고객 사례
소비자 헬스케어 / 일반의약품 & 웰니스

글로벌 소비자 헬스케어 기업이 6개 경쟁 영역을 하나의 지능 계층으로 통합한 방법

Nielsen은 점유율이 1.2%p 하락했다고 했고 내부 영업은 매출 청구액이 8% 늘었다고 했습니다. 둘 다 맞았지만 이유를 설명할 수 있는 사람은 없었습니다.

--
첫 활용 사례의
진단 정확도
--
착수부터
정식 운영까지
당일
신호에서 통찰까지
기존 3~4주에서 단축
<10%
후속 활용 사례당
상대 비용
01

한 기업 안에 여섯 사업.
각기 다른 경쟁을 하지만
사각지대는 같았습니다.

이 기업은 구강 건강, 통증 완화, 소화기 건강, 호흡기, 비타민 분야에서 사업을 운영합니다. 카테고리마다 경쟁사, 채널, 계절성, 데이터 출처가 다릅니다. 하나의 포트폴리오지만 여섯 가지 별개의 지능 요구사항이 있었습니다.

6
서로 다른 경쟁
영역
5+
외부 데이터 출처
(Nielsen, Kantar, IQVIA)
3~4주
신호 발생부터
통합 분석까지의 지연
12
서로 다른 관점이 필요한
사용자 유형

Nielsen IQ는 일반 유통(GT)과 현대적 유통(MT)의 시장점유율을 매월 측정하지만 통증 완화·호흡기 제품이 판매되는 약국 채널을 충분히 반영하지 못합니다. Kantar는 다른 주기와 지역 분류로 가구 침투율을 추적합니다. 내부 1차 판매는 유통업체 청구액을 보여 주고, 새로 확대한 농촌 지역의 현장 2차 판매 데이터는 불완전합니다.

카테고리 책임자가 Nielsen에서 구강 건강 점유율이 1.2%p 하락한 것을 보고 영업에 묻습니다. 영업은 1차 청구액이 8% 증가했다고 답합니다. 둘 다 맞습니다. 회사 출고는 늘었지만, 경쟁사가 Nielsen 조사 범위가 부족한 농촌 매장에 10루피 소포장을 출시해 체험 구매를 확보했습니다. 누군가 수작업으로 전모를 파악했을 때는 경쟁 제품이 출시된 지 이미 6주가 지난 뒤였습니다.

02

대시보드 다섯 개. 데이터 출처 다섯 곳.
교차 확인은 전혀 없었습니다.

Nielsen과 Kantar는 각각 다른 포털에, 내부 매출은 SAP에, 약국 데이터는 분기 스프레드시트에, 브랜드 건전성은 조사 업체 플랫폼에 있었습니다. 기술적으로 모두 접근 가능했지만 서로 연결되지 않았습니다.

약 2일
월간 검토 1회당

브랜드 관리자는 매월 카테고리 현황을 모으는 데 2일을 썼습니다 . 출처별 데이터를 추출하고 지역 분류를 맞추며 슬라이드를 만들었습니다. 결과는 과거 지향적이고 조치하기에 늦었으며, 여러 영역을 아우르는 질문은 아예 제기되지 않는 경우가 많았습니다.

×

분류 체계는 다르고 엔터티 식별은 없었습니다. Nielsen은 ‘도시 북부’, 내부 영업은 주 단위 지역 영업 관리자 권역, Kantar는 도시 등급별 사회경제 분류를 사용합니다. ‘최근 유통을 확대한 곳에 점유율 하락이 집중되는가?’라는 질문에 답하려면 세 명명 체계를 수작업으로 연결해야 했습니다.

×

영역 간 진단의 부재 Nielsen은 점유율 하락을, 내부 데이터는 청구액 증가를 보여 줍니다. 어느 쪽도 경쟁사가 Nielsen이 충분히 조사하지 않는 약국에 저가 SKU를 출시했다는 사실을 알려 주지 못합니다. 이를 알아내려면 시스템 경계를 넘어야 했고, 어떤 대시보드도 이를 수행하지 않았습니다.

×

약국 채널의 사각지대 약국은 통증 완화·호흡기 제품 매출의 30~40%를 차지합니다. 하지만 Nielsen의 약국 조사 범위는 좁습니다. 의료 전문가의 추천 패턴은 별도 IQVIA 시스템에서 추적했습니다. 채널 전체가 통합 지능 없이 운영되고 있었습니다.

03

여섯 영역을 하나의 그래프로.
시장 데이터, 판매 데이터,
채널 데이터를 연결합니다.

Intelligence Warehouse는 브랜드, 카테고리, 지역, 채널, 경쟁사, 외부 측정 시스템을 하나의 비즈니스 그래프로 모델링합니다. 점유율이 변하면 그래프가 시스템 경계를 넘어 그 이유를 추적합니다.

비즈니스 지식 그래프
엔터티
지표
의사결정
46 개 엔터티28 개 지표15 개 의사결정 규칙10 개 업무 클러스터
M
Morrie를 통한 지식 추출
브랜드 관리자, 카테고리 책임자, 영업 리더와의 적응형 세션

그래프는 브랜드·영업·분석 이해관계자와의 구조화된 세션을 통해 Morrie로 수집했습니다. ‘어떤 보고서를 쓰나요?’ 대신 ‘Nielsen은 점유율 하락, 영업은 청구액 증가라고 할 때 무엇이 맞는지 어떻게 확인하나요?’라고 묻습니다. 12개 사용자 유형을 대상으로 18회 세션을 진행했습니다.

Morrie
지난달 Nielsen에서 구강 건강 점유율은 1.2%p 하락했고 같은 기간 내부 청구액은 8% 증가했습니다. 어떻게 설명하는지 알려 주세요.
먼저 어느 지역, 어느 채널인지 봅니다. Nielsen은 일반·현대 유통에 강하지만 약국에는 약합니다. 하락이 ‘도시 남부’이고 최근 남부 농촌 유통을 확대했다면, 청구액 증가는 아직 최종 판매로 이어지지 않은 유통 재고 채우기입니다. 모순이 아니라 다른 두 신호죠.
진단 규칙: 점유율과 청구액의 괴리 → 지역·채널 구성 + 유통 재고와 최종 판매 분리. 약국 채널의 Nielsen 조사 공백 표시.
Morrie
지역이 일치한다면요? Nielsen 조사와 청구 데이터가 모두 충분한 도시 일반 유통에서는요?
그러면 경쟁사가 뭔가 한 겁니다. 같은 매장에 저가 소포장을 내놨는지 확인하겠어요. 구강용품에서 10루피 체험 제품은 한 달 만에 수치 유통률을 3~4%p 움직일 수 있어요. Nielsen에는 잡히지만 제 판매량은 그대로라 내부 데이터에는 보이지 않습니다. 전체 카테고리만 커진 거죠.
근본 원인 분석: 동일 지역의 괴리 → 경쟁사 활동(신규 SKU 또는 유통 판촉). 카테고리 확대: Haleon 판매량 유지 + 전체 판매량 증가 = 매출 손실이 아닌 점유율 희석.
Morrie
그렇다면 점유율 희석과 실제 매출 손실을 구분하려면 카테고리 성장을 알아야겠군요. 지금은 그 신호를 얼마나 빨리 받나요?
매월, 3주 늦게 받습니다. 제가 볼 때면 경쟁사는 6주간 아무 대응 없이 유통을 확대했죠. 2주 차에 신호를 받았다면 체험 구매가 반복 구매로 굳기 전에 대응 판촉을 할 수 있었을 겁니다.
핵심 격차: Nielsen 지연 3주 + 분석 조립 1주 = 탐지 지연 4주. 대응 판촉 결정 기회는 최대 2주. 결과적으로 대응 시간 2~4주 손실.

18회 세션 · 엔터티 46개, 지표 28개, 의사결정 규칙 15개 · 모든 노드를 해당 대화까지 추적 가능

04

첫 활용 사례: 영업 인텔리전스

Nielsen, Kantar, 내부 데이터를 아우르는 진단입니다. 점유율 변화가 유통, 가격, 경쟁, 채널 구성 중 무엇 때문인지 추적합니다. 여섯 영역 전체에서 이상 탐지와 근본 원인 분해를 자동화합니다.

진단 정확도
--
2개월간 3개 영역에서 선임 카테고리 관리자가 수행한 근본 원인 분석과 비교하여 검증했습니다.
기존: 수작업, 검토당 2일
정식 운영까지의 기간
--
착수부터 운영까지입니다. 지식 추출, 그래프 구축, Nielsen·Kantar·SAP·IQVIA 데이터 매핑, 엔터티 식별, 에이전트 배포를 포함합니다.
신호에서 통찰까지
당일
Nielsen 데이터가 갱신되면 그래프가 내부 데이터와 자동으로 교차 확인합니다. 수주가 아니라 몇 시간 안에 이상을 드러냅니다.
기존: 3~4주 지연
영역 간 질의
--
2개 이상 시스템이 필요한 질문의 정답률입니다. 기존에는 수작업으로 자료를 모아야 했고 질문 자체를 하지 않는 경우도 많았습니다.
05

그래프는 한 번 구축하고,
활용 사례는 적은 비용으로 확장합니다.

첫 사례에서 여섯 영역의 비즈니스 모델을 구조화했습니다. Market Pulse는 동일한 기반 위에 수요 신호와 경쟁 정보 계층을 초기 비용의 일부만으로 추가했습니다.

활용 사례지식 그래프 재사용률정확도운영까지의 기간비용
영업 인텔리전스
영역 간 진단, 점유율 분해, 경쟁 대응 탐지
기준96.1%6주100%
시장 동향
증상 기반 소셜 신호, Google Trends 수요 감지, 경쟁사 광고 탐지, 검색 점유율
72%95.2%13일10%
상대적 구축 비용
영업 인텔리전스
100%
시장 동향
10%

가치가 누적되는 이유

시장 동향은 기존 브랜드-카테고리-지역-채널 그래프에 소셜 리스닝, 증상 기반 검색 신호, 경쟁사 광고 탐지 엔터티를 추가합니다. 브랜드·경쟁사·채널·지역 모델을 공유하므로 영업 인텔리전스의 온톨로지를 그대로 활용합니다. 새로운 신호 출처와 관련 의사결정 규칙만 구축하면 됩니다.

5
신규 엔터티
시장 동향용
7
신규 지표
시장 동향용
6
신규 의사결정 규칙
시장 동향용

이미 그래프에 있는 엔터티 46개, 지표 28개, 의사결정 규칙 15개와 비교한 수치입니다.

요약

Intelligence Warehouse는 가치가 누적되는 자산입니다.

두 가지 활용 사례, 하나의 지식 기반. 여섯 영역이 마침내 연결됩니다.

2
운영 중인
활용 사례
95.7%
평균 진단
정확도
13일
시장 동향
운영까지의 기간
10%
시장 동향 비용
영업 인텔리전스 대비