반품률이 높으면 광고비를 아무리 태워도 밑 빠진 독이에요.
저는 스마트스토어와 쿠팡에서 월 500건 넘게 팔리는 상품을 운영하고 있어요. 그런데 한 제품의 반품률이 어느 날 갑자기 8%를 넘겼어요. 마진이 눈에 띄게 줄었고, 반품 처리 인건비까지 합치면 사실상 적자 구간이었죠.
문제는 왜 돌아오는지 모른다는 거였어요. 반품 사유란에는 “단순 변심”이 70%였거든요. 진짜 이유가 뭔지 알 수 없었어요.
“왜 안 팔릴까” 대신 “왜 돌아올까”를 물었다
보통 매출이 안 나오면 “어떻게 하면 더 팔까”부터 고민하잖아요. 저도 그랬어요. 광고비를 올리고, 쿠폰을 걸고, 키워드를 바꿨어요. 그런데 반품률이 높은 상품은 이 접근이 독이에요. 더 많이 팔수록 더 많이 돌아오니까요.
그래서 질문을 뒤집었어요. “왜 돌아올까?” 이 질문에 답하려면 데이터가 필요했어요. 반품 접수 시 고객이 남긴 메모, CS팀이 정리한 문의 내용, 쿠팡 반품 사유 분류 — 이걸 다 긁어모았어요. 6개월치, 약 200건.
엑셀에 정리된 200줄의 텍스트 데이터. 직접 읽으면서 분류하려니 하루가 걸릴 것 같았어요. 그래서 AI한테 던졌습니다.
1단계: 반품 데이터 정리해서 AI에 넣기
먼저 데이터 형식을 맞춰야 해요. 엑셀이나 구글 시트에서 반품 관련 컬럼만 뽑아요.
필요한 컬럼은 이 정도예요:
- 반품 일자
- 상품명 (또는 SKU)
- 고객이 선택한 반품 사유 (단순변심, 상품불량, 오배송 등)
- 고객 메모 (있으면)
- CS 상담 메모 (있으면)
이걸 CSV로 내보내거나, 텍스트로 복사해서 AI에게 넘기면 돼요. 저는 ChatGPT에 이렇게 프롬프트를 넣었어요:
아래는 최근 6개월간 [상품명] 반품 데이터 200건이야.
각 건에는 반품 사유와 고객 메모가 있어.
이 데이터를 분석해서 다음을 알려줘:
1. 반품 사유를 세부적으로 재분류해줘 (“단순변심”을 구체적으로 쪼개줘)
2. 가장 많이 반복되는 불만 키워드 상위 10개
3. 고객이 기대한 것과 실제 받은 것의 차이(기대 불일치)가 드러나는 패턴[여기에 데이터 붙여넣기]
핵심은 “단순변심을 쪼개달라”는 요청이에요. 대부분의 반품 사유가 “단순변심”으로 묶여 있거든요. 하지만 고객 메모를 같이 보면 진짜 이유가 달라요.
AI가 뱉어낸 분류 결과, 예상 밖이었다
AI가 200건을 분석해서 내놓은 재분류 결과는 이랬어요:
- 사이즈/규격 불일치 (34%) — “생각보다 크다”, “사진이랑 비율이 다르다”
- 색상/재질 기대 불일치 (22%) — “실물이 더 저렴해 보인다”, “사진이랑 색이 다르다”
- 기능 오해 (18%) — “이 기능이 되는 줄 알았다”, “호환되는 줄 알았다”
- 순수 변심 (15%) — 실제로 단순 변심인 경우
- 배송/포장 문제 (11%) — “박스가 찌그러져 왔다”, “포장이 허술하다”
“단순변심” 70%라고 생각했는데, 진짜 단순 변심은 15%뿐이었어요. 나머지 55%는 상세페이지가 고객의 기대를 잘못 세팅한 결과였던 거예요.
이건 좋은 소식이에요. 상세페이지를 고치면 반품이 줄어든다는 뜻이니까요.
2단계: 분석 결과를 상세페이지 수정 포인트로 변환
분류 결과를 받았으면, 이제 이걸 구체적인 수정 액션으로 바꿔야 해요. 같은 대화창에서 이어서 프롬프트를 넣어요:
위 분석 결과를 바탕으로, 현재 상세페이지에서 수정해야 할 포인트를 구체적으로 알려줘.
각 수정 포인트마다:
1. 문제 (고객이 오해하는 부분)
2. 현재 상세페이지에서 부족한 점
3. 수정 방향 (어떤 정보를 어디에 추가/변경할지)
4. 수정 전후 카피 예시현재 상세페이지 URL: [URL 넣기]
또는 상세페이지 텍스트를 아래에 붙여넣을게:
[텍스트 붙여넣기]
이때 상세페이지 텍스트나 이미지 설명도 같이 넣어주면 훨씬 정확한 답이 나와요. AI가 “현재 이렇게 쓰여 있는데, 이렇게 바꾸면 된다”고 짚어주거든요.
제 경우 AI가 알려준 수정 포인트 중 가장 임팩트가 컸던 건 이거였어요:
문제: 사이즈 정보가 스펙 표에만 있었음
수정 방향: 메인 이미지 3번째 컷에 실측 비교 사진 추가, 상세페이지 상단에 “실제 크기 이만큼” 문구 삽입
카피 수정 전: “가로 15cm × 세로 10cm × 두께 2cm”
카피 수정 후: “아이폰 16 옆에 놓으면 이 정도 크기예요 — 실측 사진으로 확인하세요”
숫자만 나열하면 고객은 크기를 체감 못 해요. 리뷰 데이터로 상세페이지 카피를 뽑는 방법에서도 강조했지만, 고객이 쓰는 말로 바꿔야 전달이 돼요.
3단계: 수정 후 반품률 변화 추적하기
상세페이지를 고쳤으면 끝이 아니에요. 실제로 반품률이 줄었는지 확인해야 하죠. 이것도 AI한테 시키면 돼요.
아래는 상세페이지 수정 전(1~3월)과 수정 후(4~6월) 반품 데이터야.
수정 전후를 비교해서:
1. 전체 반품률 변화
2. 사유별 반품률 변화 (특히 사이즈 불일치, 색상/재질 기대 불일치)
3. 수정이 효과가 있었는지, 추가로 개선할 부분은 무엇인지 알려줘
저는 이 과정을 거쳐서 해당 상품의 반품률을 8.2%에서 4.7%로 낮췄어요. 3개월 동안 반품 처리 비용만 약 120만 원을 아꼈고, 그만큼 마진이 살아났어요.
반품 데이터가 없으면 어떡하나요?
“우리는 반품 데이터를 따로 모으지 않는데요”라는 분도 있을 거예요. 그래도 방법이 있어요.
- 쿠팡 셀러센터 → 반품/교환 관리에서 사유별 건수 확인 가능
- 스마트스토어 → 반품 관리 메뉴에서 사유 필터링 가능
- 자사몰 → CS팀에게 최근 3개월 반품/교환 문의 내역 달라고 하면 됨
- 데이터가 정말 없으면 → 경쟁사 상품의 부정적 리뷰를 긁어와도 비슷한 효과. 고객 리뷰 1000개를 AI한테 던져서 기획서 뽑는 방법을 응용하면 돼요
부정적 리뷰에는 반품까지 안 갔지만 불만을 가진 고객의 목소리가 담겨 있어요. 이걸 분석하면 반품 예방까지 가능해요.
이 방법이 먹히는 진짜 이유
대부분의 셀러가 매출을 올리려고 “유입”에 집중해요. 광고를 더 돌리고, 키워드를 더 넣고, 프로모션을 더 해요. 그런데 유입이 늘어도 반품이 많으면 순이익은 안 늘어요.
경쟁사 데이터로 가격 전략을 세우는 것도 중요하지만, 그 전에 이미 팔린 상품이 돌아오지 않게 만드는 게 우선이에요. 신규 고객 한 명 데려오는 비용보다 반품 한 건 줄이는 게 훨씬 싸거든요.
반품 사유 분석의 핵심은 이거예요:
- 고객의 기대와 실제 경험 사이의 간극을 찾는다
- 그 간극이 상세페이지의 어떤 부분에서 생기는지 특정한다
- 특정한 부분을 고객이 오해하지 않도록 수정한다
AI는 이 과정에서 200건의 텍스트를 읽고 패턴을 잡아주는 역할을 해요. 사람이 하루 걸릴 일을 10분으로 줄여주는 거죠.
정리: 3단계 프롬프트 워크플로우
- 데이터 던지기 — 반품 사유 + 고객 메모 데이터를 AI에게 넘기고, “단순변심을 세부 재분류”하라고 요청
- 수정 포인트 뽑기 — 분류 결과 + 현재 상세페이지를 함께 넣고, “수정 전후 카피 예시”까지 요청
- 효과 검증 — 수정 전후 반품 데이터를 넣고, 사유별 변화 비교 요청
이 세 단계만 따라가면, 반품률 문제의 절반 이상은 상세페이지 수정으로 해결할 수 있어요. 반품이 줄면 마진이 살고, CS 업무도 줄고, 상품 평점도 올라가요. 한 가지를 고쳤을 뿐인데 여러 곳이 동시에 좋아지는 거예요.
반품 사유 엑셀, 지금 바로 열어보세요.
