신상품 10개 중 7개는 출시 6개월 안에 사라진다. 재고 떠안고, 광고비 날리고, 결국 손절한다. “감이 좋아서” 성공했다는 셀러 이야기를 듣고 따라 해봤다가 망한 경험, 한 번쯤 있을 거다.
왜 실패할까? 대부분 같은 패턴이다. 이미 포화된 시장에 비슷한 상품을 넣거나, 수요는 있는데 마진이 안 나오는 구조를 못 보거나, 고객이 원하는 것과 내가 팔고 싶은 것이 다르다. 결국 “뭘 팔까”가 아니라 “뭘 팔면 안 되는가”부터 따져야 한다.
AI가 이 과정을 바꿔놓고 있다. 감 대신 데이터로, 경험 대신 패턴으로 상품 기회를 걸러낸다. 거창한 시스템이 아니다. 이미 있는 데이터 — 리뷰, 검색어, 경쟁사 가격 — 를 제대로 읽는 방법이다.
1단계: 고객 리뷰에서 “없어서 못 사는 것”을 찾는다
신상품 아이디어의 가장 확실한 출처는 고객 불만이다. 기존 상품 리뷰에서 반복되는 불만 패턴이 곧 신상품 기회다.
예를 들어, 보조배터리 카테고리 리뷰 3,000개를 AI로 분석하면 이런 패턴이 나온다:
- “무겁다”가 450건 — 경량 모델 수요 존재
- “케이블 따로 들고 다녀야 해서 불편”이 280건 — 케이블 일체형 수요
- “비행기에서 못 쓴다”가 120건 — 기내 반입 가능 용량에 대한 오해 또는 니즈
“무겁다”와 “케이블 별도”가 겹치는 구간이 있다면? 경량 + 케이블 내장 보조배터리가 기회 영역이다. 이미 있는 상품이라도 기존 제품 리뷰가 부정적이라면 진입 여지가 있다.
리뷰 데이터를 AI로 분석하는 구체적인 방법은 이전 글에서 다뤘다. 핵심은 별점 3~4점 구간이다. 5점은 만족, 1~2점은 분노 — 3~4점에 “괜찮은데 이것만 아쉽다”는 개선 신호가 숨어 있다.
실전 프롬프트
ChatGPT나 Claude에 리뷰 데이터를 넣고 이렇게 요청한다:
이 리뷰 데이터에서 반복되는 불만을 빈도순으로 정리해줘.
각 불만에 대해:
1. 언급 횟수
2. 대표 리뷰 원문 2개
3. 이 불만을 해결하는 상품이 현재 시장에 있는지 여부
를 표로 만들어줘.이 결과물이 신상품 후보 리스트의 첫 번째 버전이 된다.
2단계: 검색 트렌드로 “지금 올라오는 수요”를 확인한다
리뷰에서 찾은 아이디어가 실제로 사람들이 찾고 있는 건지 확인해야 한다. 검색량이 증가 추세인지, 계절성이 있는지, 이미 정점을 지났는지.
확인할 데이터:
- 네이버 데이터랩 — 국내 검색 트렌드. “케이블 내장 보조배터리”의 6개월 검색량 추이
- Google Trends — 글로벌 수요. 해외 소싱이나 아마존 판매를 고려한다면 필수
- 쿠팡/네이버 자동완성 — “보조배터리”를 치면 뒤에 뭐가 붙는지. 자동완성 키워드가 곧 실시간 수요
AI로 이 과정을 자동화하는 방법:
다음 키워드들의 최근 6개월 검색 트렌드를 분석해줘:
- 케이블 내장 보조배터리
- 경량 보조배터리
- 기내반입 보조배터리
각 키워드에 대해:
1. 상승/하락/횡보 여부
2. 계절성 패턴 유무
3. 관련 롱테일 키워드 5개
를 정리해줘.검색량이 올라가고 있는데 경쟁 상품 수가 적다면, 그게 타이밍이다. 반대로 검색량은 높은데 이미 상품이 넘쳐나면, 차별화 포인트 없이는 진입하면 안 된다.
3단계: 경쟁사 빈틈을 데이터로 찾는다
좋은 아이디어가 있어도 경쟁 구도를 모르면 레드오션에 뛰어드는 거다. AI로 경쟁사를 분석할 때 봐야 할 건 세 가지다.
첫째, 가격대별 공백. 해당 카테고리의 가격 분포를 뽑아본다. 1만 원대에 20개, 3만 원대에 15개, 5만 원대에 2개라면? 5만 원대 프리미엄 구간에 기회가 있을 수 있다. 단, 그 가격에 고객이 지불 의향이 있는지는 별개 문제다.
둘째, 별점 분포의 허점. 상위 10개 상품의 평균 별점이 3.8이라면, 4.5짜리를 만들 수 있는 여지가 있다. 경쟁사 가격 대응 전략에서 다룬 것처럼, 가격만이 아니라 품질 포지셔닝도 경쟁의 축이다.
셋째, 배송과 재고 안정성. 경쟁사가 품절을 자주 일으키는 카테고리는 안정적 공급만으로도 차별점이 된다.
경쟁 분석 프롬프트
[카테고리명] 상위 20개 상품의 다음 정보를 정리해줘:
1. 가격대별 분포 (구간: 1만/2만/3만/5만/10만 이상)
2. 평균 별점과 리뷰 수
3. 최근 30일 품절 이력 유무
4. 각 상품의 차별화 포인트 1줄 요약
이 데이터를 기반으로:
- 진입하기 좋은 가격 구간
- 차별화 가능한 기능/스펙
- 피해야 할 포지션
을 분석해줘.4단계: 마진 시뮬레이션으로 “팔아도 되는 상품”인지 검증한다
수요도 있고 경쟁 빈틈도 있다. 그런데 마진이 5%라면? 광고비 넣는 순간 적자다. 신상품 소싱의 마지막 관문은 숫자다.
AI에게 시뮬레이션을 돌려본다:
다음 조건으로 마진 시뮬레이션을 해줘:
- 예상 소싱가: 8,000원
- 예상 판매가: 24,900원
- 쿠팡 수수료: 10.8%
- 로켓배송 물류비: 2,500원
- 광고비 비율: 매출의 15%
- 반품률: 3%
순마진율과 BEP(손익분기) 판매량을 계산해줘.
광고비를 10%로 줄였을 때, 반품률이 5%로 올랐을 때 각각 어떻게 바뀌는지도 보여줘.이 시뮬레이션을 3~5개 후보 상품에 대해 돌리면, 감이 아니라 숫자로 우선순위가 정해진다.
수요 예측으로 적정 발주량을 잡는 방법까지 연결하면, 소싱 → 발주 → 재고 관리까지 데이터 기반으로 이어진다.
실패를 줄이는 체크리스트
4단계를 거친 후보 상품이 나왔다면, 최종 점검이다. 하나라도 “아니오”가 나오면 재검토한다.
- 리뷰 데이터에서 확인된 실제 수요가 있는가?
- 검색 트렌드가 상승 또는 안정세인가?
- 경쟁사 대비 명확한 차별점이 한 가지 이상 있는가?
- 순마진율 15% 이상 확보 가능한가?
- 초도 물량 실패 시 감당 가능한 금액인가?
5개 중 4개 이상 “예”라면 소량 테스트 발주로 시작한다. 전량 발주가 아니라 100~300개 단위로 시장 반응을 먼저 본다.
감에서 데이터로, 한 번에 다 걸지 않기
신상품 소싱에서 AI가 해주는 건 결국 하나다. 실패 확률을 줄여주는 것. 100% 성공하는 상품을 찾아주는 게 아니라, “이건 하면 안 된다”를 걸러주는 필터다.
감 좋은 셀러도 10번 중 3번은 맞힌다. AI 필터를 거치면 10번 중 5~6번으로 올라간다. 그 차이가 1년 치 수익을 바꾼다.
오늘 당장 할 수 있는 것: 지금 팔고 있는 상품의 리뷰 500개를 AI에 넣어보자. 고객이 뭘 아쉬워하는지, 거기에 다음 상품의 힌트가 있다.
