신제품 수요 예측, 과거 판매 데이터가 없을 때 시작하는 법

신제품은 판매 이력이 없으므로 시계열 모델에 넣을 '과거'가 없습니다. 그렇다고 예측 없이 초도 생산량을 감으로 정할 수도 없습니다. 유사 제품, 사전 주문, 채널 계획을 이용하되 불확실성을 크게 표시하는 출발점이 필요합니다.

유사 제품을 한 개만 고르지 않는다

가격, 대상 고객, 유통 채널, 계절성, 출시 방식이 다른 제품을 한 개 골라 복사하면 편향이 큽니다. 여러 유사 사례를 모으고 어떤 속성이 비슷한지 점수화합니다. 실패한 출시 사례도 비교 대상에 넣어야 낙관 편향을 줄일 수 있습니다.

마케팅팀의 목표 수량은 달성하고 싶은 값이고 예측은 현재 정보에서 가능한 범위를 나타냅니다. 목표를 예측에 그대로 넣으면 재고 결정이 과감해집니다. 차이를 숨기지 않고 어떤 캠페인이 추가 수요를 만들지 가정으로 남깁니다.

사전 예약, 문의, 장바구니, 초기 구매는 실제 판매와 거리가 다릅니다. 중복 계정이나 일시적인 광고 유입을 제거하고 전환율을 추정합니다. 출시 직후 며칠의 급증을 장기 수요로 외삽하지 않도록 합니다.

낮음·기준·높음 시나리오에 각각 발주와 생산 대응을 연결합니다. 추가 생산 리드타임이 길다면 품절 비용과 과잉재고 비용을 함께 비교합니다. 예측 구간을 보여 줘야 의사결정자가 위험을 선택할 수 있습니다.

출시 후 실제 판매와 품절·재고 제한을 함께 기록합니다. 품절 때문에 판매량이 낮았다면 수요가 낮았다고 학습하면 안 됩니다. 몇 주마다 유사 제품 가정과 관측 신호의 가중치를 재검토합니다.

주의할 실패: 성공 제품 하나만 유사 사례로 삼으면 낙관적 초도 발주가 될 수 있다.

관찰할 지표: 초도 품절, 잔여재고, 시나리오별 예측 오차를 본다.

Forecasting: Principles and Practice, Judgmental forecasts. 교재는 신제품처럼 과거 데이터가 없는 경우 유추와 판단 기반 예측의 역할과 편향을 다룹니다. 본문의 운영 단계는 이를 초도 물량 결정에 적용한 예시입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#신제품수요예측 #콜드스타트 #유사제품 #판매예측 #수요시나리오 #초도생산 #재고관리 #예측불확실성 #공급망 #데이터분석