 수십억 건의 수요 예측을 돌리면서도, 최종 판단은 바이어가 해요.
측정해야 할 숫자 두 가지
AI 도입 전후를 비교하려면 딱 두 가지만 추적하면 돼요. 재고 회전일수(Days of Supply)와 품절률(Stock-out Rate). 재고 회전일수가 줄어들면서 품절률이 올라가지 않으면, 예측이 제대로 작동하고 있다는 뜻이에요.
결국 재고 관리의 핵심은 미래를 맞추는 게 아니라 틀렸을 때 빨리 바로잡는 시스템을 만드는 거예요. AI는 그 시스템의 속도를 올려주는 도구고요. 감에 의존하던 발주를 데이터 기반으로 바꾸는 것, 거기서부터 시작해 보세요. 재고 최적화가 자리를 잡으면, AI 광고 캠페인의 ROAS도 눈에 띄게 달라집니다. 광고 전환율은 결국 상품이 재고 있는 상태에서만 의미 있으니까요.
Photo by Rohit Choudhari on Unsplash
