ChatGPT 주간 매출 분석: 주문 중복 없이 객단가를 계산하는 방법

매출은 줄었는데 객단가는 올랐다면 장사가 좋아진 걸까요? 주문이 줄어든 가운데 일부 고객이 더 많이 구매했을 수도 있습니다. 매출표만 보고 원인을 단정하기 전에, 주문 수와 할인 기준부터 맞춰야 합니다.

이 글에서는 가상 매장의 2주치 자료로 매출·주문 수·객단가를 직접 계산하고, ChatGPT에 맡길 부분과 사람이 검수할 부분을 구분합니다. 아래 숫자는 설명을 위해 구성한 가상 데이터이며, 실제 매장의 운영 실적이나 ChatGPT 실사용 테스트 결과가 아닙니다.

1. 먼저 정할 것: 어떤 금액과 주문을 비교할까?

아래 예시는 두 주 모두 월요일부터 일요일까지 7일 영업했고, 취소·환불이 없다고 가정합니다. 여기서 ‘결제매출’은 할인 적용 후 고객이 결제한 금액입니다. 세무 신고용 매출이 아니라 운영 비교용 지표입니다. 플랫폼 수수료·재료비를 차감한 이익과도 다릅니다.

실제 자료에 환불이 있으면 환불 발생일과 원래 주문일 중 어느 기준에 반영할지 먼저 정하고, 비교 기간에 같은 기준을 적용하세요. 환불 금액을 빼면서 취소 주문 수는 그대로 두면 객단가가 왜곡될 수 있습니다. 이런 경우 정상 완료 주문과 환불·취소를 분리한 표부터 만드는 편이 낫습니다.

분석 전에 적을 기준은 다음 네 가지입니다.

• 기간: 월~일 또는 매장의 정산 주기
• 금액: 할인 전인지 후인지, 세금·배송비 포함 여부
• 주문: 중복 없는 정상 완료 주문 건수
• 영업: 실제 영업일 수와 영업시간 변경 여부

2. 주문 수와 상품군 매출은 다른 표로 준비하세요

음료와 디저트를 함께 산 고객의 주문은 하나입니다. 그런데 상품군별 표에서 음료 주문 1건, 디저트 주문 1건을 더하면 2건이 됩니다. 따라서 매장 전체 객단가는 상품군별 주문 수의 합계가 아니라, POS나 주문 시스템에서 확인한 중복 없는 전체 주문 수로 계산해야 합니다.

매장 전체 집계표

검산은 간단합니다. 전주는 4,830,000−230,000=4,600,000원, 이번 주는 4,852,000−302,000=4,550,000원입니다. 이 관계가 맞지 않으면 배송비·환불·추가 할인 등이 섞였는지 먼저 확인하세요.

상품군별 결제매출표

이 예시는 주문 전체에 적용한 할인도 상품군별로 배분한 뒤의 금액입니다. 실제 시스템이 상품군에 할인액을 배분하지 않는다면, 이 표와 매장 결제매출이 바로 일치하지 않을 수 있습니다. 숫자를 억지로 맞추지 말고 서로 다른 집계 기준이라고 표시하세요.

3. ChatGPT에 넣기 전에 정답표부터 만들기

금액은 원 단위, 비율은 소수 둘째 자리로 표시했습니다. 변화율은 반올림하기 전 값으로 계산합니다. 할인율의 변화는 두 비율을 뺀 ‘퍼센트포인트’입니다.

핵심 검산 두 개를 직접 해보면 다음과 같습니다.

• 매출 증감률: (4,550,000−4,600,000)÷4,600,000×100 ≈ −1.09%
• 이번 주 주문당 결제액: 4,550,000÷780 ≈ 5,833원

음료 매출 감소 20만 원을 디저트 증가 15만 원이 일부 상쇄했습니다. 전체 감소액은 5만 원입니다. 이 설명은 표로 확인할 수 있지만, 음료가 덜 팔린 이유까지 밝혀주는 것은 아닙니다.

4. 그대로 복사할 분석 요청문

ChatGPT에는 위 두 표와 다음 요청문을 함께 넣습니다. 파일 업로드가 가능하다면 열 이름이 명확한 CSV·스프레드시트를 사용할 수 있습니다. 이용 가능한 기능과 한도는 계정에 따라 다르므로, 특정 요금제를 반드시 결제할 필요가 있다고 단정하지 마세요.

첨부한 두 표는 가상 매장의 전주·이번 주 비교 자료다.
두 주 모두 7일 영업했고 취소·환불은 없다.
결제매출은 할인 후 금액이며, 주문 수는 중복 없는 완료 주문이다.
상품군 매출에는 주문 단위 할인도 배분되어 있다.

먼저 다음 항목을 검사해라.
1. 할인 전 판매액 - 할인액 = 결제매출인지
2. 상품군별 결제매출 합계 = 전체 결제매출인지
3. 빈칸, 중복 행, 단위 불일치가 있는지

이상이 없으면 결제매출, 주문 수, 주문당 결제액, 할인율,
상품군 매출 증감액·증감률을 계산식과 함께 보여줘.
객단가는 상품군별 주문 수를 더하지 말고 전체 주문 수로 계산해라.
변화율은 반올림 전 값으로 계산하고 할인율 차이는 %p로 표시해라.
분모가 0이면 계산 불가로 표시하고, 빈칸을 임의로 0으로 채우지 마라.

마지막에는 확인된 사실 / 가능한 가설 / 필요한 추가 자료를 분리해라.
자료에 없는 날씨·광고·고객 반응을 만들어 쓰지 마라.
매출 증가 또는 이익 증가를 보장하지 마라.

OpenAI는 분석용 표를 명확한 열 이름과 일관된 행 구조로 준비하고, 사용한 계산·가정을 검토하도록 안내합니다. AI 답변을 정답으로 삼기보다 위 정답표와 대조하는 방식으로 사용하세요.

5. 숫자를 한 장짜리 보고서로 바꾸기

다음은 위 가상 자료로 작성할 수 있는 보고서 예시입니다.

확인된 변화: 결제매출은 5만 원 감소했고 완료 주문은 40건 줄었다. 주문당 결제액은 약 224원 높아졌다. 할인율은 약 1.46%p 상승했다.

아직 모르는 것: 주문 감소가 방문객 감소, 품절, 영업시간 변경, 판매 채널 변화 중 무엇과 관련되는지는 알 수 없다. 재료비와 수수료가 없으므로 이익이 좋아졌는지도 판단할 수 없다.

우선 확인할 자료: 요일·시간대별 주문 수, 음료 품절 시간, 채널별 주문 수, 할인 적용 주문 건수. 고객 이름이나 연락처는 필요하지 않다.

다음 행동: 먼저 한 주 동안 시간대별 주문 수와 품절 여부를 같은 방식으로 기록한다. 그 뒤 주문 감소 시간대가 반복되는지 확인한다. 할인 확대는 비용과 이익 자료를 확인한 후 판단한다.

여기서 중요한 점은 ‘좋아진 점 두 개’를 억지로 채우지 않는 것입니다. 객단가 상승은 관찰된 변화이지, 그 자체로 수익 개선을 뜻하지 않습니다.

6. 다음 주 기록표와 작은 실험 설계

아래 항목을 노트나 스프레드시트에 복사해 기록하세요.

기록에서 특정 시간대의 품절이 반복됐다면, 해당 시간대의 준비 수량만 조정하는 실험을 검토할 수 있습니다. 한꺼번에 가격·광고·진열을 모두 바꾸면 어느 변경이 영향을 줬는지 구분하기 어렵습니다.

실험 전에 ‘변경 한 가지, 비교할 같은 요일·시간대, 관찰할 주문 수와 폐기량, 중단할 조건’을 적습니다. 판매 기회를 늘리려다 폐기가 커질 수 있기 때문입니다. 목표 수치는 AI에게 임의로 정하게 하지 말고, 매장의 기존 변동 폭과 감당 가능한 비용을 기준으로 정하세요. 전후 비교만으로 인과관계가 확정되는 것은 아닙니다.

7. 결과를 사용하지 말아야 하는 경우

• 전체 주문 수가 없고 상품군별 구매 건수만 있다: 전체 객단가 계산을 보류합니다.
• 전주 매출이 0원이다: 전주 대비 변화율 대신 금액 차이를 제시합니다.
• 두 주의 영업일이 다르다: 총액과 일평균을 함께 보되, 요일 구성이 다른 영향도 남는다고 표시합니다.
• 할인 전후 금액 구분이 없다: 할인율 계산을 보류합니다.
• 원본 합계와 분석표가 다르다: 해석을 멈추고 누락·중복·환불 기준부터 확인합니다.

자주 묻는 질문

고객 정보가 없는 자료만으로도 분석할 수 있나요?

이 글의 주간 매출 비교에는 고객 정보가 필요하지 않습니다. 분석용 사본에는 집계 숫자만 옮기고, 고객 식별정보·주문 메모·결제정보는 넣지 마세요. 집계표도 회사 내부자료일 수 있으므로 외부 서비스 사용 권한을 확인해야 합니다.

두 주치 데이터로 매출 감소 원인을 알 수 있나요?

변화는 계산할 수 있지만 원인을 확정하기에는 부족합니다. 비교 기간을 늘려도 행사·휴무·계절 등의 차이를 확인해야 하며, 특정 주 수만 채우면 원인이 밝혀지는 것은 아닙니다.

매주 완전 자동으로 보고서를 보내도 될까요?

집계와 초안 생성은 반복 작업으로 만들 수 있지만, 합계 불일치·주문 중복·분모 0·예상 밖 변화가 있으면 자동 전송을 멈추도록 설계하는 편이 안전합니다. 처음에는 사람이 숫자와 표현을 검수하는 단계를 유지하세요.

오늘 할 일

지난주와 이번 주의 결제매출과 중복 없는 주문 수부터 확인하세요. 이 두 가지가 정확하면 객단가를 검산할 수 있습니다. 그다음 할인 기준을 맞추고 상품군별 증감액을 더하면, ‘매출이 줄었다’는 막연한 느낌을 ‘어디서 얼마나 바뀌었는가’라는 질문으로 바꿀 수 있습니다.

참고 자료

• OpenAI: ChatGPT 데이터 분석 안내: 파일 구조와 계산 검토 방법. 2026-10-07 확인.