신제품 수요예측 방법론의 진화: Bass 모델에서 Foundation Model까지의 체계적 문헌 고찰(1969-2025)

초록

전기차, 스마트폰 초기 모델과 같은 Category Break 제품의 수요예측은 일반적인 신제품 예측과 근본적으로 다른 도전을 제시한다. 기존 카테고리의 데이터는 풍부하게 존재하지만, 수요를 결정하는 핵심 변수 자체가 바뀌어 그 데이터를 직접 활용할 수 없다. 본 연구는 Bass(1969)부터 Foundation Model 시대(2020~현재)까지 신제품 수요예측 방법론에 대한 체계적 문헌 고찰을 수행하고, 수학적 확산 모델, 유사성 기반 전문가 예측, 속성 기반 머신러닝, Foundation Model의 4세대 방법론이 수요 데이터를 참조하기 어려운 세 가지 국면인 Pre-launch(데이터 없음), Early-launch(데이터 부족), Category Break(데이터는 있지만 참조 불가)에 어떻게 대응해왔는지를 분석한다. 각 세대의 한계는 다음 세대의 등장을 촉발하는 연쇄 구조를 이루는 것으로 나타났다. 분석 결과, Pre-launch와 Early-launch 국면은 4세대 방법론을 통해 기존보다 예측 가능성이 확대되었으나, Category Break 국면은 모든 세대에 걸쳐 근본적으로 미해결 상태임을 보인다. 본 연구는 Category Break가 해결되지 않는 세 가지 이유로 Foundation Model이 사전학습 데이터의 질과 범위에 의존한다는 점, 데이터 부재가 아니라 수요 변수 자체의 전환이 본질이라는 점, Category Break를 가장 잘 다루는 4세대 방법론이 오히려 가장 많은 컴퓨팅 자원을 요구하는 역설이 발생한다는 점을 밝힌다. 이를 바탕으로 데이터 증강, 특히 LLM 기반 합성 데이터 생성을 유망한 방향으로 제시한다.

키워드