서울 전역 커버리지 확대
배경
기존 이사 시장에서 고객이 3~4개의 비교 견적을 받으려면, 각기 다른 업체와 일정을 조율해 총 3~4번의 방문 견적 시간을 할애해야 했습니다. 이는 고객에게는 번거로운 과정이며, 이사 업체에게는 견적 산출을 위해 매번 인력을 현장에 보내야 하는 높은 고정비 부담의 원인이었습니다.
미소 방문 이사는 이 과정을 ‘이사 플래너를 통한 데이터 통합’ 방식으로 개선했습니다. 전문 플래너가 고객의 집을 단 1회 방문하여 표준화된 영상 촬영을 진행하면, 이 영상을 바탕으로 다수의 파트너사가 비대면으로 견적을 제출합니다.
- 고객 측면: 여러 번의 방문 약속 없이 1회 방문만으로 다양한 업체의 견적을 편리하게 비교.
- 파트너 측면: 현장 방문에 소요되는 인건비·유류비 등 시간 및 비용 리소스를 절감하여 견적 산출 효율 제고.
본 프로젝트는 서울 14개 행정구(48.4%)에 머물러 있던 미소 방문 이사 서비스를 이사 성수기 수익 고도화를 위해 서울 전역(25개 행정구, 100%)으로 확장하고, 수요가 2.5배 증가하는 상황에서 플래너의 방문 생산성을 높이기 위한 운영 체계를 설계한 사례입니다.
문제
- 1. 공급 및 관리 리소스의 한계 서울 전역 확장 시 고객 리드 유입이 2.5배 증가할 것으로 예측되었습니다. 하지만 이를 감당할 이사 플래너의 적정 채용 규모 산정 및 효율적인 관리 체계가 부족한 상태였습니다.
- 2. 방문 생산성 저하 리스크 플래너가 대중교통으로 이동하며 방문하는 구조상, 서비스 권역이 넓어지면 이동 시간이 늘어나게 됩니다. 이는 기존 일평균 방문 수(5.4개)의 하락으로 이어져, 운영 비용 대비 효율이 악화될 위험이 컸습니다.
- 3. 지역 운영 로직의 정교함 부족 단순히 행정 구역(구 단위)으로만 확장할 경우, 실제 수요 밀집도나 지형적 특성(한강, 산, 대중교통 여건 등)이 반영되지 않아 배정 및 이동 효율이 저하되는 문제가 예상되었습니다.
목표
- 서울 전역 커버리지 달성 서울 14개 구에서 25개 전체 행정구(100%)로 서비스 범위 확대.
- 방문 생산성 개선 플래너 1인당 일평균 방문 수를 7개 이상으로 상향.
- 데이터 기반 운영 체계 구축 수요 분석을 통해 최적의 구역 배분 및 배정 로직 설계.
실행
1. 법정동 단위 클러스터링 및 방문 지도 설계
이동 거리를 최소화하여 방문 밀도를 높일 수 있는 정밀한 운영 지도를 설계했습니다.
- 수요 중심 클러스터링: 서울 내 467개 법정동을 분석하여 인접한 저수요 지역을 통합, 357개 클러스터로 재편했습니다. 플래너가 특정 지역 내에서 촘촘하게 이동하며 방문할 수 있는 기반을 만들었습니다.
- 8개 권역 구분: 지형지물과 지역별 수요를 고려해 서울을 8개 권역(A~D 넘버링)으로 분할했습니다. 각 권역은 플래너가 대중교통을 이용하더라도 일 7회 이상의 방문이 가능하도록 반경과 이동 동선을 최적화하여 설계했습니다.
- 넘버링 관리 체계: 위치 간 인접성을 직관적으로 판단할 수 있도록 구역별 넘버링을 부여하여, 배정 및 이동 관리를 신속하게 처리할 수 있도록 체계화했습니다.
2. 객관적 데이터 검증 및 플래너 최적 배치
설계된 구역이 실제 ‘일 7회 방문’이 가능한 환경인지 기술적으로 검증했습니다.
- 이동 시간 시뮬레이션: 국토교통부 GTFS(대중교통 운행정보)와 카카오맵 API를 연동하여 구역 내 주요 지점 간 이동 시간을 정밀 측정했습니다. (평균 이동 시간 32.3분 유지 확인)
- 공급 자원 최적화: 검증된 데이터를 바탕으로 각 구역의 수요에 맞춰 플래너를 배치했습니다. 이동 시간은 줄이고 실제 방문 회차는 늘리는 ‘고밀도 방문 구조’를 구축했습니다.
결과
📈 정량적 성과
- 서울 전역 커버리지 완성서울 14개 구 → 25개 전 지역(100%) 확장 성공 및 수요 2.5배 대응 달성.
- 방문 생산성 지표 개선인당 일평균 방문 수: 5.4개 → 7.1개 달성. 인당 월평균 방문 가능 수: 135개 → 177개 상향.
- 운영 비용 효율화 (OpEx 절감)동일 수요 대응 시 필요 플래너 인원: 19명 → 14명으로 단축(5명분 리소스 절감). 비용 환산 가치: 월 1,078만 원 / 연간 약 1.3억 원의 고정비 보존 효과 창출.
- 방문 약속 전환율(Lead to Appointment)확장 전 82.6% → 확장 후 89.6% (+7%p) 기록.
🌟 정성적 가치
- 확장 가능한 지역 운영 모델 구축법정동 클러스터링과 데이터 기반의 구역 설계를 통해 타 지역 확장 시 적용 가능한 운영 표준 마련.
- 객관적 데이터 기반 의사결정감이 아닌 대중교통 데이터(GTFS, API 등)를 활용한 최적화 전략이 실질적인 비즈니스 수익성 개선으로 이어짐을 입증.
고려 사항
이동 효율 개선을 통한 비용 최적화 전략
오프라인 서비스의 확장에서 가장 중요한 점은 커버리지가 넓어짐에 따라 발생하는 생산성 하락을 막는 것입니다. 이번 서울 전역 확장에서 제가 집중한 부분은 ‘일평균 방문 7개 이상’이라는 목표를 달성하기 위해 467개의 법정동을 357개의 클러스터로 정밀하게 재편하는 것이었습니다.
단순히 서비스 지역을 넓히는 데 그치지 않고, 수요가 밀집된 지점을 중심으로 구역을 나누고 대중교통 데이터를 통해 검증함으로써 플래너가 이동에 소요하는 시간을 실제 방문 시간으로 전환했습니다. 그 결과, 동일한 수요를 처리하는 데 필요한 인력을 19명에서 14명으로 줄이며 연간 1.3억 원에 달하는 비용을 절감할 수 있었습니다. 이는 정밀한 운영 기획이 플랫폼의 수익 구조 개선에 얼마나 직접적으로 기여할 수 있는지 보여준 사례였습니다.
(접수 자동화 로직과 결합된 상세 운영 시너지는 접수콜 자동화 기획에서 확인할 수 있습니다.)