온라인 쇼핑몰 대표를 위한 대시보드 — 조사와 제작 기획
1. 결론
대표 화면의 중심은 ‘매출이 얼마인가’보다 ‘얼마 남았고, 돈이 언제 모자라며, 무엇을 바꿀 것인가’여야 한다. 이는 아래 제품·학술·운영 자료를 종합한 설계 제안이다. 경영자 인터뷰로 수요나 구매 의사를 확인한 결과는 아니다.
우선 만들 화면은 다섯 가지다. ① 경영 현황: 광고 후 남는 금액과 이번 주 결정 ② 광고·고객: 신규 고객을 얻는 비용과 다시 사는 고객 ③ 상품·재고: 돈이 남는 상품과 먼저 발주할 상품 ④ 현금 계획: 정산과 지급이 겹칠 때의 잔액 ⑤ 데이터 기준: 숫자의 원천·누락·확정 여부. 세금 신고용 장부나 광고 관리 도구를 대신하지 않고, 대표가 각 담당자에게 물어야 할 질문을 연결한다.
현재 사용자 데모는 정제 과정과 매출·광고·정산 대사에 강점이 있다. 경영 화면으로 확장하려면 상품 원가, 배송·반품 비용, 재고, 매입 지급 계획, 고객 식별 범위가 추가로 필요하다. 엑셀 세 개를 합쳤다는 사실만으로 이익·현금·고객 가치를 알 수는 없다.
읽는 순서
본 문서: 최종 판단·화면 기획·한국 데이터 제약·실행 계획.
제품별 조사: 마케팅·커머스 도구의 실제 기능과 직접 출처.
경영 지표 조사: KPI 정의·해석·비용 범위와 경영학 근거.
기존 화면 관찰: 사용자가 제시한 데모를 직접 실행한 결과.
대시보드 체험: 가상 데이터로 살펴보는 경영 화면.
2. 누구를 위한 화면인가
국내 생활용품을 자사몰·스마트스토어·쿠팡에서 판매하고, 광고비와 사입 재고를 관리하는 대표를 첫 대상으로 가정한다. 고객사가 지정되지 않았으므로 다음 구분은 가설적 사용자 분류다. 매출액 하나로 단계를 고정하지 않는다.
| 사업 상황 | 대표가 먼저 답할 질문 | 먼저 열 화면 | 미뤄도 되는 분석 |
|---|---|---|---|
| 1인 판매자·소수 SKU | 이 상품을 더 팔면 남는가? 정산 전 매입대금이 부족한가? | SKU 마진·입출금·미정산 | 복잡한 다중접점 기여도, 예측 LTV |
| 여러 마켓 운영·사입 재고 | 어느 채널/상품에 돈을 묶을까? 반품이 이익을 지우는가? | 채널별 공헌이익·재고·현금 | 고객 통합이 안 된 전사 LTV |
| 자사몰 중심 성장 브랜드 | 광고를 늘려도 회수되는가? 신규 고객의 재구매가 유지되는가? | 신규 획득·코호트·광고 후 이익 | 일별 플랫폼 ROAS만으로 자동 예산 배분 |
| 팀과 물류가 커진 브랜드 | 어떤 병목이 이익과 성장을 막는가? | 사업부/채널 손익·운전자본·수요/공급 계획 | 모든 실무 지표를 대표 첫 화면에 표시 |
카테고리도 중요하다. 내구재는 짧은 재구매율이 낮아도 자연스럽다. 패션은 옵션·사이즈별 반품, 식품은 유통기한, 해외 소싱은 리드타임·환율·MOQ가 중요하다. 따라서 공통 화면 아래에 업종별 진단을 붙이는 구성을 제안한다. 이 우선순위는 실제 인터뷰와 데이터 점검으로 조정해야 한다.
3. 실무 자동화와 경영 판단의 차이
| 직원 업무 자동화 | 대표에게 필요한 추가 질문 | 추가 데이터 |
|---|---|---|
| 주문 파일을 합친다 | 매출 증가가 이익 증가인가? | 판매 시점 원가, 판매자 부담 할인, 배송·수수료·광고 |
| 광고비와 매출을 날짜로 묶는다 | 광고를 줄이거나 늘리면 실제 남는 돈이 달라지는가? | 신규/기존 고객, 귀속 기준, 실험 또는 최소한 관측 한계 |
| 정산액과 장부를 대사한다 | 급여·매입대금 전에 현금이 들어오는가? | 은행 잔액, 지급 계획, 예정 정산일·보류금 |
| 상품별 매출 순위를 만든다 | 한정된 발주 자금을 어느 상품에 쓸까? | 가용재고, 리드타임, 판매 속도, 공헌이익, 발주 조건 |
| 취소·반품을 제거한다 | 어떤 상품/채널이 반복적으로 손실을 만드는가? | 반품 사유, 역물류비, 재판매 가능 여부, 결함·배송 기록 |
‘매출이 늘었다→광고를 증액한다’처럼 단일 지표와 행동을 바로 연결하지 않는다. 먼저 비용 누락과 반품 지연을 확인하고, 다음으로 재고와 지급 여력을 확인한다. 광고 조치는 실험 범위·중단 기준을 함께 기록한다.
4. 연구가 말해주는 것과 말해주지 않는 것
4.1 중소 판매자 대시보드의 실험 근거
Bar-Gill·Brynjolfsson·Hak의 eBay Seller Hub 연구는 단계적 도입을 이용해 판매자 분석 도구의 효과를 분석했다. Stanford 연구 소개는 평균 매출 3.6% 증가와 성과 모니터링의 역할을 보고한다. 이 수치는 eBay의 해당 실험 결과이며, 국내 판매자나 이번 시제품의 예상 효과가 아니다. 기능 묶음의 효과를 특정 차트 한 개의 효과로 분해해 주장할 수도 없다. 연구진 기관 요약, 2024 · 학술지 원문
기획 적용: 화면에 숫자만 두지 않고 주간 검토, 담당자, 다음 확인을 연결한다. 초기 성과 측정은 매출 상승을 보장하는 방식보다 ‘정의가 맞는 보고서 준비 시간’, ‘누락 비용 발견’, ‘검토 후 실행·보류 결정 기록’으로 시작한다. 이것은 자체 제안이다.
4.2 높은 광고 ROAS가 광고의 효과를 증명하지는 않는다
Blake·Nosko·Tadelis의 eBay 실험은 광고 클릭과 구매 의도가 함께 움직이므로, 관측 매출로 추정한 광고 효과가 실험 결과와 다를 수 있음을 보였다. 신규·비정기 고객과 기존 고객에서도 효과가 달랐다. 유명 플랫폼의 과거 결과를 근거로 모든 브랜드 검색광고를 중단하라는 뜻은 아니다. 저자 공개 논문, 2014-08-12 개정본
Google Analytics도 attribution을 접점에 전환 기여를 배분하는 방식으로 설명한다. 따라서 플랫폼 ROAS, 전체 매출 대비 광고 효율, 실험에 의한 증분 효과는 서로 다른 질문에 답한다. Google 공식 문서
기획 적용: 신규/기존 고객·브랜드/비브랜드를 구분한다. 플랫폼 전환매출을 주문 매출과 더하지 않는다. 귀속 창과 모델이 다른 ROAS는 같은 색의 순위표로 자동 판정하지 않는다.
4.3 재고와 채널 최적화는 현금과 같이 봐야 한다
McKinsey의 옴니채널 공급망 글은 채널을 가로지르는 재고 가시성, 수요·조달기간·예측 불확실성을 고려한 재고 계획, 현금 요구를 함께 다룬다. 대형 유통의 운영 논의를 소형 쇼핑몰에 그대로 이식할 필요는 없지만, 발주를 판매량 하나로 결정해서는 안 된다는 설계 근거가 된다. 원문, 2021-07-19
기획 적용: 품절 위험만 강조하면 과잉 발주로 이어질 수 있다. 발주 후보에 예상 지급일과 현금 최저 잔액을 함께 붙인다. 재고 공동 사용 여부가 확인되지 않으면 채널별 재고를 임의 합산하지 않는다.
4.4 교차검증의 경계
‘매출/광고 외에 이익·고객·재고가 필요하다’는 설계는 제품 문서, 운영 자료, 지표 연구를 종합한다. 동일 업체의 도움말 3개를 독립 근거 3개로 세지 않는다.
플랫폼 API의 특정 필드 의미는 해당 플랫폼 문서가 정본이다. 출처 3개를 맞추기 위해 비공식 문서를 추가하지 않는다.
대시보드의 매출 증가 효과는 여기서 확인한 하나의 실험 맥락에 제한된다. 한국 소형 판매자의 도입 의사·지불 의사·유지율을 입증할 자료는 확보하지 못했다.
최신 제품 기능은 2026-09-22 확인 기준이다. 오래된 학술 연구는 원리 검토에만 사용하며 현재 광고 생태계의 수익률 자료로 사용하지 않는다.
4.5 도구들이 제공하는 화면을 어떻게 가져올 것인가
9개 제품의 상세 기능·제약·요금 원문은 제품별 조사에 있다. 다음은 제품 서열이 아니라 이번 기획에 쓸 관점의 비교다. 국내 채널에 실제 연결해 본 결과는 아니다.
| 제품군 | 해당 제품 | 제공하는 관점 | 이번 화면에 가져올 것 | 별도 확인할 공백 |
|---|---|---|---|---|
| 판매 플랫폼 분석 | Shopify·Cafe24·스마트스토어 | 주문·상품·유입·판매 성과 | 익숙한 기간 비교와 카드→상세 이동 | 채널 밖 비용·현금·전사 재고 |
| 광고·통합 분석 | Triple Whale·Northbeam·Polar | 채널 통합·귀속·사용자 정의 지표 | 정의가 있는 요약, 귀속 창, 원인 탐색 | 한국 커넥터·식별 한계·비용 완전성 |
| 고객·수익성 분석 | Lifetimely | 손익·획득비·고객 가치·구매 행동 | 공헌이익 관점과 코호트별 회수 | 원가 입력·미래 예측의 불확실성 |
| CRM 실행 | Klaviyo·데이터라이즈 | 고객군·캠페인·메시지·매출 귀속 | 분석 후 구체적인 실행으로 연결 | 귀속 매출과 증분 이익의 차이 |
기능 확인 원문: Shopify, Triple Whale, Northbeam, Polar, Lifetimely, Klaviyo, 데이터라이즈. Cafe24·네이버 세부 기준은 제품별 조사에서 직접 링크한다.
제안: 이들 기능을 모두 다시 만드는 접근은 피한다. 주문/캠페인 운영은 기존 도구에 남기고, 대표 화면은 검증된 원장과 비용을 이어 보여주는 역할을 맡긴다. 국내형 차별점의 후보는 ‘한국 결제·정산 날짜와 비용 정의를 맞춘 통합’, ‘발주와 현금의 연결’, ‘누락 비용을 드러내는 신뢰도’다. 이것이 구매 이유가 되는지는 아직 인터뷰로 검증하지 않았다.
선택 기준도 달라야 한다. Shopify만 쓰고 고객 코호트가 핵심이면 기존 분석 제품을 먼저 평가할 수 있다. 여러 국내 마켓과 ERP/엑셀이 섞여 있다면 연결·대사 비용이 화면 라이선스보다 더 큰 문제가 될 수 있다. 이는 비용 실측이 아닌 구축 범위에 대한 추론이다. 가격표를 보고 국내 지원이나 총소유비용이 낮다고 단정하지 않는다.
5. 경영 질문을 화면으로 바꾸기 — 자체 설계안
| 대표의 질문 | 첫 지표 | 눌렀을 때 보여줄 것 | 검토할 행동 | 막아야 할 오판 |
|---|---|---|---|---|
| 매출은 늘었는데 왜 돈이 없지? | 순매출·광고 후 공헌이익·현금 | 비용 변화와 정산/지급 날짜 | 할인·채널 구성·지급 조건 검토 | 매출=현금, 공헌이익=순이익 |
| 광고를 더 써도 되나? | 신규 고객 획득비·회수기간·공헌이익 | 채널/캠페인, 신규/기존, 데이터 신뢰도 | 작은 증액 실험 또는 유지 | 높은 귀속 ROAS=증분 효과 |
| 잘 팔리는 상품을 더 사올까? | 재고 커버일·발주 후 최저현금 | 옵션, 조달일, MOQ, 마진, 판매 이력 | 분할 발주·조달 일정 확인 | 매출 상위=최우선 발주 |
| 묵은 재고를 할인할까? | 재고 원가·보유 기간·할인 후 단위 기여 | 가격·수수료·배송·예상 수량 | 할인·묶음·채널 이동 실험 | 현금 회수와 회계 이익 혼동 |
| 고객이 다시 오나? | 같은 관측기간의 재구매율 | 첫 구매 상품/시기별 코호트·분모 | 상품·배송·CRM 개선 후보 | 아직 60일 안 된 고객을 실패로 처리 |
| 반품이 왜 늘었지? | 반품 금액/출고 기준 반품율 | 주문 코호트·사유·옵션·비용 | 상품 설명·QC·배송 점검 | 당일 주문과 당일 반품의 비율만 비교 |
| 이 숫자를 믿어도 되나? | 원가 커버리지·대사 미해결·갱신 시각 | 누락 원천·표본·기준 변경 기록 | 숫자 확정 보류·담당자 확인 | 누락 원가를 0원으로 처리 |
5.1 대표 첫 화면
상단은 사업 범위·기간·통화·잠정 여부를 보인다. 핵심값은 순매출, 광고 후 공헌이익, 공헌이익률, 예정 지급을 반영한 현금 위험으로 제한한다. 이 아래에 매출에서 비용을 차감하는 흐름과 채널별 표를 둔다. 증감은 이전 동일 길이 기간과 비교한다.
그 다음은 ‘오늘 검토할 일’이다. 각 항목에 관측 사실, 가능한 해석, 확인할 원인, 이동할 상세 화면을 붙인다. 단정적인 ‘광고를 즉시 중단하세요’ 대신 ‘비용·귀속 차이를 확인한 뒤 소규모 감액 실험 검토’처럼 조건을 남긴다. 자동 집행은 하지 않는다.
5.2 광고와 고객
전체 순매출/전체 광고비(MER)를 사업 전체의 부담 수준으로 보여준다. 플랫폼 ROAS는 매체가 부여한 전환매출과 설정된 귀속 창을 함께 표시한다. 두 지표가 서로 대체재는 아니다. 유입→구매 전환율의 분모도 세션/사용자/클릭 중 무엇인지 고정한다.
자사몰 고객이 식별되는 경우에만 D30·D60 재구매 코호트를 제공한다. 신규 획득비에는 어떤 지출이 포함됐는지 표시한다. 고객 획득 광고만 포함한 값과 전체 마케팅비를 포함한 값을 이름 없이 혼용하지 않는다. 누적 매출과 누적 공헌이익을 나누고, 아직 회수되지 않았으면 ‘관측기간 내 미회수’로 표시한다.
5.3 상품과 재고
매출 TOP 대신 ‘공헌이익’, ‘품절 위험’, ‘현금이 묶인 재고’의 세 가지 정렬을 제공한다. 발주 후보는 가용재고+확정 입고-예약 출고를 바탕으로 계산하고, 리드타임·안전기간을 표시한다. 수요가 0이었던 기간에 품절이 있었으면 판매량을 수요라고 취급하지 않는다. 단순 커버일은 계절성·행사 효과를 반영한 수요 예측과 구분한다.
할인 시뮬레이션은 가격을 바꿨을 때의 단위 기여만 먼저 보여준다. 할인하면 몇 개 더 팔릴지는 검증되지 않은 가정이므로 별도 입력으로 둔다. 재고 처분 시 과거 매입 지출과 새로 들어오는 현금을 구분한다.
5.4 현금 계획
현재 사용할 수 있는 잔액에서 출발해 예정 정산·기타 입금, 매입·광고·급여·임차료·세금·대출 상환 등을 날짜별로 반영한다. 원가를 손익에서 차감한 뒤 재고 매입 지출을 같은 손익에 또 차감하지 않는다. 시제품은 8주 단위로 간단히 보여주되 실제 자금 운영은 일별 부족도 검사해야 한다.
정산 지연 0/7/14일, 첫 발주 금액 변경 시 최저 잔액이 어떻게 달라지는지 확인한다. 이는 조건부 시나리오이며 정확한 매출 예측을 의미하지 않는다. 기간 밖으로 밀린 입금은 삭제하지 않고 ‘조회 이후 입금’으로 남기는 것이 바람직하다.
5.5 데이터 기준
원가 입력률은 전체 SKU 수보다 대상 매출액 중 원가가 매칭된 비중을 우선한다. 이름이 같은 상품도 옵션·묶음·원가 유효기간이 다를 수 있다. 데이터가 늦거나 비용이 누락되면 잠정 이익과 경고를 동시에 보여준다. 경고를 펼쳐 원본 파일/대사 차이를 확인할 수 있어야 한다.
5.6 카테고리별 실적 — 추가 기획, 아직 미구현
카테고리별 매출은 추가한다. 여러 상품군을 운영하는 대표가 사업 구성을 판단하는 중간 화면으로 제안한다. 현재 시제품의 채널별 표와 개별 상품 표 사이에 상품군별 비교가 빠져 있다. 이 기능의 실제 사용 빈도와 지불 의사는 아직 고객 인터뷰로 확인하지 않았다.
첫 표에는 카테고리 / 순매출 / 매출 비중 / 전기 대비 증감 / 광고 전 공헌이익 / 재고 원가를 제안한다. 카테고리를 누르면 상품·옵션별 내역을 보여준다. 단순 매출 순위만 보면 많이 팔리지만 남는 금액이 적거나 재고에 돈이 많이 묶인 상품군을 구별하기 어렵다. 구성비 변화와 매출 증가가 같은 뜻이 아니므로 금액·비중·증감을 함께 둔다.
구현 조건은 각 주문 상품의 SKU를 회사 공통 카테고리에 연결하는 것이다. 마켓마다 다른 분류를 그대로 합치지 않는다. 한 상품을 여러 카테고리에 중복 합산하지 않으며, 분류하지 못한 매출은 ‘미분류’로 남겨 전체 합계를 맞춘다. 묶음 상품은 구성품 배분 기준을 정하고 분류 변경은 과거 보고서에 미치는 영향을 기록한다.
카테고리별 광고비가 직접 식별되지 않으면 광고 후 공헌이익을 확정값으로 제공하지 않는다. 우선 광고 전 공헌이익을 비교하고, 광고비를 매출 비중 등으로 나눈 경우에는 ‘배분 추정’과 기준을 표시한다. 원가가 없는 상품은 수익성을 계산할 수 없다는 기존 §6.4 원칙을 적용한다. 위 내용은 설계 제안이며 가상 시제품에 임의 원가·분류를 넣어 실제 추적이 되는 것처럼 표시하지 않는다.
6. 한국 쇼핑몰에서 필요한 데이터 계약
6.1 공식 API로 확인한 범위
NAVER Commerce API의 2.89.0 문서에는 주문·정산·부가세 범주가 있고, 건별/일별 정산 및 수수료 상세 경로가 구분되어 있다. 이것은 데이터 종류를 확인한 것이며, 특정 판매자 계정의 권한·조회 가능 기간·실제 값은 호출해 검증하지 않았다. 문서 버전 · 정산 범주
쿠팡 문서는 결제일·매출인식일·지급예정일을 분리한다. 상품 노출 ID는 합쳐지거나 분리될 수 있어 대사 키로 부적합하다고 명시하고, 옵션 ID를 구분한다. 따라서 주문일 하나로 월별 매출과 정산을 붙이지 않는다. 매출내역 공식 문서
쿠팡 지급내역은 정산대상액과 최종 지급/예정액이 다르고, 지급 상태와 보류·차감 항목이 존재한다. 자금 화면은 매출 추정액보다 실제 지급 예정 자료를 우선해야 한다. 구체적인 지급 비율을 모든 계정에 고정해 넣지 않는다. 지급내역 공식 문서
6.2 내부 표 설계 — 제안
| 테이블과 최소 단위 | 주요 키/필드 | 주의사항 |
|---|---|---|
| 주문 상품 행 | source, account, order_id, line_id, SKU, 수량, 결제/매출인식 시각 | 주문 헤더 금액을 상품행마다 복제해 합산하지 않음 |
| 환불/반품 사건 | refund_id, line_id, 발생/처리 시각, 금액, 재판매 가능 여부 | 부분 환불·교환·취소 상태 변경 이력 보존 |
| 판매 시점 원가 | SKU, valid_from/to, 원가, 평가 방법 | 현재 원가를 과거 판매 전체에 덮어쓰지 않음 |
| 수수료·배송·포장·반품비 | 주문/배치 참조, 비용 종류, 공급가액/VAT/지급액 | 판매자/플랫폼 부담 할인·배송비 수익 구분 |
| 광고 일별 원천 | 플랫폼, 계정, 캠페인, 날짜, 비용, 귀속 매출, 모델/창 | 총계와 하위 집계를 동시에 합산하지 않음 |
| 고객/코호트 | 자사몰 customer_id, 첫 유효구매일, 관측 마감일 | 마켓 고객을 전화번호 등으로 무리하게 합치지 않음 |
| 재고 스냅샷·입고계획 | 시각, 창고, SKU, 가용/예약/불량/입고예정 | 여러 채널이 공유하는 같은 실물을 중복 합산 금지 |
| 정산/현금계획 | 정산ID, 예정/실입금일, 상태, 금액; 지급일/종류 | 손익 귀속과 현금 날짜를 별도로 유지 |
모든 import에 파일 해시·원천·가져온 시각·대상기간을 붙인다. 동일 파일 재업로드는 중복을 만들지 않아야 한다. 변경된 환불/정산 내역은 다시 수집해 갱신하고, 확정 보고서가 바뀌면 수정 이력을 남긴다. 이는 기존 파이프라인 기획의 원장·원천 분리 원칙을 경영 화면에 확장한 것이다.
6.3 출시 전에 막아야 할 계산 오류
VAT 포함 주문액과 VAT 제외 비용을 설명 없이 비교하지 않는다. 과세/면세 혼합을 일괄 1.1로 나누지 않는다.
취소/할인/환불이 이미 반영된 금액에서 같은 항목을 다시 차감하지 않는다.
매체 전환매출, GA4 구매매출, 주문 원장을 더해 전사 매출을 만들지 않는다.
고객 코호트는 동일한 관측기간으로 비교한다. 분모와 식별 가능한 채널을 표시한다.
비율은 분자 합계÷분모 합계로 계산한다. 캠페인 ROAS를 단순 평균하지 않는다.
원가 누락·광고 누락·0분모는 0원/0%와 다르다. 미확인 또는 N/A로 표현한다.
현재까지 이익과 미래 현금 시나리오의 기간을 섞지 않는다. 현금은 전체 기업 기준인지 채널 기준인지 명시한다.
통계적 경고는 원인 확정이 아니다. 표본이 적은 상품의 비율 급등을 과장하지 않는다.
6.4 실제로 추적·집계할 수 있는가? — 2026-09-22 후속 확인
가능하다. 다만 계산식보다 원가와 비용 자료를 빠짐없이 연결하는 일이 먼저다. 현재 시제품은 가상 일별 자료를 합산하며, 실제 주문 수집·원가 연결·정산 대사 기능은 없다. 현재 집계 코드 · 가상 원천과 제외 비용
확인한 사실: 쿠팡 매출내역 API에는 주문번호·옵션 ID·판매/환불 구분·판매액·수수료·지급예정일이 있다. 그러나 이 자료만으로 판매자의 상품 매입원가와 실제 택배 청구액까지 채워지지는 않는다. Shopify 역시 판매 당시 원가가 등록된 상품에 대해 이익을 보고하며, 원가 없는 상품이 빠져 매출 보고서와 합계가 달라질 수 있다고 설명한다. 따라서 플랫폼 연결만으로 완전한 이익 계산이 된다고 약속하면 안 된다. 쿠팡 공식 필드 · Shopify 원가 입력 조건
아래는 필요한 데이터가 확보됐을 때의 구현 가능성에 대한 판단이다. 특정 판매자 계정의 권한·파일 형식·정확도는 아직 확인하지 않았다.
| 지표 | 집계에 필요한 자료 | 가능한 범위와 한계 |
|---|---|---|
| 순매출·환불·채널별 매출 | 주문 상품행, 취소/환불, 할인 부담 주체 | 비교적 먼저 구현 가능. 변경된 환불을 다시 반영하고 중복 주문을 제거해야 함 |
| 광고 전 공헌이익 | 순매출 + 판매시점 상품 원가 + 판매 수수료 + 출고/포장/반품 등 변동비 | 원가표·물류 청구서 등을 연결해야 함. 비용 미확인 주문은 확정 이익에서 구분 |
| 광고 후 공헌이익 | 위 자료 + 같은 기간 광고비 | 회사 전체는 합산 가능. 광고비를 상품에 정확히 연결할 수 없으면 상품별 값은 배분 추정으로 표시 |
| 광고비 대비 전체 매출(MER) | 전체 순매출, 전체 광고비 | 기간·부가세·통화를 맞춰 계산. 광고 때문에 늘어난 매출을 뜻하지 않음 |
| 광고 서비스별 ROAS | 매체비와 그 서비스가 광고 성과로 잡은 매출 | 보고서 수치 재현 가능. 여러 서비스의 광고 매출 합산 금지 |
| 재구매율·고객당 누적 매출/이익 | 안정적인 고객 ID, 첫 구매일, 이후 주문/환불, 원가 | 식별 가능한 자사몰부터 시작. 여러 마켓의 동일 고객 식별을 보장하지 않음 |
| 고객 획득비(CAC) | 실제 신규 고객 수 + 포함 범위를 정한 획득 비용 | 주문 수로 고객 수를 대신하지 않음. 현재 시제품은 가정한 첫 주문당 광고비만 표시 |
| 재고 소진일·발주 후보 | 실제 재고, 예약 수량, 입고 일정, 판매 이력 | 단순 소진일 계산 가능. 품절 기간·행사·계절성은 별도 보정 필요 |
| 앞으로 남을 현금 | 현재 잔액, 정산 예정, 발주·급여·세금 등 지급 일정 | 조건부 계획 가능. 미래 매출과 돌발 비용까지 확정 예측할 수는 없음 |
공헌이익 계산 제안: 할인·환불을 반영한 순매출에서 판매한 상품의 원가와 판매에 따라 드는 비용을 뺀다. 광고비는 별도 단계로 차감해 광고 전/후 금액을 함께 보인다. 임차료 등 고정비를 빼기 전이므로 순이익으로 부르지 않는다. 비용의 포함 범위는 업체와 먼저 정해야 한다.
예를 들어 순매출 1,000만원, 판매한 상품 원가 400만원, 수수료·배송 등 변동비 150만원, 광고비 100만원이면 광고 후 공헌이익은 350만원이다. 설명용 가상 숫자이며 실제 수익률이나 목표가 아니다. 재고를 사는 데 지급한 돈 전부를 그달 판매 원가로 차감하면 안 된다.
가장 작은 검증 제안: 쇼핑몰 한 곳의 최근 한 달 주문·정산 파일, 상품별 원가표, 배송/물류비, 광고비 자료로 먼저 맞춰 본다. 취소·부분환불·묶음 상품을 포함한 주문 표본과 월 합계를 대조한다. 원가가 연결된 매출 비중, 미확인 비용, 정산 차이를 함께 표시한다. 그 결과로 가능한 지표를 확정한 뒤 반복 수집을 자동화한다. 거래량과 원천을 확인하기 전에는 개발 기간·자동화율·정확도를 숫자로 약속할 수 없다.
6.5 화면 문구 수정 — 2026-09-22
대표 화면의 제목은 분석 원칙을 선언하지 않고 실제 판단할 질문을 적는다. 광고 제목을 ‘광고비는 얼마나 쓰고, 고객은 얼마나 다시 살까?’로 바꿨다. ‘코호트’는 첫 구매 월별 고객, ‘귀속 매출’은 광고로 잡힌 매출, ‘D30’은 30일 내로 풀어 썼다. MER·ROAS는 필요한 계산 설명에만 남긴다. 공헌이익에는 인건비·임차료 등을 빼기 전 금액임을 함께 표시한다. 연구 문서의 전문 용어와 실제 제품 화면의 쉬운 문구는 구분한다.
7. 도입 우선순위와 검증 계획 — 자체 제안
7.1 먼저 만들 것
1단계: 숫자를 믿을 수 있게. 주문·환불·원가·수수료·광고 원천을 합치고 대사한다. 대표와 ‘순매출/공헌이익’ 정의를 합의한다. 자동 API보다 승인된 CSV로 시작해도 된다. 완료 기준은 대표 주문 표본과 월/일 합계가 일치하고 누락을 숨기지 않는 것이다.
2단계: 결정 세 개를 연결. 채널별 공헌이익, 품절/과잉재고, 8주 현금 계획을 만든다. 실제 대표가 최근 내린 결정 세 개를 같은 화면으로 재구성할 수 있는지 확인한다. 화면을 예쁘게 만드는 것과 의사결정 시간을 줄이는 것을 따로 평가한다.
3단계: 성장 품질을 검증. 충분한 자사몰 이력이 있을 때 고객 코호트·획득비·회수기간을 추가한다. 광고 증액/감액은 최소 검출 효과와 실행 가능한 표본을 검토해 실험한다. 표본이 부족하면 불확실성을 그대로 보고한다.
7.2 대표 인터뷰 질문
지난달 실제로 바꾼 광고·발주·할인 결정은 무엇이며 어떤 파일을 봤는가?
매출이 늘었는데도 불안했던 날에 부족한 숫자는 무엇이었는가?
상품 원가·수수료·반품 비용을 얼마나 확정할 수 있는가?
정산일 전에 지출해야 하는 큰 금액은 무엇인가?
지금 보고서의 어느 숫자를 믿지 못하고, 누가 확인하는가?
이 화면에서 판단한 결과를 누구에게 전달하고 언제 다시 검토할 것인가?
실제 인터뷰는 이번에 하지 않았다. 질문 목록을 수요 검증 결과처럼 쓰지 않는다.
7.3 성과 측정
| 측정할 것 | 초기 방식 | 성공 판정의 주의점 |
|---|---|---|
| 보고 준비 시간 | 기존 방식과 같은 기간·자료로 작업시간 비교 | 한 번의 시연 시간을 일반화하지 않음 |
| 숫자 신뢰도 | 원가 매칭 매출비중·미해결 대사 금액·지연 원천 수 | 경고를 숨겨 100%로 만들지 않음 |
| 결정에 쓰이는 정도 | 주간 회의에서 근거를 열고 실행/보류를 기록한 비율 | 로그인 횟수만으로 효용 판단 금지 |
| 실제 경제 효과 | 비교 기간/군과 비용을 포함한 평가 설계 | 매출 변화에서 계절·가격·행사 영향을 분리 |
MVP에 목표 매출 증가율이나 보편적인 ROAS 기준을 임의 설정하지 않는다. 목표는 사업별 원가 구조·현금 여력·수요에 따라 정한다.
8. 제작·검증·배포 현황
가상 56일 데이터를 사용한 5개 화면을 구현했다. 기간·채널 필터, 광고 후 공헌이익, 전사 MER와 플랫폼 귀속 ROAS, 첫 구매 코호트, 공유 재고 판단, 8주 현금 시나리오, 표 CSV를 제공한다. 공개 연구 페이지는 이 문서와 제품 비교·지표 사전·기존 데모 검토를 함께 담았다.
Chrome 1440px·390px에서 화면을 확인했다. 7일·자사몰 필터와 현금 시나리오가 실제로 바뀌며, 정산 14일 지연·첫 발주 7천만원 가정은 주말 최저 현금 −4,830만원으로 표시된다. 가상 수치이며 사업 성과를 뜻하지 않는다. 계산 검증은 손익·광고비 대사·상품 매출 합계·재고·코호트·현금 입력 경계를 포함한다.
시제품은 고객 원장 수집·회계 확정·광고 집행을 수행하지 않는다. 환불 회수비·광고 제작비 등 누락 비용이 있고, 신규 주문당 광고비는 신규 주문 비중 61%를 가정한 단순 추정이며 고객 CAC가 아니다. 실제 운영에서는 고객 식별과 비용 보완이 필요하다. 현금 최저는 주말 기준이므로 주중 자금 부족을 보증하지 않는다. 전사 고정비·현금·통합 광고와 자사몰 코호트의 범위를 채널 필터와 분리했다.
공개 주소: 대시보드 · 심층 리서치. 배포 결과·원본 대조·복원 방법은 운영 기록에 남긴다. 최종 사용성 만족도는 실제 경영자의 검토 전이며, 현재 검증은 시제품 기능·계산·표시 범위다.
9. 조사 접근 및 미확인 사항
직접 확인일: 2026-09-22. 도구 제공자의 자료는 기능 존재의 근거로 사용하며 고객 성과·국내 연동 적합성·유지율을 입증하는 자료로 취급하지 않는다.
NBER 원문 웹 요청은 403이었다. Seller Hub 연구는 Stanford 저자 기관 요약, 광고 실험은 Berkeley 저자 공개 PDF를 확인했다. HBR 유료 본문은 확인하지 않아 전문을 읽은 것처럼 논거를 확장하지 않았다.
API 문서는 확인했지만 실판매자 계정 API 호출·데이터 권한·유료 서비스 체험은 하지 않았다.
내부 실제 주문·고객·계좌 자료는 공개 산출물에 포함하지 않는다. 표본 수치와 경고 임계값은 시연 가정이다.
후속으로 필요한 것은 기능 추가보다 첫 고객의 데이터 표본과 실제 결정 사례 검증이다.