
블랙프라이데이를 앞두고 1,000개를 준비했는데, 행사 첫날 모두 팔렸다고 가정해보겠습니다. 겉으로 보면 물량 계획이 완벽하게 들어맞은 것처럼 보일 수 있습니다. 하지만 만약 재고가 오후에 이미 바닥났다면, 그 이후에 찾아온 고객들의 수요는 어디에도 집계되지 않죠.
11월은 블랙프라이데이뿐만 아니라, 국내에서도 온라인 쇼핑 수요가 크게 몰리는 시기입니다. 국가데이터처 자료를 보면 2025년 11월의 온라인쇼핑 거래액은 24조 1,613억 원으로, 전년 같은 달에 비해 6.8% 늘었습니다. 미국에서도 2025년 블랙프라이데이 하루 동안 온라인 매출이 118억 달러로, 전년보다 9.1% 증가했다고 합니다.
이렇듯 수요가 몰리는 시즌에는 예상보다 재고가 더 빨리 소진되는 경우가 많습니다. 이번 글에서는 블랙프라이데이처럼 한정된 물량 계획 아래에서, 품절로 놓친 수요가 얼마였는지 어떻게 가늠할 수 있을지 살펴보겠습니다.

수요예측에서는 재고 제약 때문에 실제 수요가 판매량까지만 관측되는 상황을 ‘수요 검열’이라고 합니다. 재고가 모두 소진된 이후의 수요는 실제로 파악하기 어렵기 때문에, 판매 데이터만으로는 진짜 수요를 온전히 알기 힘들다는 점이 이 분야 연구의 기본 전제입니다.
특히 재고 기록과 실제 매대에 진열된 상태가 다를 때는 이런 오차가 더 커질 수 있습니다. 미국의 한 대형 소매업체에서 특정 상품군을 분석한 연구에 따르면, 연구진은 매대 재고의 불확실성까지 고려해 봤을 때, 품절로 인해 놓친 판매가 약 3.0%라고 추정했습니다. 반면, 재고 기록만으로 계산했을 때는 이 수치가 0.2%에 불과했습니다. 물론 이는 특정 상품군에 대한 결과지만, 기록상 재고만을 보고 판단하면 놓친 수요를 상당히 작게 볼 수 있다는 점을 보여줍니다.
또 블랙프라이데이처럼 행사 초반에 손님이 한꺼번에 몰리는 시즌에는 품절 시점도 더 앞당겨지기 마련입니다. 품절이 일찍 오면, 실제로 기록되지 않는 수요가 발생하는 시간도 자연히 길어집니다.

블랙프라이데이 품절로 인한 수요를 놓치면 '결품 루프'에 빠질 수 있습니다. 완판된 상품의 판매량을 다음 시즌 기준으로 그대로 사용하면, 계획 물량 역시 실제 수요보다 작게 잡힐 위험이 있습니다. 이로 인해 품절과 판매 기회 손실이 반복될 수 있습니다. 이런 식으로 줄어든 판매량이 다시 다음 시즌 계획의 근거가 되면서, 결품이 해마다 반복되는 악순환이 생기는 셈입니다.
또한, 품절 상황에서 고객들이 택하는 행동도 제각각입니다. GMA가 29개국 7만 1천 명의 소비자를 대상으로 한 2002년 조사에 따르면, 품절을 경험한 소비자의 31%는 다른 매장에서 같은 상품을 샀고, 26%는 다른 브랜드의 제품으로 바꿔 구매했습니다. 19%는 같은 브랜드 내 다른 상품을 택했고, 15%는 구매를 미뤘으며, 9%는 결국 아무것도 사지 않았다고 답했습니다.
이 조사는 2002년에 오프라인 생활용품을 중심으로 조사된 것이라, 지금의 온라인 블랙프라이데이 쇼핑과는 다를 수 있습니다. 그럼에도 불구하고, 품절을 마주한 소비자의 수요가 한곳에 머물지 않고 여러 방향으로 흩어진다는 점을 보여주는 대표적인 연구로 지금까지도 자주 인용되고 있습니다.
특히, 이런 대체 구매는 판매 데이터에도 영향을 줍니다. 원하는 상품이 품절되자 비슷한 다른 상품을 대신 사면, 그 상품의 판매량이 실제보다 많아 보이게 됩니다. 한 상품의 수요가 엉뚱하게 다른 상품의 실적으로 잡히는 구조는 일종의 카니발라이제이션 현상과도 비슷합니다. 만약 판매 실적이 실제 수요와 어떻게 다르게 나타나는지 좀 더 알고 싶다면 카니발라이제이션 효과에 대한 글을 참고해보세요.

우리 회사의 이번 블프 품목 가운데 같은 루프에 들어선 SKU가 있는지 먼저 확인해 보세요.
완판된 판매량만으로 수요를 예측하기 어렵다면, 어떤 데이터를 더 함께 확인해야 할까요? 실무에서는 주로 결품 이력, 대체 상품 판매, 프로모션, 그리고 리드타임 이 네 가지 정보를 살펴봅니다.
예를 들어, 같은 100개를 팔았더라도 하루 종일 재고가 충분했던 날과 오후 2시에 품절된 날의 의미는 크게 다릅니다. 재고가 하루 종일 충분했다면 판매량을 그대로 수요로 보고 무리가 없지만, 오후 2시에 품절됐다면 실제 수요는 최소 100개 이상이었을 가능성이 있습니다. 이처럼 판매량만 볼 게 아니라, 언제 품절이 발생했는지까지 함께 기록하는 게 중요합니다.
품절 시각이 남아 있다면 놓친 수요가 있었는지, 있었다면 어느 정도였는지 더 정확히 파악할 수 있습니다. 다만 블랙프라이데이처럼 행사가 시작되자마자 주문이 몰리는 경우엔, 단순히 품절 전 판매 속도를 남은 시간에 대입하면 놓친 수요를 과도하게 추정할 수도 있으니 이 점도 고려해야 합니다. 실제로 한 연구 사례를 보면, 품절 여부에만 의존할 때 발생하는 기대이익 손실 중 평균 76.1%는 품절 시각 정보를 함께 기록하는 것만으로 줄일 수 있다고 나옵니다. 실험 환경일 수 있으니 실제 기업에서는 차이가 있겠지만, 품절 시각 데이터의 필요성은 충분히 설명이 됩니다.
실무에서는 주문 시스템에서 재고가 0이 된 순간, 온라인 쇼핑몰에 품절 표시가 떴던 시각, 오프라인 매장의 결품 보고 등 이런 기록들을 SKU별로 모으는 것부터 시작할 수 있습니다. 과거 데이터에 품절 시각이 없다면, 어떤 날 재고가 완전히 떨어졌는지만 표시해두어도 판매량을 실제 수요로 잘못 해석하는 일을 크게 줄일 수 있습니다.
또 판매량이 갑자기 뚝 떨어진 품목을 분석할 때도 결품 이력이 중요한 기준이 됩니다. 판매가 급감한 품목 중에서는 실제로 수요가 줄었다기보다는 재고 부족 때문에 덜 팔린 경우도 많습니다. 결품 이력과 함께 보면, 정말 수요가 줄어든 품목과 단순히 공급이 부족했던 품목을 나눠볼 수 있습니다. 이때 수요가 줄어든 품목은 이후 과잉재고 위험을 살피는 데도 참고점이 됩니다.
같은 판매량이라도 품절 상황에 따라 다음 계획에 쓰는 방식이 달라집니다. 실무에서 자주 마주치는 세 가지 경우를 정리하면 다음과 같습니다.
앞서 품절된 상품을 찾던 고객들이 다른 상품을 구매하게 되면, 판매 데이터가 한 번 더 왜곡된다고 말씀드린 적이 있습니다. 이런 흐름을 제대로 파악하지 않으면, 품절된 상품의 실제 수요는 적게, 대체 상품의 수요는 지나치게 많게 집계되어 다음 시즌 계획에 반영됩니다. 만약 대체 상품의 블랙프라이데이 실적을 그대로 기준값으로 쓴다면, 원래 상품의 재고가 넉넉한 시즌에는 대체 상품 재고가 남게 될 수 있습니다.

대체 구매가 발생한 흔적은 보통 품절 시점을 기준으로 찾을 수 있습니다. 만약 품절 이후에 같은 카테고리 내에서 가격대가 비슷하거나, 같은 브랜드의 다른 용량 상품의 판매가 평소보다 많이 늘었다면, 원래 상품을 찾던 수요가 일부 이동했을 가능성이 큽니다. 이럴 때는 할인이나 노출 위치 변화 같은 조건들도 함께 확인해야 좀 더 정확한 판단이 가능합니다. 이런 상황에서는 두 상품의 판매 흐름을 함께 살펴보되, 품절에 따른 수요 이동 가능성을 고려해 각 상품의 다음 시즌 물량을 조정해야 합니다.
실무에서는 주요 품목마다 미리 대체 관계가 있을 만한 상품을 짝지어 두는 것부터 시작할 수 있습니다. 대체율을 아주 정밀하게 계산하지 못하더라도, 품절 전후로 대체 상품의 판매 변화를 기록해 놓으면 다음 시즌에 두 상품의 물량을 조정할 때 참고가 됩니다.
프로모션 기록이 있어야 행사 기간 늘어난 수요와 평소 수요를 구분할 수 있습니다. 예를 들어, 블프 기간에 평소의 3배까지 팔렸다고 해도, 다음 달 기준값을 3배로 잡는 것은 무리입니다. 행사 기간의 판매량은 할인 폭, 진열 위치, 쿠폰, 묶음 옵션 등 여러 조건이 한꺼번에 작용한 결과이기 때문입니다.
행사가 시작되기 직전에는 할인 소식을 기다리느라 구매를 미루는 고객들이 있고, 행사가 끝난 직후에는 평소보다 매출이 잠시 줄어드는 경우도 많습니다. 157명이 참여한 한 예측 실험에서는 안내가 없을 때 참가자들이 행사 후 기간을 평소와 비슷하다고 생각했고, 반대로 행사 후 실적 하락 정보를 알려주면 예측 정확도가 더 높아지는 결과가 나타났습니다. 만약 이런 행사 전후의 수요 하락을 평소 수요로 착각하면, 오히려 일반 시즌의 기준값까지 잘못 낮아질 수 있습니다.
실제 업무에서는 행사명, 기간, 할인율, 해당 SKU, 판매 채널 등을 프로모션 캘린더로 정리해두고, 판매 데이터와 SKU·날짜 기준으로 연결해 놓는 것이 좋습니다. 이렇게 정리해두면 예측 모델이 행사 효과를 평소 수요와 구분해서 학습할 수 있습니다. 담당자도 다음 블프 때 유사한 조건의 행사를 참고하면서 물량을 비교해볼 수 있습니다.
리드타임이란 주문부터 입고까지 걸리는 기간입니다. 국내 생산 상품과 해외 수입 상품은 이 리드타임이 크게 차이날 수 있습니다.
리드타임이 길수록, 담당자는 더 빨리, 더 부족한 정보로 물량을 확정해야 합니다. 예를 들어 리드타임이 60일이라면 블프가 두 달 남았을 때 주문을 마쳐야 하고, 그 뒤에 실제 수요가 더 커진다고 해도 물량을 늘리기는 쉽지 않습니다. 그래서 리드타임이 긴 품목일수록, 한 가지 예측 값만 보지 말고, 수요가 높거나 낮게 나오는 상황을 각각 따로 시나리오로 만들어 두면 대응할 폭을 미리 정해둘 수 있습니다.
실무에서는 각 품목별 리드타임을 수요계획 시트나 표에 정리해두고, 블프 날짜에서 거꾸로 계산해 발주 마감일을 체크해두면 도움이 됩니다.
앞에서 살펴본 데이터는 담당자가 손수 모을 수도 있습니다. 하지만 SKU가 수천 개를 넘어서면, 어디서부터 확인해야 할지부터 고민이 시작됩니다. 여기서는 임팩티브AI의 수요예측 솔루션인 딥플로우 포어캐스트를 사용해, 블랙프라이데이 이후 담당자가 어떤 방식으로 데이터를 검토하는지 살펴보겠습니다.

행사가 끝나고 나면 품절된 상품, 재고가 남은 상품, 예상을 빗나간 판매를 보인 상품이 섞여 있습니다. 딥플로우는 품목별 재고 상태를 정상, 부족, 과잉, 결품 등으로 구분해 보여줍니다. 또한, 전월이나 전년 동기 대비 수요가 크게 달라진 품목도 따로 표시해줍니다. 담당자는 이 중 결품이 발생한 품목부터 하나씩 열어보고, 앞서 정한 기준을 바탕으로 이번 판매량을 어느 정도 신뢰할 수 있을지 판단하게 됩니다.

조기에 품절된 상품이라 해서 무조건적으로 물량을 늘릴 수는 없습니다. 남는 재고로 인한 부담과 놓칠 수 있는 판매 기회 사이에서 신중하게 결정해야 합니다. 딥플로우에서는 각 상품의 과거 예측 오차나 편향을 바탕으로, AI가 제안하는 기본 수량, 재고 과잉을 줄이기 위해 수량을 조정하는 방식, 결품을 막기 위해 더 늘리는 방식까지 여러 시나리오를 한눈에 비교할 수 있습니다.
여기에 리드타임이 또 하나의 중요한 기준이 됩니다. 만약 어떤 품목이 입고까지 30일이 걸린다면, 현재 재고가 앞으로 30일 동안 예상되는 수요를 버틸 수 있는지가 중요해집니다. 딥플로우는 품목별로 설정된 리드타임을 기반으로 부족, 과잉을 보여줍니다.

다음 블랙프라이데이를 준비할 때 아쉬운 점은, 올해 무슨 일이 있었는지 기록이 부족하다는 점입니다. 딥플로우의 이상 실적 관리 기능을 쓰면, 판매량 변동이 컸던 시기에 결품 때문에 판매가 줄었던 건지, 아니면 프로모션 때문이었는지 이유를 구체적으로 남길 수 있습니다. 이렇게 모인 이력은 다음 시즌 실적을 해석하는 데 도움을 주고, 장기적으로는 기업의 상황이 반영된 학습 데이터로 쓰여 예측 모델을 더욱 정교하게 만듭니다.
각 단계마다 최종 물량을 결정하는 건 담당자의 몫입니다. 다만 딥플로우는 그 결정을 내릴 수 있도록 품목별 목록과 여러 시나리오, 실적 기록을 손쉽게 챙겨주는 조력자 역할을 합니다. 현재 임팩티브AI는 국내 주요 제조, 유통 기업들의 재고 비용 절감을 지원하고 있으며, 실제로 딥플로우를 도입한 한 식품 회사는 재고 위험을 26% 이상 줄이는 효과를 얻었습니다.
올해 블프용 물량은 이미 거의 다 확정됐을 텐데요. 지금 할 수 있는 일은, 이번 시즌 실적을 다음 계획을 위한 근거로 남기는 것입니다.
행사가 끝난 뒤에는 판매량뿐만 아니라 품절이 언제 발생했는지, 품절이 얼마나 이어졌는지, 할인 조건은 어땠는지, 품절된 상품 대신 어떤 대체 상품이 더 팔렸는지 등을 SKU별로 꼼꼼히 기록해 두세요. 이렇게 남겨둔 자료가 있어야 다음 시즌에는 막연히 판매 상한만 보고 물량을 정하는 데 그치지 않고, 실질적인 근거로 삼을 수 있습니다.
딥플로우의 이상 실적 관리 기능은 이런 과정을 더 쉽게 해줍니다. 이번 블프 행사에서 발생한 결품 데이터를 잘 정리해 두면, 다음 시즌 물량 계획을 더 빠르고 더 정확하게 세울 수 있습니다.