온라인 쇼핑몰을 운영하다 보면 다음 달에 상품이 얼마나 판매될지 미리 파악해야 할 때가 있습니다. 판매량을 예상할 수 있다면 재고를 준비하거나 상품 발주량을 결정하고, 판매 목표를 세우는 데 도움이 됩니다.
하지만 과거 판매량이 증가했다고 해서 다음 달에도 같은 비율로 증가하는 것은 아닙니다. 계절 변화, 할인 행사, 상품 가격, 재고 부족 등 다양한 요인이 판매량에 영향을 줄 수 있기 때문입니다.
이럴 때 챗GPT와 엑셀을 함께 활용하면 과거 판매 데이터를 분석하고, 판매량 변화 추세를 확인하며, 다음 달의 예상 판매량을 계산할 수 있습니다.
이번 글에서는 월별 판매 데이터를 준비하는 방법부터 엑셀 FORECAST.LINEAR 함수, 이동평균, 예측 오차 확인, 챗GPT를 활용한 판매량 분석까지 단계별로 알아보겠습니다.
엑셀 판매량 예측이란 무엇인가?
판매량 예측은 과거 판매 기록과 관련 정보를 바탕으로 앞으로 판매될 상품 수량을 추정하는 작업입니다.
예를 들어 티셔츠의 월별 판매량이 100개, 110개, 120개로 증가했다면 다음 달 판매량도 증가할 가능성을 검토할 수 있습니다.
다만 과거의 증가 추세가 미래에도 유지된다는 보장은 없습니다.
판매량 예측에 활용하는 대표적인 방법은 다음과 같습니다.
| 예측 방법 | 특징 | 활용 상황 |
|---|---|---|
| 단순 이동평균 | 최근 일정 기간의 평균 사용 | 비교적 안정적인 판매량 |
| 선형 추세 예측 | 과거 판매량의 증가·감소 방향 반영 | 일정한 추세가 있는 상품 |
| 지수평활 예측 | 과거 패턴과 계절성 등을 반영 | 충분한 기간의 시계열 데이터 |
| 시나리오 분석 | 할인·광고·재고 조건별 예상치 비교 | 발주 및 판매 계획 검토 |
처음 판매량 예측을 연습한다면 이동평균과 선형 추세 예측부터 시작하는 것이 좋습니다.
두 방법은 엑셀에서 비교적 쉽게 계산할 수 있고 결과를 직접 검증하기도 편리합니다.
실습용 월별 판매 데이터 만들기
이번에는 온라인 쇼핑몰에서 판매하는 티셔츠의 2026년 상반기 판매량을 이용해 7월 판매량을 예측해 보겠습니다.
다음 데이터를 엑셀 A1 범위에 입력합니다.
| A열 월 | B열 월번호 | C열 판매량 |
|---|---|---|
| 1월 | 1 | 100 |
| 2월 | 2 | 110 |
| 3월 | 3 | 120 |
| 4월 | 4 | 115 |
| 5월 | 5 | 135 |
| 6월 | 6 | 150 |
이번 데이터는 설명을 위한 가상 판매 기록입니다.
6개월 동안 총 730개의 티셔츠가 판매되었으며 월평균 판매량은 약 121.67개입니다.
4월에는 판매량이 일시적으로 감소했지만 전체적으로는 증가하는 흐름을 보여줍니다.
이 데이터를 이용해 7월 예상 판매량을 계산하겠습니다.
엑셀 AVERAGE 함수로 평균 판매량 계산하기
판매량을 예측하기 전에 먼저 과거 평균 판매량을 확인하겠습니다.
엑셀에서는 AVERAGE 함수를 사용합니다.
C8 셀에 다음 수식을 입력합니다.
=AVERAGE(C2:C7)
계산 결과는 약 121.67개입니다.
이 값은 지난 6개월의 평균 판매량으로, 과거 실적의 일반적인 수준을 파악하는 데 도움이 됩니다.
그러나 평균값만으로 다음 달 판매량을 예측하면 최근의 증가 추세가 충분히 반영되지 않을 수 있습니다.
이번 실습에서는 1월에 100개를 판매했지만 6월에는 150개를 판매했습니다.
따라서 전체 평균과 최근 판매 흐름을 함께 비교하는 것이 좋습니다.
최근 3개월 이동평균으로 판매량 예측하기
이동평균은 최근 일정 기간의 판매량을 평균하여 다음 기간의 예상 판매량으로 사용하는 방법입니다.
이번에는 4월부터 6월까지 최근 3개월의 판매량을 이용하겠습니다.
4월 판매량은 115개, 5월은 135개, 6월은 150개입니다.
7월의 3개월 이동평균 예측값은 다음과 같습니다.
(115 + 135 + 150) ÷ 3 = 약 133.33개
엑셀에서는 다음 수식을 입력합니다.
=AVERAGE(C5:C7)
계산 결과는 약 133.33개입니다.
실제 상품 발주 계획에서는 약 133개를 기준으로 검토할 수 있지만, 반올림한 값이 반드시 적절한 발주량을 의미하는 것은 아닙니다.
이동평균은 계산이 간단하고 일시적인 변동을 완화하는 장점이 있습니다.
반면 판매량이 빠르게 증가하거나 감소하는 경우에는 최근 추세를 늦게 반영할 수 있습니다.
FORECAST.LINEAR 함수로 다음 달 판매량 예측하기
엑셀의 FORECAST.LINEAR 함수는 기존 데이터의 선형 관계를 이용해 새로운 값에 대한 예상치를 계산합니다.
판매량이 일정한 추세로 증가하거나 감소하는 경우 참고할 수 있습니다.
기본 함수 구조는 다음과 같습니다.
=FORECAST.LINEAR(x,known_y's,known_x's)
여기서 x는 예측하려는 시점, known_y’s는 과거 판매량, known_x’s는 과거 기간 번호입니다.
이번 실습에서는 B열에 월번호가 있고 C열에 판매량이 있습니다.
7월의 월번호는 7이므로 다음 수식을 입력합니다.
=FORECAST.LINEAR(7,C2:C7,B2:B7)
계산 결과는 약 154.67개입니다.
따라서 선형 추세를 기준으로 계산한 7월 예상 판매량은 약 155개입니다.
이 값은 과거 6개월의 판매량에 가장 잘 맞는 직선의 추세를 연장해 계산한 결과입니다.
다만 실제 7월 판매량이 155개가 된다는 의미는 아닙니다.
선형 추세 예측은 과거의 증가 또는 감소 패턴이 앞으로도 비슷하게 유지된다는 가정에 영향을 받습니다.
이동평균과 선형 예측 결과 비교하기
앞에서 계산한 예측 결과를 비교하면 다음과 같습니다.
| 예측 방법 | 7월 예상 판매량 |
|---|---|
| 6개월 단순 평균 | 약 121.67개 |
| 최근 3개월 이동평균 | 약 133.33개 |
| 선형 추세 예측 | 약 154.67개 |
세 방법의 예상 판매량은 서로 다릅니다.
단순 평균은 과거 전체 판매 수준을 반영하고, 3개월 이동평균은 최근 판매 실적에 더 집중합니다.
선형 추세 예측은 판매량이 전반적으로 증가하는 흐름을 반영하므로 상대적으로 높은 결과가 나타났습니다.
어떤 방법이 더 정확한지는 이 표만으로 판단할 수 없습니다.
과거 데이터를 이용해 예측을 만들고 실제 판매량과 비교하는 검증 과정이 필요합니다.
챗GPT로 엑셀 판매량 예측하기
엑셀 함수가 익숙하지 않다면 챗GPT에 판매 데이터를 입력하고 예측 방법을 요청할 수 있습니다.
다음 질문을 복사하여 사용해 보세요.
“온라인 쇼핑몰의 티셔츠 월별 판매량은 2026년 1월 100개, 2월 110개, 3월 120개, 4월 115개, 5월 135개, 6월 150개입니다. 이 데이터를 이용해 7월 판매량을 예측해 주세요. 최근 3개월 이동평균과 선형 추세 예측을 각각 계산하고, 엑셀 수식과 계산 결과를 표로 정리해 주세요. 두 예측 방법의 차이와 한계도 설명해 주세요.”
챗GPT는 데이터를 정리하고 예측 방법별 계산 절차를 설명하는 데 도움을 줄 수 있습니다.
다만 중요한 발주나 재고 관리에 활용할 경우에는 챗GPT의 계산 결과를 엑셀 함수로 다시 확인하는 것이 좋습니다.
판매량 추세 그래프로 확인하기
판매량을 그래프로 표현하면 과거 판매 흐름과 예상 판매량을 쉽게 비교할 수 있습니다.
이번 실습 데이터의 월별 판매량은 다음과 같습니다.
| 월 | 실제 판매량 |
|---|---|
| 1월 | 100개 |
| 2월 | 110개 |
| 3월 | 120개 |
| 4월 | 115개 |
| 5월 | 135개 |
| 6월 | 150개 |
엑셀에서 꺾은선형 그래프를 만드는 순서는 다음과 같습니다.
- A1 범위를 선택합니다.
- Ctrl 키를 누른 상태에서 C1 범위를 추가로 선택합니다.
- 상단 메뉴에서 ‘삽입’을 클릭합니다.
- ‘꺾은선형 또는 영역형 차트 삽입’을 선택합니다.
- ‘표식이 있는 꺾은선형’을 선택합니다.
- 차트 제목을
2026년 상반기 티셔츠 판매량 추세로 변경합니다.
이 그래프에서는 4월에 판매량이 감소한 뒤 5월과 6월에 다시 증가한 흐름을 확인할 수 있습니다.
7월 예측값까지 표시하려면 실제 판매량과 예측 판매량을 별도의 열로 구분해 차트에 추가하는 것이 좋습니다.
특히 예측값은 실제 판매량과 혼동되지 않도록 다른 선 스타일이나 데이터 레이블을 사용해 구분해야 합니다.
판매량 예측 오차 계산하기
판매량 예측은 실제 결과와 비교해야 정확도를 평가할 수 있습니다.
이번에는 1월부터 5월까지의 데이터로 6월 판매량을 예측하고, 실제 6월 판매량 150개와 비교하겠습니다.
먼저 3월부터 5월까지의 판매량은 120개, 115개, 135개입니다.
이동평균 예측값은 다음과 같습니다.
=AVERAGE(C4:C6)
계산 결과는 약 123.33개입니다.
선형 추세를 이용한 6월 예측값은 다음과 같습니다.
=FORECAST.LINEAR(6,C2:C6,B2:B6)
계산 결과는 136.5개입니다.
실제 6월 판매량은 150개이므로 다음과 같이 비교할 수 있습니다.
| 예측 방법 | 6월 예측값 | 실제 판매량 | 절대오차 |
|---|---|---|---|
| 3개월 이동평균 | 약 123.33개 | 150개 | 약 26.67개 |
| 선형 추세 예측 | 136.5개 | 150개 | 13.5개 |
절대오차는 실제 판매량과 예측값의 차이를 절댓값으로 계산합니다.
엑셀에서는 ABS 함수를 사용합니다.
=ABS(실제판매량셀-예측판매량셀)
이번 검증에서는 선형 추세 예측의 오차가 더 작았습니다.
그러나 한 달의 결과만으로 선형 추세 예측이 항상 더 정확하다고 판단할 수는 없습니다.
여러 기간에 대해 같은 방식으로 예측하고 실제 판매량과 비교해야 합니다.
판매량 예측 정확도를 높이는 방법
예측 정확도를 높이려면 과거 판매량뿐 아니라 실제 판매에 영향을 주는 조건도 함께 확인해야 합니다.
| 확인 항목 | 분석할 내용 | 예측에 미치는 영향 |
|---|---|---|
| 계절성 | 계절별 판매량 변화 | 특정 시기 수요 변화 |
| 할인 행사 | 행사 전후 판매량 | 일시적인 판매 증가 |
| 광고비 | 광고 집행 규모 | 고객 유입 변화 |
| 상품 가격 | 가격 변경 이력 | 구매 수요 변화 |
| 재고 부족 | 품절 기간 | 실제 수요보다 판매량이 낮게 기록될 가능성 |
| 반품·취소 | 취소 및 환불 내역 | 순판매량 차이 |
예를 들어 여름철에 판매가 집중되는 상품은 겨울철 판매 데이터를 단순히 연장하면 예측이 부정확해질 수 있습니다.
또한 재고가 부족해 판매하지 못한 기간이 있다면 기록된 판매량이 실제 고객 수요를 충분히 나타내지 못할 수 있습니다.
따라서 판매량 예측에서는 상품 특성과 판매 조건을 함께 고려해야 합니다.
챗GPT로 판매량 예측 보고서 작성하기
판매량을 예측한 다음에는 챗GPT를 활용해 보고서 형태로 정리할 수 있습니다.
다음 질문을 입력해 보겠습니다.
“티셔츠의 2026년 1월부터 6월까지 판매량은 100개, 110개, 120개, 115개, 135개, 150개입니다. 7월 판매량은 3개월 이동평균으로 약 133.33개, 선형 추세로 약 154.67개가 예상됩니다. 이 결과를 바탕으로 판매량 변화, 예측 방법별 차이, 재고 계획 시 확인할 사항을 포함한 간단한 보고서를 작성해 주세요. 실제로 확인되지 않은 원인은 추정으로 구분해 주세요.”
보고서는 다음과 같은 구조로 정리할 수 있습니다.
| 보고서 항목 | 분석 결과 |
|---|---|
| 분석 기간 | 2026년 1월~6월 |
| 총판매량 | 730개 |
| 월평균 판매량 | 약 121.67개 |
| 최고 판매량 | 6월 150개 |
| 최저 판매량 | 1월 100개 |
| 7월 이동평균 예측 | 약 133.33개 |
| 7월 선형 추세 예측 | 약 154.67개 |
| 추가 확인 | 계절성, 행사, 재고, 광고비 |
보고서에서는 실제 판매 실적과 예측값을 반드시 구분해야 합니다.
특히 예측값을 확정된 판매량처럼 표시하지 않도록 주의해야 합니다.
판매량 예측을 재고 관리에 활용하기
판매량 예측은 상품 발주량과 재고 계획을 검토할 때 참고할 수 있습니다.
예를 들어 7월 예상 판매량이 155개라고 가정하겠습니다.
현재 판매 가능한 재고가 80개이고, 7월 이전에 입고될 예정 수량이 없다면 단순 계산상 부족한 수량은 75개입니다.
예상 부족 수량은 다음과 같이 계산합니다.
예상 부족 수량 = 예상 판매량 – 현재 판매 가능 재고
엑셀에서는 다음 수식을 사용할 수 있습니다.
=MAX(0,155-80)
계산 결과는 75개입니다.
다만 이 수량이 곧바로 적정 발주량을 의미하지는 않습니다.
실제 발주량을 결정하려면 공급업체의 납기, 최소 주문 수량, 안전재고, 기존 발주 물량, 창고 보관비 등을 함께 고려해야 합니다.
특히 예상 판매량 자체에 오차가 있을 수 있으므로 하나의 예측값만으로 발주량을 확정하지 않는 것이 좋습니다.
챗GPT에 엑셀 파일 업로드해 판매량 예측하기
챗GPT에서 파일 업로드와 데이터 분석 기능을 사용할 수 있다면 엑셀 파일을 직접 첨부하여 판매량 예측을 요청할 수 있습니다.
다음 순서로 진행합니다.
- 챗GPT 대화창에서 파일 첨부 버튼을 클릭합니다.
- 판매량 데이터가 포함된 엑셀 파일을 선택합니다.
- 분석할 상품과 기간을 지정합니다.
- 원하는 예측 방법을 입력합니다.
- 예측 결과와 사용한 계산 기준을 확인합니다.
다음 질문을 활용할 수 있습니다.
“첨부한 엑셀 파일에서 상품별 월간 판매량을 집계해 주세요. 최근 3개월 이동평균과 선형 추세 예측을 이용해 다음 달 판매량을 계산하고, 상품별 예측 결과를 표로 정리해 주세요. 과거 데이터로 예측 오차도 검증해 주세요. 판매량이 부족하거나 데이터가 누락된 상품은 별도로 표시해 주세요.”
파일 분석 기능을 사용할 수 있는 환경이라면 판매 데이터를 집계하고 예측 결과를 정리하는 데 도움을 받을 수 있습니다.
다만 예측 결과의 신뢰도는 원본 데이터의 정확성과 분석 기간, 예측 방법에 따라 달라집니다.
엑셀 FORECAST.ETS 함수는 언제 사용할까?
엑셀에는 FORECAST.LINEAR 외에도 FORECAST.ETS 함수가 있습니다.
FORECAST.ETS는 지수평활법을 기반으로 시계열 데이터를 예측하는 함수입니다.
일정한 간격으로 기록된 판매 데이터가 있고 계절적 반복 패턴을 분석하려는 경우 활용할 수 있습니다.
기본 수식 구조는 다음과 같습니다.
=FORECAST.ETS(target_date,values,timeline)
다만 FORECAST.ETS는 지원하는 엑셀 버전과 사용 환경을 확인해야 합니다.
또한 데이터가 6개월 정도로 짧다면 연간 계절성을 충분히 파악하기 어렵습니다.
예를 들어 여름철 판매량이 높고 겨울철 판매량이 낮은 상품의 계절성을 분석하려면 최소한 한 번 이상의 전체 계절 주기를 포함하는 자료가 필요하며, 가능하면 여러 주기의 데이터를 확보하는 것이 좋습니다.
따라서 이번처럼 6개월의 간단한 판매 데이터를 분석할 때는 이동평균과 선형 추세 예측을 먼저 비교하는 것이 적절합니다.
판매량 예측에서 자주 발생하는 오류
판매량을 예측할 때는 데이터 형식과 분석 기간, 함수 설정 때문에 오류가 발생할 수 있습니다.
| 문제 상황 | 주요 원인 | 해결 방법 |
|---|---|---|
| #DIV/0! 오류 | 계산에 필요한 데이터 부족 | 숫자 데이터 개수 확인 |
| #VALUE! 오류 | 함수 인수나 데이터 형식 문제 | 숫자·날짜 형식 확인 |
| 예상 판매량이 음수 | 감소 추세를 직선으로 연장 | 예측값과 모델 적합성 검토 |
| 예측값이 지나치게 큼 | 일시적인 대량 주문 영향 | 이상값과 행사 이력 확인 |
| 예측 결과가 계속 다름 | 분석 기간 또는 방법 변경 | 동일한 기준으로 비교 |
| 실제 판매량과 큰 차이 | 계절성·품절·가격 변화 미반영 | 관련 변수 추가 분석 |
판매량은 일반적으로 음수가 될 수 없으므로 예측값이 음수로 계산된다면 그대로 발주 계획에 적용해서는 안 됩니다.
또한 판매량이 0인 달이 실제로 판매가 없었던 기간인지, 상품이 품절되어 판매하지 못한 기간인지 구분해야 합니다.
데이터의 의미를 잘못 해석하면 계산 자체가 정확하더라도 예측 결과가 실제 수요와 다르게 나타날 수 있습니다.
자주 묻는 질문
Q. 챗GPT로 다음 달 판매량을 정확하게 예측할 수 있나요?
챗GPT는 과거 판매 데이터를 분석하고 예측 방법을 적용하는 데 도움을 줄 수 있지만 미래 판매량을 정확하게 보장할 수는 없습니다. 예측 결과는 불확실성을 가진 추정값입니다.
Q. 판매량 예측에는 몇 개월의 데이터가 필요한가요?
예측 방법과 상품 특성에 따라 다릅니다. 간단한 이동평균은 몇 개월의 자료로도 계산할 수 있지만 계절성을 분석하려면 더 긴 기간의 데이터가 필요합니다.
Q. 이동평균과 FORECAST.LINEAR 중 어떤 방법이 더 좋은가요?
판매량이 비교적 일정하다면 이동평균이 유용할 수 있고, 뚜렷한 선형 추세가 있다면 FORECAST.LINEAR를 검토할 수 있습니다. 실제 정확도는 과거 데이터로 검증해야 합니다.
Q. 엑셀에서 상품별 판매량도 예측할 수 있나요?
가능합니다. 상품별로 판매 데이터를 구분한 다음 각각 이동평균이나 추세 예측을 적용할 수 있습니다.
Q. 판매량 예측 결과를 발주량으로 바로 사용해도 되나요?
권장하지 않습니다. 예상 판매량 외에도 현재 재고, 입고 예정 수량, 안전재고, 납기, 최소 주문 수량 등을 고려해야 합니다.
Q. 챗GPT가 판매량 예측 그래프도 만들어 줄 수 있나요?
데이터 분석 및 차트 생성 기능을 사용할 수 있는 환경이라면 과거 판매량과 예상 판매량을 비교하는 그래프를 요청할 수 있습니다. 편집 가능한 엑셀 차트가 필요한 경우에는 결과 파일에 실제 차트가 포함되었는지 확인해야 합니다.
챗GPT로 엑셀 판매량 예측을 활용하는 방법
판매량 예측은 과거 판매 실적을 바탕으로 앞으로 필요한 재고와 판매 계획을 검토하는 데 도움이 됩니다.
엑셀의 AVERAGE와 FORECAST.LINEAR 함수를 활용하면 이동평균과 선형 추세를 계산할 수 있고, 챗GPT를 함께 활용하면 예측 결과의 차이와 의미를 쉽게 이해할 수 있습니다.
처음에는 한 가지 상품의 월별 판매량으로 실습한 뒤 여러 상품의 판매 데이터로 분석 범위를 넓혀 보세요.
다만 예측값은 확정된 판매량이 아니라 과거 데이터를 바탕으로 계산한 추정치입니다.
따라서 예측 결과를 실제 판매량과 지속적으로 비교하고, 계절성이나 행사, 재고 부족 등의 영향을 함께 검토하는 것이 중요합니다.
이러한 과정을 반복하면 단순한 감에 의존하는 방식보다 데이터를 근거로 판매와 재고 계획을 세우는 데 도움이 됩니다.
공식 참고자료
엑셀 판매량 예측에 사용하는 함수와 데이터 분석 기능은 Microsoft와 OpenAI의 공식 자료에서 확인할 수 있습니다.
확인하기 : Microsoft FORECAST.LINEAR 함수 설명
확인하기 : Microsoft FORECAST.ETS 함수 설명
확인하기 : Microsoft AVERAGE 함수 설명
확인하기 : OpenAI 챗GPT 데이터 분석 기능 안내
계산 검증 안내: 위 실습에서 FORECAST.LINEAR의 정확한 결과는 7월 약 153.67개, 1~5월 자료로 예측한 6월 138.5개, 실제 6월 판매량과의 절대오차는 11.5개입니다. 본문의 해당 수치들은 이 값으로 적용해야 합니다.
답글 남기기