1. 개요
전자상거래 시장에서 배송비는 고객의 구매 결정에 중요한 영향을 미치는 요인이다. olist는 중소형 판매자의 상품을 olist란 브랜드로 mercado Livre와 같은 대형 마켓플레이스에 등록하여 판매하는 B2B2C 플랫폼이다. 이러한 운영 방식으로 인해, 한 주문(order_id)에 다중 판매자(seller_id)의 상품(product_id)이 포함 된 경우 고객이 상품마다 개별 배송비를 부담하게 된다. (참고: 도메인 지식3_Olist의 온라인 판매 방식, 운영 원리 및 주요 이점
이번 분석에서 olist가 보유한 orders, order_items 데이터를 활용하여, 다중 판매자를 통한 구매가 아닌, 동일 판매자의 상품을 묶음 구매할 때 고객이 얻을 수 있는 배송비 절감 효과를 정량적으로 평가하고자 한다. 특히, 다중 판매자 주문의 비율과 이로 인한 고객의 추가 배송비 절감 가능성을 확인할 것이다.
또한 절감된 배송료로 인해 동일 판매자 상품의 묶음 구매가 실제로 주문 금액 증가에 미치는 영향을 평가하고, 판매 수수료를 기반으로 한 olist의 수익 증가 가능성도 검증한다.
1. 주문 내 다중 상품 포함 비율 분석
데이터를 분석한 결과, 전체 주문 수(order_id)는 98,666건이며, 이 중 9.9% (9,803건)가 2개 이상의 상품(product_id)을 포함하고 있다. 즉, 대다수의 주문은 단일 상품 주문이고, 일부 주문에서는 여러 개의 상품이 포함되어 있다.
이러한 구조는 동일 판매자의 제품을 묶음 배송할 가능성을 제공하지만, 동시에 다중 판매자로부터 주문이 이루어질 경우 고객이 추가 배송비를 부담하게 되는 문제를 야기한다.
한국 사례로 이야기하면, 네이버 스토어에서 olist란 판매자에게 4가지 종류의 상품 구매를 했지만, 배송료가 3,000원이 아니라 9,000원이 발생 된 꼴이다.
2. 다중 판매자 주문 비율 분석
분석 결과, 전체 주문 중 1.3% (1,278건)가 다중 판매자로부터 주문했다. 이 수치는 상대적으로 낮지만, 다중 판매자로부터의 주문이 발생하면 배송비가 증가한다. 이는 고객 입장에서 추가 배송 비용이 발생하는 요인이며, 더 나아가 총 주문금액에 영향을 미칠수도 있다.
3. 다중 판매자 주문과 단일 판매자 주문의 배송료 비교
다중 판매자인 주문건에 대한 배송료 부담을 확인하기 위해 주문건을 단일 판매자와 다중 판매자로 나누어서 평균 배송료를 계산했다.
- 단일 판매자 주문의 평균 배송료: 22.51 BRL
- 다중 판매자 주문의 평균 배송료: 46.63 BRL
즉, 다중 판매자 주문의 경우 배송비가 약 2배 이상 증가하는 경향을 보였다. 이는 하나의 주문에 판매자가 많아질수록 개별 배송이 증가하면서 전체 배송비가 상승하는 구조임을 나타낸다.
배송료 기술통계
단일 판매자 주문
- 평균: 22.51 BRL
- 최솟값: 0.00 BRL
- 최댓값: 1794.96 BRL
- 중앙값: 17.06 BRL
- 표준편차: 21.25 BRL
다중 판매자 주문
- 평균: 46.63 BRL
- 최솟값: 7.39 BRL
- 최댓값: 456.47 BRL
- 중앙값: 37.25 BRL
- 표준편차: 34.78 BRL
4. 구매자에게 동일 판매자의 다른 상품을 추천할 수 있는 충분한 ‘Pool’이 있는가?
만약 추천 시스템이 있다면, 구매자가 애초에 같은 판매자의 상품을 추가로 구매할 수 있는 기회가 충분했을까?
판매자가 다양한 상품을 보유하고 있었다면, 상품별 상세 페이지에 '함께 구매할 수 있는 판매자의 다른 상품을 제안'하는 방식이 현실적으로 유의미한 매출 증대 전략이 될 있다.
- 전체 판매자 수: 3,095명
- 평균 상품 개수: 11.13개
- 중앙값: 4개
- 상위 5% 판매자 제외 후 평균: 6.83개
이 결과는, 평균적으로 하나의 판매자는 6~7개의 상품을 보유하고 있다는 것을 의미하며, 추천 시스템이 작동할 수 있는 기반 조건은 충분히 갖추고 있음을 시사한다. 즉, 고객에게 동일 판매자의 다른 상품을 제안해 추가 구매를 유도하는 전략은 데이터 구조상 실행 가능하다고 볼 수 있다.
상위 5% 판매자 제외한 이유
평균이 11.13개지만 중앙값이 4개 이므로 극단적으로 많은 상품을 보유한 일부 판매자(최대(399개)가 평균을 크게 끌어올리는 영향을 준다. 그리고 표준편차(24.47)가 크므로 데이터 분포가 넓게 퍼져 있다. 단순 평균을 사용할 경우 상품 수가 많은 극소수의 판매자로 인해 왜곡된다. 그래서 절사평균 방식을 적용하여 상위 5% 판매자는 제외하고 평균 6.83개를 계산했다.
5. 고객의 동일 판매자에게 2회 이상 구매 비율인 전환율(actual_conversion_rate) 분석
구매자에게 '동일 판매자 상품의 추천' 효과를 검증하기 위한 기존 데이터에서 구매자의 동일 판매자에게 2회 이상 구매 비율을 계산 했다. 구매자가 동일 판매자에게 2회 이상 구매한 비율을 0.9% 이다.
전환율(actual_conversion_rate)이란
- 실제 데이터에서 동일 판매자의 추가 구매 확률이다.
- 전환율 = '같은 판매자에게 2회 이상 상품을 구매한 주문' ÷ '전체 주문'
6. 예상 매출 증가액 분석
앞선 분석에서 다중 판매자 주문은 전체 주문 중 1.3%에 불과했지만, 배송료는 평균 2배 이상 증가하며 고객에게 추가적인 비용 부담을 주는 구조임을 확인했다.
이러한 구조라면, 고객이 동일 판매자의 상품을 추가 구매하도록 유도해 묶음 배송으로 배송비를 절감시킬 경우, 자연스럽게 추가 매출이 발생할 수 있지 않을까?
이런 가설을 바탕으로 예상 매출 증가액을 다음과 같은 방식으로 계산했다.
예상 매출 증가액 계산식
예상 매출 증가액 =
다중 판매자 주문 비율 × 전환율(actual_conversion_rate) × 평균 주문 금액 × 전체 주문 수
- 다중 판매자 주문 비율: 전체 주문 중 묶음배송이 되지 않은 비율로, 이만큼의 주문이 "원래는 묶을 수 있었던 기회"라고 가정한다.
- 전환율: 실제로 동일 판매자의 상품을 추가 구매한 비율로, 전체 주문 중 동일 판매자에게서 2개 이상의 product_id를 구매한 비율을 의미한다.
- 평균 주문 금액: 주문 1건당 평균 결제 금액이며, 이를 통해 주문 증가가 매출로 연결되는 금액을 계산한다.
분석 결과
- 다중 판매자 주문 비율: 1.3%
- 전환율: 0.9%
- 주문 1건당 평균 결제 금액: 약 137.7 BRL
- 전체 주문 수: 98,666건
위 값을 모두 반영한 결과,
예상 매출 증가액은 1,589.59 BRL로 산출되었다. (한화 약 40만 원 수준)
기대보다 아주 많이 낮은 결과, 왜?
처음에는 이 전략을 통해 적어도 수백만 BRL 수준의 매출 증가를 기대했지만, 실제 데이터 기반 계산 결과는 기대에 미치지 못했다.
이는 실제 전환율이 낮고, 다중 판매자 주문 자체의 비중도 작기 때문에 생기는 한계다.
다시 말해, 고객이 묶음 구매로 전환할 가능성 자체가 낮고, 묶을 수 있는 판매자 수가 제한적인 현실을 반영한 결과라 볼 수 있다.
인사이트
- 단순히 '추천 시스템을 넣으면 매출이 오른다'는 낙관적인 기대는 데이터로 검증해보면 과장된 주장일 수 있다.
- 그럼에도 불구하고, 이 전략은 완전히 무의미한 것은 아니다. 현재의 낮은 전환율을 높일 수 있는 유도 장치나 프로모션 설계가 함께 도입된다면 충분히 실현 가능한 전략으로 발전할 수 있다.
7. 결론
이번 분석을 통해 다음과 같은 사실을 데이터 기반으로 확인할 수 있었다:
분석 요약
- Olist의 주문 구조상, 다중 판매자 주문이 발생하면 배송비가 평균 2배 이상 증가한다.
- 반면, 고객이 동일 판매자의 상품을 추가 구매하는 실제 비율(전환율)은 0.9%로 낮은 편이다.
- 이 낮은 전환율을 그대로 반영하면 기대했던 추가 매출 증가 효과는 1,589.59 BRL에 그친다.
결론
단순한 '추천 시스템' 도입만으로는 눈에 띄는 매출 증대 효과를 기대하기 어렵다.
하지만 전환율이 낮을 뿐, 구매 행동 자체는 실제로 존재하며, 이를 활성화할 수 있다면 매출 증대는 여전히 실현 가능한 전략이지 않을까?
