여름 시즌 인기상품 데이터 분석, 2026 완벽 가이드 및 성공 전략

여름 시즌 인기상품 데이터 분석의 중요성과 매출 증대 전략을 소개합니다. 데이터 기반 마케팅과 예측 시스템 구축으로 여름 시장에서 성공을 거두는 비결을 확인하세요.

작년엔 없어서 못 팔았던 휴대용 선풍기가 올해는 창고에 쌓여만 갔습니다. 반대로 큰 기대를 안 했던 냉감 침구류가 예상 밖의 큰 성과를 거두기도 했지요. 여름 소비 시장은 예측 불가능한 변화의 물결을 늘 일으킵니다. 단순히 기온 상승만을 의미하는 것이 아니라는 말이죠. 기업에겐 새로운 기회와 동시에 도전 과제를 안겨주기 마련인데요, 이처럼 뜨거운 여름 시장에서 성공적인 비즈니스를 이끌기 위해 여름 시즌 인기상품 데이터 분석은 필수적인 도구입니다. 복잡한 소비 패턴을 이해하고 재고 관리 효율성을 높이며, 효과적인 마케팅 전략을 수립해 궁극적으로 매출을 극대화하는 데 과거 판매 기록부터, 실시간 소비자 행동, 급변하는 시장 트렌드에 이르는 방대한 데이터를 체계적으로 분석하는 일은 결정적인 역할을 합니다. 데이터 분석은 이제 여름 시장에서 경쟁 우위를 확보하기 위한 완벽한 핵심 역량으로 자리매김했습니다.

여름 시즌 인기상품 데이터 분석, 왜 중요할까요?

여름 시즌은 다른 계절에 비해 소비자의 니즈와 시장 트렌드가 급변하는 특성을 가집니다. 예측 불가능한 기상 변화, 휴가철이라는 특수한 상황, 빠르게 변화하는 라이프스타일은 기업들이 상품 기획, 재고 관리, 마케팅 전략을 수립하는 데 상당한 어려움을 초래하곤 합니다. 정확한 데이터 분석 없이는 불확실성에 노출될 수 있습니다. 이처럼 복잡한 환경 속에서 데이터 분석은 기업이 불확실성을 줄이고 보다 정확하고 신속한 의사결정을 내릴 수 있도록 돕는 나침반 같은 역할을 합니다.

여름 시즌 인기상품 데이터 분석 필요성

여름 시즌은 온라인 쇼핑 시장에서 매우 큰 비중을 차지합니다. 2023년 통계청 온라인쇼핑 동향 자료를 보면, 여름철 온라인 쇼핑 거래액은 다음과 같습니다.

특히 2023년 6월에는 스포츠, 레저용품 카테고리가 전년 동월 대비 14.9% 증가했고, 의복 카테고리 역시 10.1% 늘어나는 등 특정 여름 관련 품목들의 성장세가 두드러집니다. 이는 여름 시즌에 특화된 상품들에 대한 수요가 폭발적으로 늘고, 이 시기를 놓치지 않고 적절한 상품을 공급하는 일이 매출 증대에 얼마나 중요한지 보여주는 대목입니다. 데이터 분석 없이 '느낌'에만 의존한 상품 준비는 시즌 종료 후 재고 부담으로 이어질 수 있습니다. 따라서 여름 시즌 인기상품 데이터 분석은 재고 관리 효율성을 극대화하고, 정교한 마케팅 전략을 수립하여 매출을 극대화하기 위한 핵심 과정입니다. 이러한 분석은 단순히 과거를 돌아보는 것을 넘어, 미래를 예측하고 선제적으로 대응하기 위한 핵심적인 기반이 됩니다.

서울대학교 경영대학 마케팅 전공의 김상훈 교수는 "여름 시즌은 기상 변동성이 크고 소비자 니즈가 급변하는 특성이 있어, 실시간 데이터 분석 없이는 재고 과잉이나 품절 사태가 발생하기 쉽습니다. 특히 최근 3년간 이상기후로 인해 예측 정확도가 떨어지면서 데이터 기반 의사결정의 중요함이 더욱 커졌습니다"라고 강조했습니다.

실제로 기온과 여름 상품 수요 간에는 높은 상관관계가 있으며, 데이터 분석을 실시한 기업들은 재고 회전율과 마진율이 개선되는 효과를 보입니다. 또한, 소비자들의 여름 상품 조기 구매 경향이 증가하고 있어, 시즌 초반부터 데이터 기반의 선제적 대응이 더욱 중요합니다. 중소업체들 역시 데이터 분석 도구를 도입하여 매출 증가율을 높이는 사례가 늘고 있어, 규모와 상관없이 모든 기업에게 데이터 분석은 필수 요소임을 선언했습니다.

여름 시즌 매출 증대를 위한 데이터 분석

여름 시즌 매출 증대를 위한 데이터 분석은 과거 판매 데이터, 고객 세그먼트 분석, 경쟁사 동향, 외부 환경 요인(기상, 경제지표 등)을 통합적으로 분석하여 최적의 상품 구성, 가격 전략, 프로모션 타이밍을 도출하는 전략적 분석 활동입니다. 이러한 분석은 단순히 판매량을 늘리는 것을 넘어, 고객 만족도를 높이고 장기적인 브랜드 충성도를 구축하는 데 기여합니다.

한국유통학회 이사이자 유통 빅데이터 분석 전문가인 이은희 박사는 여름 매출 증대의 핵심이 '타이밍'에 있다고 설명합니다. 데이터 분석을 통해 '골든 타임'을 정확히 포착해야 한다는 것입니다. 예를 들어, 에어컨은 첫 폭염 예보 3일 전부터 검색량이 급증하고, 수영복은 휴가 시즌 2주 전에 구매가 집중되곤 합니다. 이처럼 과거 3~5년 데이터를 분석하면 최적 프로모션 시점을 도출할 수 있습니다. 외부 변수, 특히 기상 데이터는 매출 예측 정확도를 크게 향상시키는 중요한 요소입니다. 기상청의 폭염 특보나 장마 예보 등은 특정 상품의 수요를 급증시키거나 감소시키는 직접적인 요인이 되므로, 이를 실시간으로 분석에 반영하는 것이 중요합니다.

고객 세그먼트 분석은 여름 매출 증대에 필수 요소입니다. RFM(Recency, Frequency, Monetary) 분석 같은 기법으로 고객을 세분화하고, 각 세그먼트의 특성에 맞는 맞춤형 마케팅을 전개하면 전환율과 평균 구매액(ARPU)을 크게 높일 수 있습니다. RFM은 '최근 구매일(Recency)', '구매 빈도(Frequency)', '총 구매 금액(Monetary)'을 의미합니다. 이 세 가지 기준으로 고객을 나누어 어떤 고객에게 어떤 메시지를 보낼지 결정하는 방법인데요, 예를 들어 여름 시즌에 특정 상품을 자주 구매했던 고객들에게는 관련 신상품이나 프로모션 정보를 우선적으로 제공하여 재구매를 유도할 수 있습니다.

여름 시즌에는 에어컨, 선풍기, 제습기 같은 냉방 가전부터 수영복, 샌들, 선크림 등 휴가 용품, 아이스크림, 음료 등 식품에 이르기까지 특정 상위 품목에 매출이 집중될 가능성이 큽니다. 여름 특수를 누리는 상품들은 명확하게 구분됩니다. 이러한 품목들의 매출 집중도를 분석하고, 모바일 쇼핑 비중이 높은 여름철의 시간대별 구매 패턴을 파악하는 일은 효과적인 상품 배치와 마케팅 전략 수립에 결정적인 정보를 제공합니다. 가구당 여름용품 지출액과 카테고리별 구성 비율을 분석하면, 어떤 품목에 더 많은 자원을 투입해야 할지 전략적인 판단을 내릴 수 있습니다. 시장 상황과 경쟁사 동향에 따라 유연하게 가격을 조정하여 마진율을 개선하는 효과도 머신러닝 기반의 가격 최적화 시스템을 도입하면 기대할 수 있습니다.

여름 시즌 데이터 분석, 어떻게 활용해야 할까요?

여름 시즌의 복잡하고 다이내믹한 시장 환경에서 성공적인 비즈니스를 위해서는 정교한 데이터 분석 방법론과 이를 기반으로 한 전략적 활용이 필수입니다. 단순히 데이터를 수집하는 것을 넘어, 이를 의미 있는 인사이트로 전환하고 실제 비즈니스 의사결정에 적용하는 과정이 중요합니다.

여름 시즌 인기상품 데이터 분석 방법

네이버 데이터랩 쇼핑인사이트에 따르면, 여름 인기 검색어는 시즌 시작 4~6주 전부터 급증하는 경향을 보입니다. 특히 에어컨, 수영복, 선풍기 등 주요 여름 상품은 5월 중순부터 검색량이 급증하곤 합니다. 이는 검색 트렌드 분석이 선제적인 재고 확보와 마케팅 준비의 핵심 지표가 된다는 것을 시사합니다. 검색 트렌드 분석은 기업이 상품 출시 시기나 프로모션 시작 시점을 최적화하는 데 핵심 지표가 됩니다. 소비자들이 특정 상품에 대한 니즈를 느끼기 시작하는 시점을 명확히 보여주기에, 기업들은 이를 통해 상품 출시 시기나 프로모션 시작 시점을 최적화할 수 있습니다. 여름 시즌 인기상품 데이터 분석 방법은 정형 데이터(판매량, 재고, 가격)와 비정형 데이터(소셜미디어 언급량, 고객 리뷰, 검색어 트렌드 등)를 통합적으로 수집, 정제, 분석하여 인기 상품을 식별하고 미래 수요를 예측하는 체계적인 분석 기법을 의미합니다. 이러한 통합 분석은 단일 데이터 소스만으로는 파악하기 어려운 복잡한 시장 상황을 이해하는 데 도움을 줍니다.

연세대학교 정보대학원 비즈니스 애널리틱스 전공의 박성호 교수는 효과적인 여름 상품 분석을 위해 '4D 분석 프레임워크'를 권장합니다. Descriptive(과거 판매 패턴 분석), Diagnostic(원인 분석), Predictive(수요 예측), Prescriptive(최적 의사결정 도출)의 4단계를 순차적으로 진행하는 것을 제안하며, 박 교수는 "이 4단계를 따르면 단순 통계 분석 대비 실행 가능한 인사이트 도출률이 3배 이상 높아집니다."라고 강조합니다. 예를 들어, Descriptive 단계에서는 지난 여름 시즌의 일별, 주별 판매량 변화를 분석하고, Diagnostic 단계에서는 특정 상품의 판매 급증 원인이 폭염 특보였는지, 아니면 특정 인플루언서의 추천 때문이었는지 등을 파악합니다. Predictive 단계에서는 이러한 과거 데이터를 기반으로 다가올 여름의 수요를 예측하고, 마지막 Prescriptive 단계에서는 예측된 수요에 맞춰 재고를 얼마나 확보하고, 어떤 채널로 마케팅을 할지 구체적인 의사결정을 내립니다.

이러한 통합 데이터 분석은 예측 정확도를 크게 향상시킵니다. 정형 데이터와 비정형 데이터를 결합한 하이브리드 모델은 단일 모델보다 수요 예측 정확도를 높이는 효과가 연구를 통해 입증되었습니다. 코호트 분석을 통해 특정 시기에 유입된 고객들의 재구매율과 리타게팅 마케팅의 ROI(투자 대비 수익률)를 파악하여 장기적인 고객 가치를 높일 수 있습니다. 소셜미디어 감성 분석은 소비자들의 상품에 대한 긍정적, 부정적 반응을 실시간으로 파악하여 위기 상황에 대한 대응 속도를 높이고 브랜드 평판을 개선하는 데 기여합니다. 다차원 분석은 상품, 지역, 채널 등 여러 관점에서 데이터를 분석하여 재고 배치 효율을 개선하고 물류 비용을 절감하는 데 중요한 역할을 합니다.

여름 시즌 인기상품 트렌드 분석

2024년 여름 트렌드의 핵심은 '개인화'와 '지속가능성'이라는 것이 서울대학교 소비자학과 김난도 교수의 견해입니다. 소비자들은 자신의 라이프스타일에 맞는 맞춤형 여름 상품을 원할 뿐만 아니라, 환경에 미치는 영향을 고려하는 가치 소비를 중요하게 생각합니다. 재사용 가능한 아이스팩, 저전력 냉방기기, 친환경 소재 수영복 등이 급성장하고 있는 것도 이러한 트렌드의 일환으로 볼 수 있습니다. 데이터 분석 시 이러한 가치 소비 트렌드를 반드시 반영해야 한다고 김 교수는 강조합니다. 실제로 2024년 여름 시즌에는 '친환경 아웃도어 용품', '개인 맞춤형 냉감 의류', '스마트 홈캉스 아이템' 등이 주요 트렌드 카테고리로 부상하며 높은 성장률을 보입니다.

여름 시즌 인기상품 트렌드 분석은 단순히 현재 잘 팔리는 상품을 아는 것을 넘어, 앞으로 어떤 상품이 시장을 주도할지 예측하고 선제적으로 대응하기 위한 필수적인 과정입니다. 소비자 선호도 변화, 신제품 출시, 라이프스타일 변화, 기술 발전 등을 종합적으로 고려하여 현재와 미래의 인기 상품 카테고리 및 특성을 파악하는 분석 활동으로 볼 수 있습니다. 최근 3년간 데이터를 살펴보니, 전통적인 여름 품목 외에 '홈캉스' 관련 상품, '친환경 비건' 제품, '개인 위생 방역' 관련 상품들이 급성장하는 추세를 보입니다. 이는 코로나19 팬데믹 이후 변화된 라이프스타일과 가치관이 여름 소비에도 영향을 미치고 있음을 보여줍니다. MZ세대의 여름 상품 선택 기준은 특히 SNS의 영향력이 크기에, 이들은 단순히 기능적인 만족을 넘어 상품이 제공하는 경험과 가치를 중요하게 생각합니다. 데이터 분석 시 소셜미디어 데이터와 소비자 리뷰를 면밀히 분석하여 이들의 니즈를 파악하는 것이 중요합니다.

여름 시즌 인기상품 예측 시스템 구축

여름 시즌 인기상품 예측 시스템은 머신러닝, 딥러닝, 통계 모델 등 첨단 기술을 활용하여 과거 데이터와 실시간 데이터를 기반으로 미래 수요를 자동으로 예측하고, 이를 통해 재고 관리, 가격 책정, 마케팅 의사결정을 지원하는 통합 시스템입니다. 이러한 시스템은 인간의 직관이나 경험에 의존하는 방식보다 훨씬 정확하고 효율적인 의사결정을 가능하게 합니다.

성균관대학교 기계공학부 최재붕 교수는 효과적인 예측 시스템 구축을 위한 3가지 핵심 요소를 강조합니다.

1. 최소 3년 이상의 고품질 과거 데이터 확보

2. 외부 변수(기상, 경제지표, 트렌드 등) 통합 분석

3. 지속적인 모델 재학습(Retraining) 체계 구축

최 교수는 "특히 여름 시즌은 기상 변동성이 크므로 주 단위 모델 업데이트가 필수입니다."라고 조언합니다. 과거 데이터는 시스템이 학습할 수 있는 패턴을 제공하며, 외부 변수는 예측의 정확도를 높이는 데 결정적인 역할을 합니다. 예를 들어, 폭염 예보가 있을 때 특정 상품의 수요가 어떻게 변하는지 학습하면, 실제 폭염 예보 시점에 맞춰 재고를 미리 확보하거나 마케팅을 강화할 수 있습니다. 지속적인 모델 재학습은 변화하는 시장 환경과 소비자 행동을 시스템이 실시간으로 반영하여 예측 정확도를 유지하고 향상시키기에 필수적입니다. 데이터의 질이 예측의 성패를 좌우하므로, 고품질 데이터 확보는 예측 시스템 구축의 핵심 조건입니다.

AI 예측 시스템 도입은 재고 정확도 향상과 품절률 감소에 크게 기여합니다. 예를 들어 특정 기업은 AI 예측 시스템 도입 후 재고 정확도가 20%p 이상 개선되었고, 품절로 인한 매출 손실이 15% 감소했다고 보고합니다. 딥러닝 모델 중 하나인 LSTM(Long Short-Term Memory)은 시계열 데이터 예측에 특히 강점을 보여 여름 상품 수요 예측 정확도를 개선하는 데 효과적임이 연구를 통해 입증되었습니다.

예측 시스템 구축에는 초기 비용이 발생하곤 합니다. 그러나 장기적으로는 재고 관리 비용 절감, 매출 증대, 기회비용 감소를 통해 투자 회수 기간을 단축하는 효과를 가져옵니다. 특히 앙상블 모델(Ensemble Model)은 여러 예측 모델의 결과를 결합하여 단일 모델보다 예측 안정성을 높이는 데 기여합니다. 최근에는 클라우드 기반의 SaaS(Software as a Service)형 예측 시스템이 보편화되면서 중소기업들도 비교적 적은 비용으로 시스템을 도입할 수 있게 되었습니다. 이러한 시스템은 기존 ERP(전사적 자원 관리)나 SCM(공급망 관리) 시스템과 통합 연동되어 리드타임을 단축하고 공급망 전체의 손실을 줄이는 데 기여합니다.

데이터 기반 여름 마케팅 전략

데이터 기반 여름 마케팅 전략은 고객 데이터, 시장 데이터, 경쟁 데이터를 심층적으로 분석하여 타겟 고객 세그먼트를 명확히 식별하고, 최적의 마케팅 채널을 선택하며, 개인화된 메시지를 전달하여 마케팅 투자 대비 수익률(ROI)을 극대화하는 과학적인 마케팅 접근법입니다. 이는 무작위적인 마케팅 활동에서 벗어나, 데이터에 근거한 효율적이고 효과적인 캠페인 실행을 가능하게 합니다. 마케팅은 이제 '감'이 아닌 '과학'의 영역으로 자리 잡았습니다. 데이터 분석을 통해 마케팅 효율이 확연히 달라지는 사례가 많습니다.

경희대학교 경영대학 마케팅 전공의 이경렬 교수는 "여름 마케팅의 핵심은 마이크로 모멘트(Micro-Moment) 포착"이라고 강조합니다. 소비자가 '지금 당장 필요하다'고 느끼는 순간, 이를테면 폭염 특보 발령 직후, 휴가 계획 수립 시점 등을 데이터로 식별하고 즉각 반응하는 리얼타임 마케팅이 전환율을 극대화하며, 우리 연구에서는 이러한 타이밍 마케팅이 일반 마케팅 대비 ROI가 6.8배 높았습니다."

여기서 마이크로 모멘트는 소비자가 어떤 필요를 느끼고 즉시 스마트폰이나 다른 기기를 통해 검색하거나 구매를 고려하는 아주 짧은 순간을 뜻합니다. 이러한 순간을 데이터로 포착하여 적절한 메시지를 전달하는 것이 중요합니다.

데이터 기반 타겟 마케팅은 CTR(광고 노출 대비 클릭률), CVR(웹사이트 방문자가 구매와 같은 목표 행동을 완료하는 비율)을 개선하고 CAC(고객 한 명을 확보하는 데 드는 비용)를 절감하는 데 매우 효과적입니다. RFM 분석으로 고객을 세분화하고, 각 세그먼트의 특성과 구매 이력을 바탕으로 개인화된 마케팅 메시지를 전달하면 고객의 반응률을 높일 수 있습니다. 예를 들어 지난 여름에 캠핑 용품을 구매했던 고객에게는 올해 신상 캠핑 용품이나 관련 프로모션 정보를 우선적으로 제공하는 식입니다. 데이터 기반 타겟 마케팅은 광고 효율을 높이고 고객 확보 비용을 절감하는 데 필수적입니다.

여름 시즌 검색광고는 5월 중순부터 7월 말까지 최적의 집행 시기를 가집니다. 이 시기에 집중적으로 광고를 집행하면 높은 ROAS(광고 지출 대비 수익률)를 달성할 수 있습니다. 네이버 검색광고 데이터에 따르면, 여름 관련 키워드의 검색량은 이 시기에 최고조에 달하며, 이는 광고 노출 및 클릭으로 이어질 가능성이 높다는 것을 의미합니다. 더욱이 멀티채널 마케팅 전략은 브랜드 인지도를 높이고 구매 의도를 증가시키는 데 효과적입니다. 온라인 광고, 소셜미디어, 이메일, 모바일 앱 푸시 등 여러 채널을 통해 일관된 메시지를 전달함으로써 고객 접점을 확대하고 구매 여정을 최적화할 수 있습니다.

카카오톡 같은 메신저 앱을 활용한 개인화 메시지는 높은 오픈율과 전환율을 보입니다. 고객의 과거 구매 이력이나 관심사를 기반으로 한 맞춤형 메시지가 일반적인 대량 발송 메시지보다 훨씬 효과적입니다. 여름 시즌 라이브커머스 또한 높은 거래액 증가율과 전환율을 기록하며 새로운 마케팅 채널로 부상하는 중입니다. 실시간 소통으로 상품에 대한 궁금증을 해소하고, 한정된 시간 동안 특별한 혜택을 제공함으로써 즉각적인 구매를 유도할 수 있습니다. 뿐만 아니라 위치 기반 마케팅은 특정 지역에 있는 고객에게 실시간으로 맞춤형 프로모션을 제공하여 전환율을 개선하는 데 기여할 수 있습니다. 예를 들어 해변 근처에 있는 고객에게는 수영복 할인 쿠폰을, 도심 속 쇼핑몰에 있는 고객에게는 냉방 가전 프로모션 정보를 제공하는 방식이 그렇습니다.

여름 시즌 인기상품 데이터 분석은 단순히 매출을 올리는 것을 넘어, 기업이 급변하는 시장 환경에 유연하게 대응하고, 고객의 니즈를 선제적으로 파악하여 장기적인 경쟁력을 확보하는 데 필수적인 전략적 도구로 인정받습니다. 데이터가 제공하는 통찰력을 바탕으로 현명하게 의사결정을 내리는 기업만이 다가오는 여름 시장에서 성공의 결실을 맺을 수 있음이 분명합니다.

FAQ

1. Q: 여름 시즌 인기상품 데이터 분석이 왜 중요한가요?
   A: 여름 시즌은 기상 변동성이 크고 소비자 니즈가 급변하는 특성이 있어, 실시간 데이터 분석 없이는 재고 과잉이나 품절 사태가 발생하기 쉽습니다. 데이터 분석은 이러한 불확실성을 줄이고, 재고 관리 효율성 증대, 마케팅 전략 최적화, 매출 극대화를 위한 정확한 의사결정을 돕기에 매우 중요합니다.

2. Q: 여름 시즌 매출 증대를 위한 데이터 분석에서 '타이밍'이 중요하다고 하는데, 구체적인 예시가 있나요?
   A: 네, 한국유통학회 이은희 박사에 따르면, 에어컨은 첫 폭염 예보 3일 전부터 검색량이 급증하고, 수영복은 휴가 시즌 2주 전에 구매가 집중되곤 합니다. 이처럼 데이터 분석을 통해 특정 상품의 수요가 급증하는 '골든 타임'을 정확히 포착하여 최적의 프로모션 시점을 도출하는 것이 핵심입니다.

3. Q: 여름 시즌 인기상품 데이터 분석 방법으로 '4D 분석 프레임워크'는 무엇인가요?
   A: 연세대학교 박성호 교수가 권장하는 4D 분석 프레임워크는 Descriptive(과거 판매 패턴 분석), Diagnostic(원인 분석), Predictive(수요 예측), Prescriptive(최적 의사결정 도출)의 4단계를 순차적으로 진행하는 분석 방법론입니다. 이 프레임워크를 통해 단순 통계 분석 대비 실행 가능한 인사이트 도출률을 3배 이상 높일 수 있습니다.

4. Q: 2024년 여름 시즌 인기상품 트렌드의 핵심 키워드는 무엇인가요?
   A: 서울대학교 김난도 교수에 따르면, 2024년 여름 트렌드의 핵심은 '개인화'와 '지속가능성'입니다. 소비자들은 자신의 라이프스타일에 맞는 맞춤형 상품을 원하며, 동시에 환경에 미치는 영향을 고려하는 가치 소비를 지향합니다. 재사용 가능한 아이스팩, 저전력 냉방기기, 친환경 소재 수영복 등이 이러한 트렌드를 반영하는 예시로 볼 수 있습니다.

5. Q: 데이터 기반 여름 마케팅 전략에서 '마이크로 모멘트' 포착이 왜 중요한가요?
   A: 경희대학교 이경렬 교수는 '마이크로 모멘트' 포착이 여름 마케팅의 핵심이라고 강조합니다. 소비자가 '지금 당장 필요하다'고 느끼는 순간(예: 폭염 특보 발령 직후, 휴가 계획 수립 시점)을 데이터로 식별하고 즉각 반응하는 리얼타임 마케팅은 전환율을 극대화하며, 일반 마케팅 대비 ROI가 6.8배 높다는 연구 결과도 나왔습니다.