실무에서 광고는 잘 되는데 실제 마진은 적자인 상황, 품절 SKU가 계속 광고에 노출되는 비효율, 또는 특정 옵션만 팔리는데 전체 상품이 잘 팔린다고 착각하는 마진 착시가 반복적으로 발생합니다. 이러한 문제의 원인은 마케팅 전략이 아니라 ‘상품 데이터 구조’에 있습니다. 플랫폼이 ‘상품’이라는 단어로 원가, 재고, 전시 정보 등 너무 많은 데이터를 한 번에 관리하기 때문입니다.

대형 이커머스 플랫폼들은 상품 데이터를 최소 3계층으로 나누어 관리하며, 이 구조가 분리되어야 비로소 ROAS(광고 수익률), 공헌이익, SKU(판매 옵션 데이터) 회전율, 옵션별 CVR(구매 전환율), 품절 손실률 같은 핵심 지표 분석이 가능해집니다.

미리 요점만 콕 집어보면?

상품 데이터 분리는 단순한 정보 관리를 넘어, 원가·마케팅·물류를 연결하는 수익 최적화 구조입니다.
원본(표준 정보), 전시(Display), 판매 옵션(SKU)이 명확히 분리되지 않으면 ROAS, CVR, 공헌이익 분석은 왜곡될 수밖에 없습니다.
결국 이커머스의 본질은 상품 데이터를 ‘원본-전시-SKU’ 구조로 분리해, 광고비와 실제 이익을 정확히 연결하는 데 있습니다.

상품 데이터 3요소: 원본-전시-판매 옵션 데이터의 역할

이커머스 환경에서 상품 데이터는 단순한 등록 정보를 넘어 기업의 수익률(ROI) 분석의 시작점이 되는 중대한 가치를 제공합니다. 원본, 전시, 판매 옵션 데이터 간의 분리는 이 체계적인 통합과 관리를 위한 필수적인 과정입니다.

예를 들어, MD가 상품명을 마케팅 목적으로 다음과 같이 수정하더라도,

오늘만 특가
한정 수량 무료배송

공급사 정산 기준이 되는 원본 상품명 ‘화이트 티셔츠’ 는 변경되지 않도록 분리되어 유지되어야 합니다. 데이터 구조가 분리되어 있지 않으면, 단 하나의 마케팅 활동이 정산·재고·물류 시스템 전체를 흔들어 정합성을 해치게 됩니다.

또한 하나의 상품을 다음과 같은 여러 전시 전략으로 동시에 운영할 수 있어야 합니다.

타임딜
일반 판매
정기배송
앱 전용 특가

만약 데이터 계층이 분리되지 않는다면, 특정 기획전의 품절 상태가 전체 판매 중단으로 이어지는 비효율을 초래합니다. 결국 이커머스 플랫폼의 핵심은 “어떻게 상품을 등록할 것인가?”가 아니라, “어떻게 상품 데이터를 분리해 수익 구조를 명확히 만들 것인가?”에 있습니다.

1. 원본 데이터(Master Data): 정적 정보 및 비즈니스의 비용 기준

원본 데이터는 상품 등록 당시의 가장 기본적인 정보이자, 모든 후속 작업의 기준이 됩니다. 이는 주로 비즈니스의 비용 및 이윤 계산에 활용됩니다. 표준이자 마스터 정보이므로 불변 정보에 해당합니다.

주요 필드: 상품 코드, 표준 상품명, 표준 카테고리, 공급가, 브랜드, 공급사 등 ‘표준 정보’
실무 팁: MD가 마케팅 목적으로 상품명을 수정하더라도 이 '표준 상품명'은 정산 및 CS 시 혼선 방지를 위해 유지되어야 합니다.

2. 전시 데이터(Display Data): 마케팅의 동적 레이어

전시 데이터는 고객에게 보여지는 정보로, 마케팅 전략에 따라 지속적으로 변동하는 동적인 요소입니다. 이는 구매 결정을 돕고 전환율을 높이는 역할을 합니다.

주요 필드: 전시 상품명, 프로모션 가격, 전시 카테고리, 상품 설명(SEO 키워드 포함), 할인 정보 (시즌/이벤트 ID 등).
표준 카테고리와의 구분: 표준 카테고리가 상품의 본질(사과=과일)을 정의한다면, 전시 카테고리는 마케팅적 맥락(사과=추석 선물 세트)을 정의합니다. 데이터 분리를 통해, 하나의 상품을 여러 맥락에 동시 노출할 수 있습니다.

3. 판매 옵션 데이터(SKU): 물류와 재고의 물리적 실체

판매 옵션 데이터(SKU)는 고객이 구매할 수 있는 구체적인 단위이며, 물류 및 재고 관리의 핵심 요소입니다. 이는 재고 정합성을 맞추는 '최소 주문 단위'의 성격을 가집니다.

주요 필드: 옵션명 (사이즈나 색상 등 변형 옵션), 재고 수량 (실제 재고 상태 반영), 판매 가격 (SKU별 설정된 가격 정보).
실무 팁: 모든 주문은 SKU_ID를 기준으로 재고를 차감하며, 옵션별 가산금 로직이 원본 가격에 독립적으로 합산되도록 설계해야 합니다.

데이터 분리의 필요성 및 장점

원본, 전시, 판매 옵션 데이터를 분리하는 것은 이커머스 비즈니스가 커질수록 MD, 마케터, 물류 담당자가 필요로 하는 데이터의 성격이 완전히 달라지기 때문에 필수적입니다. 데이터 구조가 분리되어 있지 않으면 마케팅 활동 하나가 정산·재고·물류 시스템 전체를 흔들게 됩니다.

이러한 분리를 통해 하나의 상품을 타임딜, 일반 판매, 정기배송 등 여러 전시 전략으로 동시에 운영할 수 있으며, 특정 기획전의 품절 상태가 전체 판매 중단으로 이어지는 비효율을 방지할 수 있습니다.

결과적으로 다음과 같은 장점을 얻게 됩니다.

정확한 비즈니스 분석: 각 데이터가 서로에게 영향을 미치지 않도록 분리하여, 전시 데이터 변경이 원본 데이터의 기본 특성을 왜곡시키지 않습니다.
효율적인 광고 집행: 전시 데이터의 고객 피드백 및 전환 데이터를 분석하여, 전환율(CVR) 높은 상품에 광고비를 집중 배분할 수 있어 ROI가 개선됩니다.
정밀한 재고 관리: 각 SKU의 판매 성과를 독립적으로 분석하여 비효율적인 재고를 사전에 파악하고, 잘 팔리지 않는 SKU에 대한 할인 전략 수립 시에도 원본 정보와 전시 정보를 구분하여 판단할 수 있습니다.

가상의 데이터를 통해 간단히 예시를 들어보겠습니다.

광고비는 상품 단위로 쓰이지만, 실제 수익은 SKU 단위로 발생합니다.

위 표에서 볼 수 있듯이 상품 단위로 평균 ROAS 480%처럼 보이더라도, 실제로는 절반의 옵션이 적자를 만들고 있을 수 있습니다. 상품 단위 평균값만 보면 플랫폼은 계속 적자 옵션에 광고비를 낭비하게 됩니다. 하지만 SKU 단위 구조가 분리되어 있으면 적자 SKU 광고 중단, 고수익 SKU 집중 노출, 재고 회전율 최적화가 가능해집니다.

실제 사례 리서치: 플랫폼 성장을 견인한 데이터 전략

이커머스 시장을 장악한 상위 플랫폼들은 '상품'을 단일 객체로 보지 않으며, 공급망(SCM), 마케팅(Front), 물류(WMS)가 요구하는 데이터의 성격이 다르다는 점을 인지하고 구조를 설계합니다.

1. 네이버 스마트스토어: 카탈로그 매칭을 통한 표준(Master) 데이터 중심 구조

네이버 스마트스토어는 동일 상품을 여러 판매자가 각기 다른 이름으로 판매하더라도, 내부적으로는 카탈로그 기반의 “표준 상품” 구조를 유지하려고 합니다.

“아이폰 15 프로”
“애플 아이폰15PRO”
“아이폰15 프로맥스”

예를 들어, 위 상품처럼 판매자마다 상품명이 달라도, 실제론 동일한 원본 상품으로 매핑하는 구조입니다. 이를 통해 중복 상품 난립 방지, 가격 비교 최적화, 광고 효율 통합, 리뷰 통합이 가능해집니다.

즉, 네이버는 “원본 데이터(Master)”를 표준화함으로써 검색 품질과 광고 효율을 동시에 관리합니다.

2. 오늘의집: 어떻게 보여지는가가 매출을 결정한다(전시 Data)

오늘의집은 실제 판매 상품의 물리적 속성보다, '어떻게 보여지는가'라는 전시(Display) 데이터가 훨씬 중요한 플랫폼입니다.

같은 소파라도,

신혼집 스타일링
화이트 인테리어
20평 구축 아파트
미니멀 거실

어떤 콘텐츠 맥락 안에 전시되느냐에 따라 구매 전환율(CVR)이 크게 달라집니다. 즉, 오늘의집은 상품 자체 정보보다 콘텐츠, 이미지, 큐레이션, 공간 맥락과 같은 전시 데이터가 구매 전환에 더 큰 영향을 미치는 '전시 중심' 구조입니다.

따라서 동일한 상품이라도 어디에 노출되었는가, 어떤 콘텐츠와 함께 배치되었는가에 따라 클릭률(CTR)과 구매 전환율(CVR)이 명확히 달라집니다. 이는 상품의 가치를 극대화하는 '전시(Display)' 계층의 역할이 매출을 결정하는 대표적인 사례입니다.

3. 쿠팡: 고객이 보는 상품과 실제 판매 품목은 다르다(SKU)

쿠팡(Coupang)은 '아이템 위너'와 '카탈로그' 시스템을 통해 수많은 판매자의 '판매 옵션' 데이터를 하나의 '표준 정보(원본)'로 묶고, 고객에게 최저가를 제안하면서도 정교한 수익 추적을 유지합니다.

쿠팡 검색 결과를 보면 하나의 상품 옵션 안에서도 하기 항목들이 각각 따로 움직입니다.

예시:

대표 가격
옵션별 재고
옵션별 배송 가능 시간
옵션별 판매량

즉, 고객이 보는 “전시 상품”과 실제 판매되는 “SKU”가 다른 개념이며, 결국 광고비는 상품 단위로 쓰이지만, 실제 수익은 SKU 단위로 발생합니다.

비즈니스 성과: 마케팅 ROI 및 의사결정 가이드

데이터 계층이 명확하게 분리될 때, 기획자는 의사결정권자에게 과학적인 판단 근거를 제공할 수 있으며, 이는 회사의 재무제표와 마케팅 전략을 직접적으로 결정합니다. 다음은 상품 데이터 정책에 따른 ROI 시나리오 예시입니다.

결론: 상품 구조는 화면 설계가 아니라 ‘재무 설계’다

많은 조직이 상품 기획을 등록 화면, 옵션 UI, 관리자 기능 정도로만 생각하지만, 실제 대형 플랫폼들은 상품 구조를 ERP, 광고 시스템, 추천 알고리즘, 정산, 물류, 재고 예측, 마케팅 자동화까지 연결되는 핵심 데이터 구조로 바라봅니다.

이 구조가 무너지면 광고비는 새고, 재고는 쌓이며, 마진은 왜곡되고, MD는 감으로 운영하게 됩니다. 결국 기획자는 단순히 “상품을 등록하는 사람”이 아니라,*“상품 데이터를 어떻게 분리해야 회사가 돈을 남길 수 있는지 설계하는 사람”이 되어야 합니다.

[사수의 인계 노트]

1. 재무적 데이터 마인드:지금 설계하는 상품 데이터의 Column 하나가 3개월 뒤 재무팀의 결산 보고서에 찍힐 '순이익' 숫자를 결정한다는 점을 인지해야 합니다.
2. 방어적 정책 설계 (Happy Path 방지):상품 등록(Happy Path)뿐 아니라, 상품 단종, 반품/환불, 재고 변동 등 엣지 케이스 발생 시 상품 데이터 분리 구조가 어떻게 유지될지 정책에 명확히 정의해야 합니다.
3. 전략적 소통의 언어:각 유관 부서의 언어(개발팀: DB 정규화, 마케팅팀: ROAS/전환율, 재무팀: 정산 정합성)로 대화하며, 분리된 데이터 구조의 필요성을 설득하고 합의를 이끌어내야 합니다.

튼튼한 상품 데이터 분리 구조 위에서만 흔들리지 않는 이커머스 프로덕트가 완성되며, 기획자가 설계한 정책 한 줄이 회사의 수익을 지키는 가장 강력한 방패가 될 것입니다.