소비자 전자제품 판매 분포

본 논문은 일본 소비자 전자제품 시장, 특히 디지털 카메라 판매 데이터를 이용해 일일 판매량 분포의 통계적 특성과 그 변동 메커니즘을 심층적으로 탐구한다. 서론에서는 파레토가 제시한 소득 분포의 헤비테일 현상과 이후 다양한 사회·경제 현상에서 관측된 로그정규와 멱법칙 분포의 논쟁을 소개하고, 이러한 분포가 무작위 곱셈적 성장 모델(Gibrat’s law)과 어떻게 연결되는지를 설명한다. 데이터 섹션에서는 2004년 10월부터 2008년 2월까지 23개 전자제품 체인점(총 1,400여 매장)에서 수집된 디지털 카메라 일일 판매량을 상세히 기술한다. 전체 시장 매출의 약 45%를 차지하는 이 데이터는 제품별 일일 판매량을 정확히 기록했으며, 이를 통해 1,200여 개 이상의 일별 판매 분포를 분석할 수 있었다. 분포 분석에서는 누적분포 \(P_{>}(S)\)를 로그-로그 스케일에 표시하고, 전체 구간에 대해 로그정규와 멱법칙 두 모델을 최대우도법으로 추정한다. 초기 시각에서는 로그정규가 대부분을 설명하지만, 상위 몇 개 제품(예: 16개 이상)에서는 멱법칙이 더 적합해 보인다. 이를 정량적으로 검증하기 위해 Malevergne et al.이 제시한 UMPU 검정(로그정규와 멱법칙의 단일 절단형 대립)을 적용한다. 검정 통계량 \(W\)와 클리핑된 변동계수 \(c\)를 이용해 p‑값을 계산하고, 임계 순위(예: 68)를 도출한다. 실험 결과는 두 가지 뚜렷한 구간을 보여준다. 2005년 1월 22일부터 5월 8일까지는 임계 순위가 낮아(≈68) 멱법칙이 유의하게 나타나며, 꼬리 지수 \(\mu\)는 1.3±0.1로 안정적이다. 반면 2006년 1월 16일부터 8월 8일까지는 임계 순위가 크게 상승해 로그정규가 전체 데이터를 잘 설명한다. 이러한 전이는 시장 상황(신제품 출시, 프로모션, 경쟁 구도 변화 등)과 연관될 가능성이 제시된다. 동적 분석에서는 판매량 성장 모델 \(S(t+1)=|b(t)S(t)+\varepsilon(t)|\)를 채택한다. 여기서 \(\varepsilon(t)\)는 평균 0, 분산 \(\sigma^2\)인 가우시안 잡음이며, \(b(t)\)는 성장 비율이다. 멱법칙 구간에서는 \(b(t)\)가 판매량 \(S(t)\)와 무관한 상수(크기 독립)로 추정되며, 이는 Gibrat’s law에 부합한다. 반면 로그정규 구간에서는 \(b(t)\)가 \(S(t)\)와 양의 상관관계를 보여, 성장률이 규모에 따라 달라지는 비선형 효과가 존재한다. 이를 검증하기 위해 로그 성장률 \(\log \bar S(t+1)-\log \bar S(t)\)를 판매량 구간(저, 중, 고)별로 나누어 분포를 비교하였다. 고판매량 구간에서 로그정규 구간은 성장률 분포가 비대칭적이고 폭이 넓으며, 멱법칙 구간에서는 대칭적이고 좁은 형태를 보인다. 결론에서는 판매량 분포가 로그정규와 멱법칙 사이를 전이하는 현상이 근본적인 성장 메커니즘의 변화를 반영한다는 점을 강조한다. 멱법칙이 지배될 때는 무작위 곱셈적 성장에 의해 대형 제품이 지속적으로 우위를 차지하고, 로그정규가 지배될 때는 규모에 따라 성장률이 달라지는 비선형 효과가 작용한다. 이러한 통찰은 기업이 제품 포트폴리오를 관리하고, 재고 및 공급망 전략을 설계하며, 신제품 출시 시점을 결정하는 데 실질적인 가이드라인을 제공한다.