“가격을 내리면 예약이 늘지만, 매출은 줄어든다.”
“가격을 올리면 매출이 커지지만, 예약이 끊긴다.”
에어비앤비 호스트라면 누구나 겪는 딜레마입니다. 가격과 예약률은 반비례하지만, 매출(가격 x 예약률)은 특정 가격대에서 최대값을 가집니다. 이 최대값을 찾는 것이 바로 수익 곡선(Revenue Curve) 분석입니다.
이 글에서는 수익 곡선의 개념, 3구간 독립 분석의 중요성, PriceBnb의 AI가 가중 최소자승 회귀를 사용하여 최적 가격을 찾는 원리, 그리고 경쟁숙소 데이터가 곡선 정확도에 미치는 영향까지 구체적으로 설명합니다.
수익 곡선이란 무엇인가
수익 곡선은 “각 가격대에서 기대할 수 있는 매출”을 그래프로 나타낸 것입니다. 기본 공식은 단순합니다.
매출 = 가격 x 예약률 x 일수
가격이 오르면 예약률이 내려가고, 가격이 내리면 예약률이 올라갑니다
그러나 가격과 예약률의 관계는 단순한 직선이 아닙니다. 예를 들어, ₩100,000에서 ₩110,000으로 올리면 예약률이 2%p 정도 줄지만, ₩200,000에서 ₩210,000으로 올리면 예약률이 5%p 이상 급감할 수 있습니다. 가격이 높아질수록 예약률 감소 폭이 커지는 비선형 관계입니다.
수익 곡선의 3개 구간
수익 곡선에는 세 가지 핵심 구간이 있습니다.
| 구간 | 특징 | 문제점 |
|---|---|---|
| 저가 구간 | 예약률 높지만 단가가 낮음 | 높은 가동률에도 매출이 적음, 관리 비용만 증가 |
| 최적 구간 | 가격과 예약률의 균형 | 매출이 최대가 되는 지점 |
| 고가 구간 | 단가는 높지만 예약 급감 | 빈 방이 많아 총 매출 감소 |
실제 숫자로 보는 수익 곡선
서울 근교 4인 기준 숙소의 주말 데이터를 예로 들어보겠습니다. 월 9일(주말+공휴일) 기준입니다.
| 설정 가격 | 예상 예약률 | 예약 일수 | 월 매출 |
|---|---|---|---|
| ₩120,000 | 95% | 8.6일 | ₩1,032,000 |
| ₩150,000 | 88% | 7.9일 | ₩1,185,000 |
| ₩180,000 | 78% | 7.0일 | ₩1,260,000 |
| ₩210,000 | 68% | 6.1일 | ₩1,281,000 |
| ₩240,000 | 55% | 5.0일 | ₩1,200,000 |
| ₩270,000 | 40% | 3.6일 | ₩972,000 |
| ₩300,000 | 25% | 2.3일 | ₩690,000 |
주말 최적 가격: ₩210,000 (월 매출 ₩1,281,000)
₩120,000 대비 +24%, ₩300,000 대비 +86% 더 많은 매출
₩120,000에서 ₩210,000으로 가격을 75% 올렸지만, 매출은 24% 증가합니다. 예약률은 95%에서 68%로 줄었지만, 높아진 단가가 이를 보상하고도 남습니다. 반대로 ₩300,000까지 올리면 예약률이 25%로 급감하여 매출이 46% 줄어듭니다.₩210,000이 바로 이 숙소의 주말 수익 곡선 최적점입니다.
3구간(평일/금/주말) 독립 분석이 중요한 이유
수익 곡선은 수요에 따라 형태가 완전히 달라집니다. 주말과 평일의 수요가 다르므로, 같은 숙소라도 요일 구간에 따라 최적 가격이 다릅니다.
하나의 곡선으로 분석하면 생기는 문제
모든 요일의 가격과 예약률을 하나로 뭉쳐서 곡선을 그리면, 수요가 높은 주말 데이터와 수요가 낮은 평일 데이터가 섞여 “평균적인” 곡선이 나옵니다. 이 경우 발생하는 문제:
- 평일 최적 가격이 실제보다 높게 산출 → 평일 예약률 하락 → 빈 방 증가
- 주말 최적 가격이 실제보다 낮게 산출 → 주말 수익 기회 손실
- 결국 “어정쩡한 가격”으로 평일과 주말 모두에서 최적이 아닌 결과
3개의 독립 곡선이 필요한 이유
PriceBnb는 평일, 금요일, 주말/공휴일 각각에 대해 독립적인 수익 곡선을 생성합니다. 왜 금요일을 별도로 분리할까요?
| 구간 | 수요 특성 | 최적 가격대 | 곡선 형태 |
|---|---|---|---|
| 평일 (월~목) | 수요 낮음, 가격 민감 | ₩90,000~₩130,000 | 완만한 곡선, 최적점이 낮음 |
| 금요일 | 중간 수요, 주말 전이 | ₩140,000~₩190,000 | 평일과 주말 사이의 곡선 |
| 주말/공휴일 | 수요 높음, 가격 탄력성 낮음 | ₩180,000~₩260,000 | 가파른 곡선, 최적점이 높음 |
금요일은 주말 여행을 시작하는 날이라 평일보다 수요가 높지만, 토요일만큼은 아닙니다. 관광지 숙소에서 이 차이가 특히 두드러집니다. 금요일을 평일이나 주말에 합산하면 어느 쪽이든 왜곡이 발생합니다.
같은 숙소, 다른 최적 가격
평일 최적가
₩115,000
예약률 58% 목표
금요일 최적가
₩170,000
예약률 72% 목표
주말 최적가
₩210,000
예약률 68% 목표
가중 최소자승 회귀 기반 예측 (쉬운 설명)
수익 곡선의 최적점을 찾으려면, “가격이 올라가면 예약률이 얼마나 줄어드는지”를 정확하게 예측해야 합니다. PriceBnb의 AI는 가중 최소자승 회귀(Weighted Least Squares Regression)라는 통계 기법을 사용합니다.
기본 원리: 데이터에 가장 잘 맞는 곡선 그리기
“회귀 분석”이라고 하면 복잡하게 느껴지지만, 핵심은 단순합니다.
- 데이터 수집: 내 숙소와 경쟁숙소 5개의 가격-예약률 데이터를 모읍니다. 예를 들어, 경쟁A는 평일 ₩110,000에 예약률 62%, 경쟁B는 ₩130,000에 예약률 48% 등.
- 곡선 피팅: 이 데이터 점들을 가장 잘 설명하는 곡선을 수학적으로 찾습니다. “최소자승”이란 각 데이터 점과 곡선 사이의 거리(오차) 제곱합을 최소화한다는 의미입니다.
- 최적점 도출: 그려진 곡선에서 “가격 x 예상 예약률”이 최대가 되는 지점을 찾습니다. 이것이 수익 극대화 가격입니다.
“가중”이 의미하는 것
일반 회귀 분석은 모든 데이터에 동일한 비중을 줍니다. 하지만 경쟁숙소 5개가 모두 내 숙소와 동일한 조건은 아닙니다. PriceBnb는 유사 조건에 더 높은 가중치를 부여합니다.
| 조건 | 가중치 | 이유 |
|---|---|---|
| 기본인원 동일 | x2.0 | 같은 규모의 숙소가 가장 직접적인 경쟁 |
| 같은 지역 (동 단위) | x1.5 | 입지가 가격과 수요에 큰 영향 |
| 비슷한 평점 (±0.3) | x1.3 | 평점이 비슷하면 게스트 선택 기준이 가격으로 수렴 |
| 비슷한 방 수 (±1) | x1.2 | 방 수가 비슷하면 숙소 규모와 타겟 유사 |
| 기본 | x1.0 | 모든 경쟁숙소의 최소 가중치 |
예를 들어, 내 숙소가 기본 4인, 강남구, 평점 4.8이고 경쟁B가 기본 4인, 강남구, 평점 4.9라면 경쟁B의 가중치는 2.0 x 1.5 x 1.3 = 3.9입니다. 반면, 기본 2인, 마포구, 평점 4.2인 경쟁E의 가중치는 1.0입니다. 경쟁B의 데이터가 곡선에 3.9배 더 큰 영향을 미칩니다.
왜 이것이 중요한가
가중치 없이 단순 평균을 내면, 조건이 다른 숙소의 데이터가 결과를 왜곡합니다. 기본 2인 원룸의 가격-예약률 관계는 기본 6인 독채와 완전히 다릅니다.가중 회귀는 “나와 비슷한 숙소의 시장 반응”에 초점을 맞춰 더 정확한 곡선을 그립니다.
경쟁숙소 데이터가 곡선 정확도에 미치는 영향
수익 곡선의 정확도는 데이터의 양과 질에 결정적으로 의존합니다. 내 숙소 하나의 데이터만으로는 곡선을 그릴 수 없습니다. 다양한 가격대의 데이터가 필요하고, 이를 경쟁숙소가 제공합니다.
경쟁숙소가 5개 필요한 이유
- 가격대 커버리지: 경쟁숙소 5개는 보통 ₩80,000~₩280,000 범위에 걸쳐 있습니다. 이 범위의 가격-예약률 관계를 관찰하면, 내 숙소에 적용할 곡선을 그릴 수 있습니다.
- 통계적 안정성: 데이터 점이 너무 적으면 곡선이 불안정합니다. 5개 경쟁숙소 x 주 1회 수집 x 4주 = 20개 이상의 데이터 점이 쌓이면 회귀 분석의 신뢰도가 크게 높아집니다.
- 이상치 보정: 특정 숙소가 특수한 이유(장기 예약, 휴업 등)로 극단적인 데이터를 보이더라도, 다른 숙소의 데이터가 이를 보정합니다.
잘못된 경쟁숙소 선정의 위험
그런데 아무 숙소나 5개 선택하면 될까요? 그렇지 않습니다.
- 내 숙소와 전혀 다른 유형(호텔 vs 독채)의 데이터는 곡선을 왜곡합니다
- 너무 먼 지역의 숙소는 수요 패턴이 달라 적용할 수 없습니다
- 가격대가 비슷한 숙소만 5개 선택하면 곡선의 범위가 좁아져 예측이 부정확합니다
이것이 PriceBnb가 자동 알고리즘이 아닌 슈퍼호스트 운영자가 직접 경쟁숙소를 큐레이션하는 이유입니다.
PriceBnb만의 차별점: 슈퍼호스트 큐레이션 + AI 분석
시장에는 다양한 에어비앤비 가격 분석 도구가 있습니다. 하지만 대부분은 “데이터 회사”가 만들어, 호스트의 실제 운영 경험이 반영되지 않습니다. PriceBnb가 다른 점은 두 가지 핵심 요소의 결합입니다.
1. 슈퍼호스트 운영자의 경쟁숙소 큐레이션
6년간 직접 에어비앤비를 운영한 슈퍼호스트가 경쟁숙소를 선정합니다. 알고리즘은 위치, 인원, 가격대만 봅니다. 하지만 숙소의 “느낌” — 인테리어 퀄리티, 사진 수준, 숙소 설명의 매력도, 슈퍼호스트 여부 — 은 숫자로 측정하기 어렵습니다.
- 게스트 입장에서 “이 두 숙소를 비교할까?”를 직접 판단
- 직접 경쟁(동일 타겟), 간접 경쟁(인접 타겟), 지향 경쟁(목표 수준)으로 분류
- 데이터 품질이 곡선 정확도를 좌우하므로, 이 과정이 서비스 품질의 핵심
2. 3구간 독립 AI 수익 곡선 분석
큐레이션된 경쟁숙소 데이터를 바탕으로, AI가 3개의 독립 수익 곡선을 생성합니다. 각 곡선에서 최적 가격을 도출하고, 매주 시장 변화를 반영하여 업데이트합니다.
- 평일/금/주말 각각 독립적인 곡선과 최적 가격 제안
- 경쟁숙소 가격 변동 시 곡선 자동 재계산
- 시즌(성수기/비수기) 감지로 곡선 형태 자동 조정
- 매주 주간 리포트에서 최적 가격과 예상 매출 시뮬레이션 제공
3. 다른 서비스와의 비교
| 비교 항목 | 일반 분석 도구 | PriceBnb |
|---|---|---|
| 경쟁숙소 선정 | 자동 (위치/가격 기반) | 슈퍼호스트가 직접 큐레이션 |
| 가격 분석 단위 | 전체 평균 또는 요일별 | 3구간 독립 수익 곡선 |
| 분석 방법 | 단순 평균/중위값 | 가중 최소자승 회귀 |
| 제안 방식 | “가격을 X% 올리세요” | 구간별 최적가 + 3가지 전략 옵션 |
| 업데이트 | 수동 또는 비정기 | 매주 자동 (주간 리포트) |
실전 적용: 수익 곡선 분석 전후 비교
제주 서귀포에 위치한 4인 기준 독채 숙소를 예로 들어보겠습니다. 3구간 독립 수익 곡선 분석을 적용하기 전후를 비교합니다.
Before: 감 기반 가격 (전일 ₩160,000)
| 구간 | 일수 | 가격 | 예약률 | 매출 |
|---|---|---|---|---|
| 평일 (17일) | 17 | ₩160,000 | 28% | ₩761,600 |
| 금요일 (4일) | 4 | ₩160,000 | 60% | ₩384,000 |
| 주말 (9일) | 9 | ₩160,000 | 90% | ₩1,296,000 |
| 합계 | 30 | ₩160,000 | 46% | ₩2,441,600 |
After: AI 수익 곡선 최적가 적용
| 구간 | 일수 | 최적가 | 예약률 | 매출 |
|---|---|---|---|---|
| 평일 (17일) | 17 | ₩118,000 | 52% | ₩1,043,120 |
| 금요일 (4일) | 4 | ₩175,000 | 70% | ₩490,000 |
| 주말 (9일) | 9 | ₩225,000 | 78% | ₩1,579,500 |
| 합계 | 30 | 구간별 최적가 | 60% | ₩3,112,620 |
매출 증가
+₩671,020
매출 증가율
+27.5%
실수익 증가 (월)
+₩567,012
실수익 증가 (연)
+₩6,804,144
핵심 변화를 정리하면:
- 평일: 가격을 ₩42,000 낮췄지만, 예약률이 28% → 52%로 올라 매출이 ₩281,520 증가했습니다. 낮춘 가격보다 늘어난 예약이 훨씬 큽니다.
- 금요일: 가격을 ₩15,000 올리고, 예약률도 60% → 70%로 상승했습니다. 수요 대비 기존 가격이 낮았기 때문에, 올려도 예약이 늘어난 사례입니다.
- 주말: 가격을 ₩65,000 올리면서 예약률은 90% → 78%로 하락했지만, 높아진 단가 효과가 커서 매출이 ₩283,500 증가했습니다.
3개의 독립 수익 곡선이 각 구간에서 “매출 최대점”을 찾아준 결과입니다.전일 고정가로는 절대 도달할 수 없는 최적화입니다.
수익 곡선 분석의 한계와 보완
정직하게 말하면, 수익 곡선 분석에도 한계가 있습니다. PriceBnb는 이 한계를 인식하고 보완합니다.
한계 1: 데이터 초기 부족
서비스 가입 직후에는 수집된 데이터가 적어 곡선이 부정확할 수 있습니다. PriceBnb는 첫 4주간 가중 중위값 기반 분석을 사용하고, 20개 이상의 데이터 점이 쌓이면 회귀 분석으로 전환합니다. “추정” 라벨을 명확히 표시하여 정확도를 투명하게 보여줍니다.
한계 2: 외부 변수
지역 축제, 기상 이변, 코로나 같은 외부 요인은 수요를 급변시킵니다. PriceBnb는 시즌 감지(성수기/비수기/특수시즌)와 공휴일 감지를 통해 곡선을 자동 보정합니다. 하지만 예측 불가능한 이벤트에 대해서는 매주 업데이트되는 주간 리포트로 빠르게 반영합니다.
한계 3: 비가격 경쟁력
평점, 사진, 위치, 편의시설 등 가격 외 요소도 예약률에 영향을 미칩니다. PriceBnb는 가중치 시스템(평점 유사도 x1.3 등)으로 이를 부분적으로 반영하지만, 사진 품질이나 숙소 설명의 매력도까지는 정량화하기 어렵습니다. 이 부분은 슈퍼호스트 운영자의 큐레이션 판단이 보완합니다.
내 숙소의 최적 가격을 확인하세요
경쟁숙소 5개의 데이터를 바탕으로 3구간 독립 수익 곡선을 분석하고,
매출을 극대화하는 최적 가격을 매주 제안합니다.
자주 묻는 질문
수익 곡선이란 무엇인가요?
수익 곡선은 가격과 예약률의 관계를 반영하여 각 가격대에서의 예상 매출을 그린 곡선입니다. 가격이 너무 낮으면 예약은 많지만 매출이 작고, 너무 높으면 예약이 줄어 매출이 감소합니다. 두 힘이 만나는 최적점이 존재합니다.
왜 평일/금요일/주말을 각각 분석해야 하나요?
요일에 따라 수요 곡선이 완전히 다릅니다. 주말 수요는 평일의 2~3배인 경우가 흔하므로, 같은 곡선으로 분석하면 평일 최적 가격은 너무 높게, 주말 최적 가격은 너무 낮게 나옵니다. 3구간 독립 분석만이 정확한 최적 가격을 찾습니다.
경쟁숙소 데이터가 왜 중요한가요?
수익 곡선의 정확도는 데이터 양과 질에 달려 있습니다. 내 숙소 데이터만으로는 곡선을 그릴 수 없습니다. 경쟁숙소 5개의 가격과 예약률 데이터를 함께 분석해야 시장의 수요 패턴을 파악하고 정확한 곡선을 그릴 수 있습니다.
PriceBnb의 수익 곡선 분석은 어떤 점이 다른가요?
PriceBnb는 슈퍼호스트 운영자가 직접 큐레이션한 경쟁숙소 데이터를 사용하고, 가중 최소자승 회귀 기반 AI 분석으로 3구간 독립 수익 곡선을 그립니다. 단순 평균이 아닌 유사 조건 가중치를 적용하여 더 정확한 최적 가격을 찾습니다.
수익 곡선 분석 결과를 어떻게 활용하나요?
PriceBnb 주간 리포트에서 구간별 최적 가격 제안을 확인하고, 에어비앤비 호스트 대시보드에서 해당 가격으로 변경하면 됩니다. 매주 시장 변화를 반영한 업데이트된 분석을 받을 수 있습니다.
정리: 수익 곡선 분석 핵심 포인트
- 매출 = 가격 x 예약률 — 두 변수의 균형점이 최적 가격입니다
- 3구간 독립 분석이 필수입니다. 평일/금/주말의 수요 곡선은 완전히 다릅니다
- 가중 회귀 분석으로 나와 유사한 조건의 경쟁숙소 데이터에 집중합니다
- 경쟁숙소 5개의 데이터가 곡선 정확도를 결정합니다
- 슈퍼호스트 큐레이션이 데이터 품질을 보장합니다
- 매주 업데이트되는 주간 리포트로 시장 변화에 지속 대응합니다
가격을 “감”으로 정하는 시대는 끝났습니다. 데이터가 말해주는 최적점에서 매출을 극대화하세요. 같은 숙소에서 연간 600만원 이상의 추가 수익은 정확한 수익 곡선 분석에서 시작됩니다.