쿠팡 로켓배송 셀러라면 한 번쯤 이런 경험이 있을 거예요. “이번 달 잘 팔렸으니까 다음 달도 넉넉히 넣자.” 결과는? 창고비만 나가고 반품 처리에 시간 쓰고, 정작 잘 나가는 색상은 품절.
재고 관리에서 가장 위험한 착각이 “많으면 안전하다”는 생각이에요. 실제로는 정반대입니다. 과잉 재고는 곧 묶인 현금이고, 현금이 묶이면 신상품 소싱도, 광고 집행도 못 해요.
과잉 재고가 마진을 갉아먹는 구조
숫자로 보면 명확해요. 재고 유지 비용(보관료 + 자본비용 + 감가)은 보통 상품 원가의 20~30%입니다. 1억 원어치 재고를 6개월 안고 있으면, 1,000~1,500만 원이 그냥 증발해요.
문제는 이 비용이 장부에 “손실”로 찍히지 않는다는 점이에요. 그래서 대부분의 셀러가 체감을 못 합니다. “많이 쌓아놨으니 안심”이라는 감정이, 실제로는 마진을 조용히 깎고 있는 거죠.
AI 수요 예측은 어떻게 다른가
전통적인 재고 관리는 “지난달 100개 팔았으니 이번 달도 100개”식의 단순 추정이에요. AI 수요 예측은 여기에 몇 가지를 더 봅니다.
계절성, 프로모션 효과, 경쟁사 가격 변동, 심지어 날씨 데이터까지. 예를 들어 광고비를 갑자기 늘리면 수요가 뛰는데, 기존 방식은 이 급증을 반영하지 못해요. AI는 광고 집행량을 실시간으로 반영해서 “이번 주 150개 필요”라는 구체적 숫자를 내놓습니다.
글로벌 유통 기업 데이터(McKinsey, Gartner 보고서 기준)를 보면, AI 수요 예측 도입 후 과잉 재고가 30~50% 줄었고, 품절은 40~60% 감소했어요. 매출 10억 원 기준 운전자본이 1.5~2억 원 개선되었다는 분석도 있습니다.
AI도 틀릴 때가 있다
솔직히 말하면, AI 수요 예측이 무조건 맞는 건 아니에요. 특히 신상품처럼 과거 판매 데이터가 없는 경우, 그리고 예고 없는 외부 변수(갑작스러운 바이럴, 경쟁사 단종 등)에는 AI도 빗나갑니다.
이럴 때는 수동 보정이 필요해요. 신상품은 유사 SKU의 초기 판매 패턴을 참고하고, 외부 이벤트는 발생 즉시 예측치를 수동으로 올리는 식이죠. AI를 “조언자”로 두되, 최종 판단은 사람이 하는 겁니다.
중소 셀러도 쓸 수 있나요?
“그건 대기업 얘기 아닌가요?”라는 질문이 나올 수 있어요. 5년 전이라면 맞는 말이었어요. 지금은 아닙니다.
Shopify의 재고 예측 기능, 쿠팡 Wing의 판매 현황 → 상품별 분석, 아마존 FBA의 재입고 추천 — 이미 플랫폼 자체에 기본 수요 예측이 내장되어 있어요. 별도 솔루션 없이도 시작할 수 있습니다.
먼저, 재고 회전율부터 측정하세요. SKU별로 몇 일치 재고를 갖고 있는지 확인하는 것이 출발점이에요. 90일 이상 안 팔린 SKU가 전체의 몇 퍼센트인지 — 이 숫자가 당신의 현실입니다.
다음으로, 판매 데이터를 주 단위로 쪼개 보세요. 월 단위로 보면 계절성과 프로모션 효과가 뭉개져요. 트렌드 분석에서도 강조했지만, 데이터의 해상도가 높을수록 예측이 정확해집니다.
마지막으로, 안전 재고를 “감”이 아니라 산식으로 잡으세요. 간단한 공식이 있어요. 일평균 판매량 × 리드타임 + (일별 판매 편차 × 1.65). 예를 들어 하루 평균 10개 팔리고, 입고까지 7일 걸리며, 일별 편차가 3개라면: 10×7 + 3×1.65 = 약 75개가 적정 안전 재고예요. 가격도 감으로 정하면 안 되듯이, 재고도 마찬가지예요.
재고 관리는 수비가 아니라 공격입니다
재고를 잘 관리한다는 건 “덜 사는 것”이 아니에요. 팔릴 물건에 현금을 집중하는 거예요. 과잉 재고에 묶인 돈을 풀면, 그 현금으로 신상품 테스트도 하고 광고도 더 돌릴 수 있어요.
AI 수요 예측은 완벽한 예언이 아닙니다. 하지만 “감”보다는 확실히 낫고, 그 차이가 연간 수천만 원의 마진으로 갈려요. 지금 당장 할 수 있는 건, 셀러 센터에서 SKU별 판매 데이터를 주 단위로 내려받는 것 — 거기서부터 시작해 보세요.
Photo by Hoi An and Da Nang Photographer on Unsplash
