가격을 올리면 매출이 오를까? 수익 곡선이 답합니다
가격과 예약률은 반비례합니다. 가격을 올리면 예약이 줄고, 내리면 예약은 늘지만 단가가 떨어집니다. PriceBnb는 이 두 힘이 만나는 매출 최대 지점을 수학적으로 찾습니다.
핵심 공식
월 매출
Revenue(p)
1박 가격
p
예약률
Occ(p)
구간 일수
days
가격(p)을 올리면 예약률 Occ(p)는 떨어집니다. 이 두 값의 곱이 최대가 되는 지점이 바로 최적 가격입니다. PriceBnb는 이 곡선의 꼭대기를 구간별로 독립 탐색합니다.
수익 곡선 시각화 (주말 구간 예시)
최적 가격: ₩105,000 · 예상 예약률: ~73% · 주말 매출: ~₩685,125
3구간 독립 최적화
평일, 금요일, 주말은 수요 패턴이 완전히 다릅니다. 아래 차트는 세 구간의 수익 곡선을 동시에 보여줍니다. 각 점(●)이 구간별 수익 정점입니다.
평일 (일~목)
월 17일
비즈니스 여행자, 장기 숙박 중심. 경쟁이 적어 안정적이지만 예약률이 낮을 수 있습니다.
금요일
월 4일
주말 여행의 시작점. 평일보다 높은 수요, 별도 전략이 필요합니다.
주말·공휴일 (토)
월 9일
최고 수요 구간. 프리미엄 가격 설정이 가능하지만 과도한 인상은 예약 감소로 이어집니다.
최적화 효과 — Before / After
수익 곡선이 없으면 "대충 비슷하게" 정합니다. 곡선이 있으면 작은 조정으로 큰 차이를 만들 수 있습니다.
₩10,000 인상으로 매출 +12% 효과
현재
₩100,000
예약률 62%
월 매출 ₩558,000
+12% 매출
₩110,000
예약률 55%
월 매출 ₩623,700 +₩65,700
→ 화살표를 클릭해 최적화 결과를 확인하세요
신뢰도 등급 — 데이터가 쌓일수록 정확해집니다
데이터가 충분하지 않으면 극단적인 추천은 하지 않습니다. 신뢰도 등급을 리포트에 항상 표시하여 투명성을 유지합니다.
데이터 누적에 따른 신뢰도 등급
분석 과정
STEP 01
데이터 수집
내 숙소와 경쟁숙소 5곳의 가격·예약률을 매주 자동 수집합니다. 평일/금/주말 각각 2주간의 실제 가격 데이터를 확보합니다.
STEP 02
유사도 기반 가중치 부여
모든 데이터 포인트에 동일한 비중을 두지 않습니다. 내 숙소와 유사한 경쟁숙소(기본인원, 위치, 평점, 방 수)에 더 높은 가중치를 부여합니다.
STEP 03
가중 회귀 분석
가중치가 적용된 데이터로 가격→예약률 함수를 추정합니다. 최신 데이터에 더 높은 비중을 두어 현재 시장 상황을 정확히 반영합니다.
STEP 04
최적 가격 탐색
Revenue(p) = p × Occ(p) × days 곡선의 꼭대기를 찾습니다. 경쟁 중위값의 70%~150% 범위 내에서 합리적인 가격만 추천합니다.
STEP 05
신뢰도 검증
데이터가 충분한지 R² 결정계수로 검증합니다. 데이터 18개 이상 + R²≥0.5이면 높은 신뢰도, 부족하면 보수적으로 추천합니다.
시즌 자동 보정
같은 가격이라도 성수기와 비수기의 예약률은 다릅니다. PriceBnb는 시즌을 자동 감지하여 곡선을 보정합니다.
비수기
-5%p
시장 예약률 < 50%
일반
0
기본 곡선 적용
성수기 · 공휴일
+5%p
시장 예약률 > 80%
왜 수익 곡선인가
평균 가격의 함정 탈출
경쟁숙소 평균 가격을 따라가면 매출이 최대가 아닙니다. 곡선은 "얼마에 팔아야 가장 많이 버는지"를 보여줍니다.
구간별 독립 전략
평일은 공격적, 주말은 프리미엄 같은 혼합 전략이 가능합니다. 한 가격으로 모든 요일을 커버하지 않습니다.
데이터가 쌓일수록 정확
매주 새 데이터가 추가되며 곡선이 정교해집니다. 4주 후부터 높은 신뢰도 추천이 가능합니다.
과도한 추천 방지
경쟁 중위값의 70%~150% 범위를 벗어나는 극단적 가격은 추천하지 않습니다.
내 숙소의 최적 가격을 찾아보세요
무료 플랜으로 AI 수익 곡선 분석을 직접 경험하세요. 첫 리포트에서 구간별 최적 가격을 확인할 수 있습니다.