✅ [8일차] 제품 카테고리별 수익 분석 – 무엇이 진짜 효자 제품인가?

– 판매량이 많다고 다 좋은 건 아니다

📌 왜 제품 카테고리 수익 분석이 중요한가?

마케터가 자주 빠지는 착각:

"판매량이 많은 상품 = 좋은 상품"

하지만 실무에서는 이익이 많이 나는 상품이 진짜 효자입니다.
✔ 수익률이 높은 상품
✔ 반품율이 낮은 상품
✔ 지속적인 반복 구매가 발생하는 상품

이런 제품을 파악하고 광고비, 프로모션, 추천 위치를 집중 투자해야 합니다.

💰 분석에 필요한 주요 지표

지표 설명

판매 수량 (units_sold)	카테고리별 판매 건수
매출액 (revenue)	총 판매 금액
비용 (cost)	제조, 물류 등 원가
수익 (profit)	매출 - 비용
수익률 (profit_margin)	수익 ÷ 매출

📂 예시 데이터 구조

product_id,category,units_sold,revenue,cost
P001,Electronics,150,3000000,2100000
P002,Fashion,400,800000,500000
P003,Beauty,600,1200000,700000
...

🛠 실습: Python으로 카테고리 수익 분석

import pandas as pd

# 데이터 불러오기
df = pd.read_csv("product_sales.csv")

# 수익 및 수익률 계산
df['profit'] = df['revenue'] - df['cost']
df['profit_margin'] = df['profit'] / df['revenue']

# 카테고리별 요약
summary = df.groupby('category').agg({
    'units_sold': 'sum',
    'revenue': 'sum',
    'cost': 'sum',
    'profit': 'sum'
}).reset_index()

summary['profit_margin'] = summary['profit'] / summary['revenue']

print(summary.sort_values(by="profit", ascending=False))

📈 시각화: 카테고리별 수익 시각화

import matplotlib.pyplot as plt

plt.figure(figsize=(10,6))
plt.bar(summary['category'], summary['profit'], color='green')
plt.title("카테고리별 총 수익")
plt.ylabel("수익 (원)")
plt.xticks(rotation=45)
plt.show()

🧠 실무 해석 예시

카테고리 수익 수익률

Beauty	500,000	41%
Fashion	300,000	37%
Electronics	900,000	30%

🔍 해석:

Electronics가 수익은 제일 높지만 수익률은 낮음 → 광고비 등 비용 감안해야
Beauty는 수익률 높음 + 반복구매 가능 → 광고 ROI 기대 큼

💡 실무 팁

수익률이 낮은 고매출 상품은 프로모션보다 UX 개선이 효과적일 수 있음
고수익 카테고리는 리텐션 마케팅, 패키지 판매 등으로 확장 전략 가능
카테고리 안에서도 SKU 단위로 Drill-down 분석 추천

✅ 오늘의 요약

진짜 효자 상품은 수익률이 높고 반복구매가 있는 제품이다.
수익률 + 수익 총합을 기준으로 광고비, 인벤토리 우선순위를 정하자.
Python으로 카테고리 단위 수익 분석은 간단히 수행 가능하다.

📝 오늘의 실습 과제

주어진 상품 데이터를 활용해 카테고리별
- 수익
- 수익률
- 판매량
  을 분석해보세요.
수익률은 낮지만 매출은 높은 상품을 골라
어떤 전략(가격 인상, 원가 절감, 업셀링 등)이 가능한지 아이디어를 정리해보세요.

🚀 다음 예고

[9일차] 이메일 마케팅 A/B 테스트 – 제목 하나로 전환율이 바뀐다?
이메일 캠페인의 제목/내용/타이밍을 나눠 A/B 테스트를 설계하고
전환율 차이를 통계적으로 분석해봅니다.

🔖 추천 태그

카테고리분석, 제품수익성, 마진분석, 이커머스분석, 효자상품, Python마케팅분석, 광고ROI, 실무판매전략, 고수익상품, 판매데이터분석