Korea Grand Sale면세점, 백화점 쇼핑 위주의 관광산업 매출을 극복할 방법은 ?

TOUR 213

1.Outline

2 분석 목적 : Korea Grand Sale을 효과적으로 개발, 정진 시키기 위한 매출 분석.

3 분석 방법 : 1) 데이터 시각화를 통하여, 데이터의 구조를 자세하고 직관적으로 탐색. 유의한 정보를 추출.

2) Chi-Square Independence Test & Log-Linear Model 을 통해, 범주형 변수들 간 자세한 관계 도출 및 특성에 따라 변하는 매출의 형태를 모형화.

3) Multinomial Logistic Regression을 통해, 업종 별 매출 규모 모형화.

4 결론 도출 : 1) Korea Grand Sale의 진행 방향과, 참여 기업 확대 방향.

2) 관광 패키지, 이벤트 지역/시간대 특성에 따른 기획 방향 제안.

3) 신 사업 투자 방향 제시.

1 DATA RESOURCE : 신한 Big Data / 2014 외래인 관광객 실태조사 / KOSIS 관광방문통계 / 1992 ~ 2014 카지노사업현황 / 우리은행 환율데이터

2. Data Exploration – Visitors & Count

ㄷ

관광목적 방문자 수, 기간별 변화 추이.Korea Grand Sale ~ 겨울 이벤트 Visitors ~ 여름 증가 추세

대륙 => 아시아주 >>>> 미주 > 구주 > 그 외

방문객 => 중국 >= 일본 > 대만, 홍콩, 미국, 러시아 등

환율을 고려하면, 가장 많은 중국인이 찾아왔던 2014년 08월을기준으로 위안 환율이 낮았던 점을 찾을 수 있다.

C 국가의 총 결재 승인 수는 3위이지만, 평균 거래금액은 압도적인 1위.하지만, 항공권 결재의 비중이 높아, 타 업종 결재는 낮음.

J국가 & U국가는 평균 및 총 거래 승인수가 각각 1,2위이지만, 평균 거래금액이 타 국가에 비해 월등히 높지는 않음.

BLUE : KOREA GRAND SALE PERIOD.

RED : MAX TOURISTS COME.*데이터 출처 : 관광지식정보시스템

우리은행 환율정보

2. Data Exploration - Group

쇼핑업종 => 매출이 가장 높으며 그 중 면세점과 백화점의매출액이 압도적.

요식업종 => 한식 및 커피전문점의 높은 매출

관광업종 => 관광민예 > 공연장 >> 종합레저타운

숙박업종 => 특급호텔 >>> 1&2급 호텔 > 모텔

BLUE : High Signs.

2. Data Exploration

1) 관광업종

결재 승인 강남 마포 서대문구 송파 용산 종로 중구

공연장 1159 2240 9 431 0 51 1021

관광민예 356 805 172 171 258 2537 1444

종합레저 94 0 0 0 0 0 0

매출 순위 지역 업종 매출액

1 마포 관광민예 2827773

2 마포 공연장 2627932

3 중구 관광민예 1462845

4 종로 관광민예 1434300

인프라가 잘 짜여져 있는 홍익대, 종로에 가장 많은 결재가 승인 되었으며,매출액 또한 관광업종에서 상위권을 차지하고 있다.

2. Data Exploration

2) 숙박업종

* 여행객들이 주로 강남구와 중구에 위치한 호텔에서 투숙* 전체 결재승인건수 강남 > 중구

결재 승인 강남 마포 서대문 송파 용산 종로 중구

특급호텔 42212 0 0 11536 0 0 31943

1&2급 6610 728 0 489 1305 1 4539

모텔 6522 1785 191 433 675 105 3019

콘도 3 0 0 0 0 0 0

매출 순위 지역 업종 매출액

1 중구 특급호텔 895326654

2 강남 특급호텔 420786027

3 송파 특급호텔 84948259

4 강남 1&2급 호텔 35545385

5 중구 1&2급 호텔 35209268

2. Data Exploration

3) 요식업종

한식집의 매출이 타 음식업종 보다 더 많은 것을 알 수 있다.

결재 승인 강남 마포 서대문 송파 용산 종로 중구

한식 65758 22868 3744 2398 20556 5177 70853

패스트푸드 7232 4384 1095 1342 3095 8 7855

커피전문점 20571 6482 2059 640 3362 506 12261

중식 3286 744 209 136 866 21 3105

일식 56915 34270 6498 2477 32202 3831 27298

양식 26668 8060 1315 895 39399 653 7625

뷔페 323 1 0 0 0 0 240

매출 순위 지역 업종 매출액

1 중구 한식 168,826,473

2 강남 한식 52,656,215

3 중구 커피 37,071,825

4 강남 일식 30,718,238

5 용산 양식 27,326,522

2. Data Exploration

4) 쇼핑업종

* 중구 면세점, 백화점 압도적 매출*전체적으로 중구지역의 매출이 타 지역보다 높음을 알 수가 있음

결재 승인 강남 마포 서대문 송파 용산 종로 중구

남 여 기성복 54083 14888 7378 670 5043 1302 145637

면세점 5769 0 0 7500 0 0 15922

백화점 24391 0 0 10110 0 0 36564

쇼핑몰 339 0 0 2120 0 0 0

인삼/건강 1172 4103 111 5 358 0 3006

편의점 34455 16357 9445 2040 10296 1778 21790

할인점/슈퍼 11131 5279 2938 8872 5367 7 8596

화장품 18337 19220 11694 1215 2834 5960 150094

매출 순위 지역 업종 매출액

1 중구 면세점 1,482,726,237

2 중구 백화점 1,434,924,576

3 송파 면세점 690,336,304

4 중구 기성복 334,080,303

5 강남 백화점 282,441,417

2. Data Exploration

♦ 가맹점(MCT_ID)들의 GRAND SALE 중 결재 승인 수 분포

Min 1st Qu Median Mean 3rd Qu Max

1 2 8 63.58 28 17750

1% Q 80% Q 90% Q 95% Q 99% Q

1 41 101 217 934.26

* Mean >>>> 3rd Qu => 오른쪽으로 꼬리가 매우 긴 분포, 극단 현상이 심함.* Median & Quantiles => 대부분의 가맹점들은 여행객들에게 많은 결재를

받아내지 못했다는 점을 알 수 있다.

95% 가맹점 => 3년간 결재건 수 217 이하

추출

5000건(상위 0.1%) 이상의 승인 결재 => 중구, 송파, 강남에만 존재업종 => 기성복, 면세점, 백화점, 슈퍼마켓, 화장품, 특급호텔결재 금액 => 면세점 > 특급호텔 > 백화점

2. Data Exploration

총 20959개의 점포 중 2096(0.1%)개 의 점포만이 5000 건 이상의 결재승인.

면세점, 백화점, 특급호텔의 매출이 압도적, 특히 명동이 위치한 중구에서의 특급호텔과 면세점, 백화점 매출이 높음.

요식업종 또한 명동이 위치한 중구에서 매출이 높음.

이는 관광목적 한국 방문객의 대부분을 차지하는 중국인들이 많이 모이는 명동이 매출이 높다는 것을 유추할 수 있음.

결재량과 매출액의 규모는 결국 방문객이 많을 수록 증가하는 모습을 보여, 관광객들을 최대한 유치하는 것이 제 1의 목표라 할 수 있음.

지역별 관광객 => KOSIS쇼핑 장소 => 외래관광객실태조사(2014)

시내면세점 -> 명동, 백화점공한면세점 -> 시내면세점백화점 -> 명동, 동대문시장남대문시장 -> 동대문시장

관광객들의 쇼핑 선호지역을 짝지어 볼 수 있다.

명동에서 쇼핑을 진행한 경우, 타 쇼핑지역을 방문하는 경우가 적다.(명동만 가는 경우가 생각보다 많음.)

여행 패키지 기획 시, 명동을 나중에 가는 방향으로 개발 필요성 존재.

관광객들이 한국 여행을 1 ~ 3개월을 앞두고 결정.

2. Data Exploration

지역별 관광객 => KOSIS쇼핑 장소 => 외래관광객실태조사(2014)

서울지역을 제외한 기타 지역의 내/외국인 방문객 및 매출액 단계구분도

내국인과 외국인들의 방문 지역이 크게 차이가 남을 알 수 있으며, 외국인 방문객들은 서울을 제외하면수도권과 제주도를 많이 찾는 것을 알 수 있다.

지역별 총 매출액 => 수도권, 강원도, 제주도 강세

경기 ~ 여행업, 관광숙박업 / 강원 ~ 카지노업 / 제주 ~ 관광숙박업

3. Analysis

1) Chi-square Independent Test

Category Variables ~ Group, Country, Year, Time

=>범주형 변수들 간에 결재건 수를 가중치로, 연관이 있는지 알아보기 위하여, 2개의 범주를 짝지어 Chi-square Independence Test 실행

𝑋2= (𝑂−𝐸)2

𝐸

1. 업종 그룹 ~ 시간 2. 지역 ~ 시간 3. 국가 ~ 시간

각 항목별 결재건 수를 Count로 만든 분할표의독립성 검정 결과=> (업종그룹 , 시간) / (지역 , 시간) / (국가 , 시간)

범주형 변수들이 서로 연관이 있음.

검정결과를 좀 더 명확히 하기 위하여, Log-Linear Model Fitting.

3. Analysis

2) Log-Linear Model

Category Variables ~ Group, Country, Year, Time

=>변수들 간에 관계가 있는지 알아보며 양/음의 상관성을 알기 위해 2개의 범주를 짝지어 Log-Linear Model 적합.

∑(Estimates)=0 을 통해, Reference value의 Estimate 추정

𝜇𝑗𝑘 = exp(𝜇 + ℷ𝑗𝑥+ℷ𝑘

𝑦+ℷ𝑗𝑘

𝑥𝑦)

1. MCT_GROUP * Time ~ 업종별, 시간대에 따라 결재승인 건수가 차이가 나는지 검정.

Parmeters Estimate

MCT_GROUP {요식} 2.1332

TIME {저녁} 0.5885

관광 * 저녁 0.1142

교통 * 저녁 -0.9847

쇼핑 * 저녁 0.5054

숙박 * 저녁 -0.1384

요식 * 심야 0.5455

요식 * 오전 -0.8824

요식 * 오후 -0.1876

요식 * 저녁 0.5035

업종그룹, 시간에 따른 거래량 비교

업종 => 쇼핑 > 요식 > 관광 >교통시간 => 오후 > 저녁 > 오전 > 심야

쇼핑 => 저녁 > 오후 > 오전 > 심야관광 => 오후 > 오전 > 저녁 > 심야교통 => 오전 > 심야 > 오후 > 저녁숙박 => 심야 > 오전 > 저녁 > 오후요식 => 심야 > 저녁 > 오후 > 오전

- 업종 별 시간대에 따른 결재건 수의 차이가 분명히 드러남.- 업종 간 결재건 수가 가장 많은 ‘쇼핑’ 과 ‘요식＇의 경우

쇼핑은 저녁이 피크 타임이며, 요식업은 심야와 저녁이피크 타임임을 알 수가 있다.

- 숙박이 심야와 오전에 결재가 많으며, 교통이 오전에 결재가 많은 것은 관광객들이 주로심야~오전에 한국에 입국, 오전에 이동하는 것을유추 할 수 있다.

3. Analysis

2) Log-Linear Model∑(Estimates)=0 을 통해, Reference value의 Estimate 추정

𝜇𝑗𝑘 = exp(𝜇 + ℷ𝑗𝑥+ℷ𝑘

𝑦+ℷ𝑗𝑘

𝑥𝑦)

2. 지역 구 * Time ~ 지역별, 시간대에 따라 결재승인 건수가 차이가 나는지 검정.

Parmeters Estimate

지역 {중구} 1.5704

TIME {저녁} 1.0215

강남 * 저녁 -0.0898

마포 * 저녁 -0.1595

서대문 * 저녁 -0.2129

송파 * 저녁 -0.0084

용산 * 저녁 0.1365

종로 * 저녁 0.1875

중구 * 심야 -0.2387

중구 * 오전 0.0546

중구 * 오후 0.0375

중구 * 저녁 0.2932

지역 , 시간에 따른 거래량 비교지역 => 중구 > 강남 > 마포 > 용산 > 송파 > 서대문 > 종로시간 => 오후 > 저녁 > 오전 > 심야

강남 => 심야 > 저녁 > 오전 > 오후마포 => 심야 > 저녁 > 오전 > 오후서대문 => 오전 > 오후 > 저녁 > 심야송파 => 오전 > 오후 > 저녁 > 심야용산 => 심야 > 저녁 > 오후 > 오전종로 => 오후 > 오전 > 저녁 > 심야중구 => 저녁 > 오전 > 오후 > 심야

- 업종과 마찬가지로 지역별로 결재 시간대의 차이가 존재.- 가장 많은 결재가 승인된 중구의 경우, 저녁에 결재가 가장

많이 진행 되었는데, 심야에는 결재의 수가 가장 적음.- 용산의 경우, 오히려 심야시간대의 결재시간대가 타

시간대에 비해 압도적으로 많은 것을 알 수 있음.- 마포구 또한 마찬가지로, 심야에 대부분의

결재가 이루어짐.

=> 이는 지역별로 방문의 목적이 뚜렷하게 차이 남을 명시.

3. Analysis

2) Log-Linear Model∑(Estimates)=0 을 통해, Reference value의 Estimate 추정

𝜇𝑗𝑘 = exp(𝜇 + ℷ𝑗𝑥+ℷ𝑘

𝑦+ℷ𝑗𝑘

𝑥𝑦)

3. 국가 * Time ~ 국가별, 시간대에 따라 결재승인 건수가 차이가 나는지 검정.Parmeters Estimate

A * 저녁 -0.07016

B * 저녁 -0.185

C * 저녁 0.1376

E * 저녁 0.064711

F * 저녁 -0.2169

G * 저녁 -0.1985

H * 저녁 0.1473

J * 저녁 -0.112

M * 저녁 0.10459

N * 저녁 -0.0926

P * 저녁 0.0926

R * 저녁 -0.0585

T * 저녁 0.1692

U * 저녁 -0.095

W * 저녁 0.2773

Parmeters Estimate

X * 심야 0.259

X * 오전 -0.0718

X * 오후 -0.10556

X * 저녁 -0.08164

•B

•F

•G

•U

심야

O

•C

•H

•M

•T

•W

심야

X

국가분류

국가별로 결재 시간대를 살펴보면, 국가 별로 돈을 쓰는 시간대가 뚜렷하게 차이가 드러남.시간대별로 따졌을 때, 심야 시간이 결재가 가장 적은 시간이지만, 오히려 몇 국가들은 심야시간에 가장 많은 결재를 하며,다른 몇 국가들은 심야시간에 결재를 가장 하지 않는 것을 알 수 있다. => 국가별 여행 스타일이 다름을 나타냄.

3. Analysis

3) Multinomial Logistic Regression Model

로그변환

1. Variable Selects Methods => Stepwise2. Full Model => Group ~ Dummy variables (MCT_GROUP, GU, Time, Year)3. Selected Variables => Gu, Time, Group

Log-Linear Model 에서도 지역, 시간대, 업종 별로 결재 빈도가 크게 차이 났던 것처럼, Multinomial Logistic Regression Model 마찬가지로 결재금액 그룹을 분류하는 데에 있어, 지역, 시간대의 Dummy Variables가 Stepwise 단계를 걸쳐 유의 변수로 선정이 됨.

결재금액 (TAMT)의 로그변환제1, 3 분위수를 기준으로

LOW/MID/HIGH 3 그룹으로 분류

3. Analysis

3) Multinomial Logistic Regression Model

1. Fitted Model => Group ~ Dummy(지역) + Dummy(시간) + Dummy(업종 그룹)

2. Fitted Model Estimations

변수 지역 변수 시간 변수 그룹

GU1 강남 TIME1 심야 GR1 요식

GU2 마포 TIME2 오전 GR2 관광

GU3 서대문 TIME3 오후 GR3 쇼핑

GU4 송파 GR4 숙박

GU5 용산

GU6 종로

Reference (Gu) Reference (Time) Reference (Time)

중구 저녁 교통

지역 위치 결재 시간 업종

무 유 무 유 무 유

0 1 0 1 0 1

Reference Value => Group 1(Low)

𝐿𝑜𝑔(𝜋2

𝜋1)= 0.85 - 0.35*D_GU1 - 0.32*D_GU2 - 0.26D_GU3 – 0.1*D_GU4 – 0.11*D_GU5 – 0.08*D_GU6 – 0.07*D_T1 -0.22*D_T2 - 0.12*D_T3

– 1.72 * GR1 - 0.27 GR2 – 1.43 * GR3 + 0.07 * GR4=> Low그룹에 비해 Mid 그룹이 될 Odds

𝐿𝑜𝑔(𝜋3

𝜋1)= -0.04 – 0.46*D_GU1 – 0.48*D_GU2 – 0.45*D_GU3 - 0.002*D_GU4 – 0.0035*D_GU5 – 0.003*D_GU6 - 0.0031*D_T1 - 0.0.003*D_T2 + 0.0.003*D_T3 + 0.12*D_T3

– 1.72 * GR1 + 0.022 GR2 + 0.13 * GR3 + 0.07 * GR4 => Low그룹에 비해 High 그룹이 될 Odds

4. Conclusion

1. 매출액총 방문객에

매출액은 비례증가

방문객 수에 상관없이 거래당

매출액은 감소 추세

숙박, 교통 등 고정 지출 비용을 제외한,

면세점 및 백화점에서의 결재금액감소가 이유.

2. 가맹점 총 22059개의 가맹점 95% 가맹점 => 3년간 결재건 수 217 이하월 별로 따지면 더 적은 결재,

편향된 가맹점 분포 극복 필요.

3.방문국가

중국 & 일본을 선두로아시아 국가관광객이 대부분

각 국가별 평균 거래금액 비슷한 추세를 보임.

1. 방문객 수 증가가 최우선 목표

2. 국가별 소비성향에 따라 맞춤 패키지 개발 필요.

4. Conclusion

Log-Linear Model 분석을 통해 중/소규모 매출 상승을 위한 국가별 결재 분포 탐색 및 맞춤 전략 구성

B/F/G/U국가

*심야시간 결재 비중이 높음.

*심야 시간 -> 용산(이태원), 마포(신촌)지역이 중심.

*요식, 숙박업종의 결재 비중이 높음.

*이태원, 신촌을 중심으로 ‘밤을 즐길 수 있는 행사 / 세일 / 패키지’ 맞춤 개발 , Korea Grand Sale참여 업체의 다양화, 세분화, 점포별 국가별 맞춤 전략 Setting

C/M/T/W국가

*심야시간이 아닌 오후, 오전 순으로 결재비중이 높음.

*오후, 오전시간 -> 서대문구, 송파구, 종로구 중심.

*주 결제상품은 관광상품으로서, C/M/T/W 국민들의 선호도와 가치관에 따라가 우리나라의 멋과 아름다움을 더 많이 표현하고,느끼게 해줄 수 있는 전략 Setting

기타국가

*결제 비중이 높은 특정 시간은 적음.

*관광/쇼핑/숙박에 골고루 지갑을 꺼냄.

*교통비의 비중이 높은 국가 -> 항공거리가 상당하며, 이동에 피로를 느낄 수 있음, 항공편과 결합상품을 만들어,쇼핑 및 숙박 Sale 제공, 아시아주를 제외한 타 대륙에서 더 많은 방문객 유치 목적 수립.

4. Conclusion

Multinomial Logistic Regression Model을 통한 대규모 매출 사업 계획 수립

쇼핑

*면세점 및 백화점을 통한 매출 증진.

*중구(명동)을 중심으로 ‘남/녀 기성복‘, ‘화장품’ 전문 점포들의 Korea Grand Sale 폭넓은 참여 유도.

*강남은 ‘남/녀 기성복＇의 매출도 높지만, 그에 못지않게 ‘편의점‘, ‘커피전문점’의 매출이 상당히 높음. 여행 시 외래관광객들의 선호에 맞는 물품재고 추가 및 증가.

*송파에서 면세점 매출이 중구 다음으로 상당히 높았으나, 현재 잠실 면세점은 사업정지를 당한 상태, 신규 면세점에 대해대대적 홍보, 업체 계약 등 적극적 여행패키지 결합

*쇼핑결합 상품 생성 EX : ) [ 면세점~명동 / 면세점 ~ 백화점 / 백화점 ~ 명동 / 공항 ~ 시내면세점 / 남대문 ~ 동대문 ]처럼사람들이 쇼핑하러 함께 가는 구역끼리 ‘A&B 지역 통합 OO만원 이상 구매 시 OO이벤트 진행＇

- 현재 Korea Grand Sale 참여기업에는 식/음료 , 편의점 등적지 않은 매출을 올리고 있는 업종이 적은 문제점이 존재

- Korea Grand Sale 참여와 홍보를 통해, 소/중규모 매출 거래량을 증진시키는 것이 중요.

4. Conclusion

Multinomial Logistic Regression Model을 통한 대규모 매출 사업 계획 수립

신규사업

*현재 백화점/ 면세점의 매출이 감소하는 추세로, 대규모 매출을 끌어낼 수 있는 신규사업의 개발 및 기획 필요.

*서울 이외의 지역 관광방문객과 그에 따른 매출액을 고려하면, 강원지역이 방문객이 타 지역보다 적어도, 카지노 사업으로 인해 매출은 상당히 높음.

*신규 카지노 사업 => 마카오, 홍콩에 비해 특급호텔에 카지노가 적은 점, 특급호텔의 전폭적인 투자와 정부의 추가 허가에 따라카지노 증설로 대규모 매출액 유도.

*현재 카지노 사업은 성장세는 주춤하고 있지만, 매출규모는 높은 상태.

*서울 3지점, 제주 8지점 ~> 서울도 제주에 근접하는 카지노 허가 필요.

DATA RESOURCE => 관광지식정보시스템 (카지노사업현황)

4. End

Reference : 1) R Graphics Cookbook(O’REILLY) & R을 이용한 데이터 실무분석(서민구)2) http://www.biostat.umn.edu/~dipankar/bmtry711.11/lecture_22.pdf (About Log-Linear)

DATA IMPORT & HANDLING : SASDATA VISUALIZATION : R (Using ‘ggplot2’, ‘TreeMap’, ‘ggmap’, ‘maptools’ packages )DATA ANALYSIS : R (Multinomial Logistic Model) & SAS (Chi-square Independence & Log-Linear Model)DATA RESOURCE : 신한 Big Data / 2014 외래인 관광객 실태조사 / KOSIS 관광방문통계 / 1992 ~ 2014 카지노사업현황 / 우리은행 환율데이터

감사합니다