[최최레최레최정예 1조:김이김이나] K-beauty 온라인 판매 전략

작성자: 김한세, 이나은, 김민혁
목적:  k-beauty 판매를 위한 구체적 전략 수립
개요:  Part 0. 데이터 로드 / 전처리   [프로젝트 따라하기]
          Part 1. 데이터 시각화를 통한 가설 검증   [프로젝트 따라하기]
          Part 2. K- beauty 판매 전략 수립   [프로젝트 심화]

 

                [가설]                 

                   (K-beauty는 성장하고 있다)                   

↓

[검증]

                   (판매액 데이터 시각화)                 

↓

[실행]

 (해외판매 시 판매 전략수립)

 

 

Part  0.  데이터 로드  /  전처리

 

STEP 1.  데이터 로드

 

import pandas as pd  # pandas 라이브러리를 pd라는 별칭으로 임포트
import seaborn as sns  # seaborn 라이브러리를 sns라는 별칭으로 임포트
import matplotlib.pyplot as plt  # seaborn 라이브러리를 sns라는 별칭으로 임포트

%matplotlib inline  # 그래프가 Notebook의 출력 셀 안에 직접 표시됨

데이터 분석과 시각화를 위해 Python 라이브러리들을 불러옴

①  'pandas'는 데이터 조작 및 분석을 위한 강력한 라이브러리

② 'seaborn'은 matplotlib를 기반으로 하는 통계적 데이터 시각화 라이브러리

③ 'matplotlib'는 데이터 시각화를 위한 가장 기본적이고 널리 사용되는 라이브러리로, 다양한 종류의 그래프를 그릴 수 있음

 

df_raw = pd.read_csv('/content/drive/MyDrive/국가_대륙_별_상품군별_온라인쇼핑_해외직접판매액_20221201103047.csv',
                     encoding = 'cp949')
# 데이터 로드하기
                
df_raw.shape # 행과 열로 나타냄

→ 출력값(450개 행 27개 열)

 

① KOSIS 국가통계포털에서  지역별/상품군별 온라인 해외직접판매액 데이터 다운로드 해야함

② cp949 인코딩을 지정하지 않으면 한글 데이터가 깨지거나 파일을 읽는 과정에서 에러가 발생할 수 있음

그러나, 현재 상태로는 데이터 분석 시각화가 어려워 데이터 전처리 과정이 필요함!

※ Google Colab 사용 시 참고 < Colab에 구글 드라이브 csv 파일 마운트하기>

Colab에 구글 드라이브 csv파일 마운트하기

 

---

 

STEP 2.  데이터 전처리

 

1.  tidy data 만들기

 

<melt 함수> 출처:https://pandas.pydata.org/Pandas_Cheat_Sheet.pdf

 'melt' 함수를 이용하여 '열(column)'에 있는 데이터를 '행'으로 옮기기!

df_raw.melt(id_vars=['국가(대륙)별', '상품군별', '판매유형별'],
                 var_name = '기간', value_name = '백만원')

<입력값>

<출력값>

 

 

2. 기간에서 연도/분기를 분리하기

데이터 분석 및 시각화를 위해

연도와 분기를 분리하여 한눈에 보기 쉽게 만드는 것이 목적!

df['연도'] = df['기간'].map(lambda x : int(x.split('.')[0]))
# lamnda 익명함수 사용
# int를 사용하여 str타입을 int타입으로 변경

df.head()  # 데이터 프레임(df)의 상위 5개 행을 미리보여줌

'map'함수를 사용하여 '연도'라는 새로운 열(column)을 만들어줌

<head()를 통해 상위 5개 행을 보여줌>

출력값을 통해 '연도'라는 새로운 열이 만들어진 것을 확인할 수 있음

 

df['분기'] = df['기간'].map(lambda x : int(x.split('.')[1].split('/')[0]))
# str 타입을 int 타입으로 변경

df.head()

'map' 함수를 사용하여 '분기'라는 새로운 열(column)을 만들어줌

<head()를 통해 상위 5개 행을 보여줌>

출력값을 통해 '분기'라는 새로운 열이 만들어진 것을 확인할 수 있으며,

처음 데이터 프레임과 비교하였을 때 기간이라는 '열'에서 '연도'와 '분기'가 빠져나와 분리되었음을 알 수 있음

→ 데이터를 분석 및 시각화하기에 한층 용이해짐

 

3. 데이터 타입 변경하기

금액을 수치데이터로 표현하기 위해!!

import numpy as np
# numpy 라이브러리를 임포트

df['백만원'] = df['백만원'].replace('-', np.nan).astype(float)
df.head()

'백만원' 이름의 열 안에는 '-'라고 표시되어 있는 결측치가 있음

'-'를 NaN으로 표시하여 float 타입으로 변경한 것!

<head()를 통해 상위 5개 행을 보여줌>

 

 

 

 

 

---

 

Part 1.  데이터 시각화를 통한 가설 검증  

 

 

STEP 1.  전체 상품군 판매액 시각화

 

우선 NaN으로 표시한 결측치를 제외하고, 평균치를 활용하기 위해 판매유형별이

'계'인 항목만 가져와보았다.

df_total = df[(df['판매유형별'] == '계') & (df['국가(대륙)별'] != '합계') & (df['상품군별'] != '합계')].copy()
df_total.head() # 결측치를 제외하는 과정

위 코드의 경우 강의와 결괏값이 날라 국가(대륙)별과 상품군별에서 조건을 추가했다.

이제 본격적으로 시각화를 하는 부분이다.

연도별 판매액을 lineplot으로 그려보자.

sns.lineplot(data = df_total, x = "연도", y = "백만원")

여기서 더 나아가서 상품군별로 다른 색상으로 시각화를 해볼  수 있다.

sns.lineplot(data = df_total, x = "연도", y = "백만원", hue = "상품군별") # 상품군별로 다른 색상으로 표시
plt.legend(bbox_to_anchor = (1.05, 1), loc = 2, borderaxespad = 0.) # legend(범례)를 외부에 표시

위 그래프를 좀 더 자세히 보기 위해서, 서브플롯을 그려보자. 이때 replot을 활용하였다.

sns.relplot(data = df_total, x = "연도", y = "백만원", hue = "상품군별", kind = "line") # kind를 line으로 설정

kind는 line으로 설정하였으며, 원래 kind의 기본 설정은 scatter이다.

* kind를 설정하지 않은 경우 아래와 같은 그래프가 나온다.

또, 다음 코드를 활용하면 상품군별로 개별 시각화 또한 가능하다.

sns.relplot(data = df_total, x = "연도", y = "백만원", hue = "상품군별", kind = "line", 
            col = "상품군별", # col옵션을 활용해서 상품군별로 다른 색을 활용
            col_wrap = 4)     # col_wrap을 활용해 행 당 4개의 그래프 그리기

여기서 화장품이 다른 상품에 비해 꾸준히 증가하고 있는 것을 확인할 수 있다.

하지만 화장품으로 인해 다른 데이터들을 제대로 비교할 수 없으므로 화장품을 제외한 수치도 확인해보고자 한다.

 

df_sub = df_total[~df_total["상품군별"].isin(["화장품"])].copy()
df_sub
# ~를 활용하면 데이터 반전됨 =  현재 코드에서는 상품군별이 '화장품'인 데이터만 빼고 df_sub 변수에 담은 것

위와 같이 ~를 활용하면 데이터가 반전되므로, 이 코드에서는 상품군별이 '화장품'인 데이터만 빼기 위해 활용하였다. 

sns.relplot(data = df_sub, x = "연도", y = "백만원", hue = "상품군별", col = "상품군별", col_wrap = 4, kind  ="line")

화장품을 제외하고는 가전, 의류, 음반 등이 상승세인 것을 확인할 수 있다.

---

 

STEP 2.  화장품 데이터만 활용하여 시각화하기

 

 

1.  기간별 시각화

이제 본격적으로 화장품 데이터만 활용하기 위해, 상품군별이 '화장품'인 데이터만 가져와보자.

df_cosmetic = df_total[df_total["상품군별"] == "화장품"].copy()
df_cosmetic # 상품군별이 화장품인 데이터 가져오기

sns.lineplot(data=df_cosmetic, x = "연도", y = "백만원")

화장품 데이터만 가져와 시각화 그래프를 그려보았다. 이번엔 분기별로 나타내보자.

plt.figure(figsize = (15, 4)) # figsize = 그래프의 크기를 결정하는 것
sns.lineplot(data = df_cosmetic, x = "연도", y = "백만원", hue = "분기") # 분기별로 설정

분기별로 살펴보니 대부분의 연도에서 매분기 상승하고 있다.

plt.figure(figsize = (15,4))
plt.xticks(rotation = 30) # 글씨를 겹치지 않게 하기 위해 xticks()를 활용하여 글자를 회전
sns.lineplot(data = df_cosmetic, x = "기간", y=  "백만원") # 기간별 그래프 생성

연도/분기 기간별로 그래프를 그려 보았을 때도 꾸준히 증가하고 있음을 확인할 수 있다.

 

2. 국가, 대륙 별 시각화

다음은 국가, 대륙별로 시각화 그래프를 그려보자.

plt.figure(figsize = (15,4))
plt.xticks(rotation = 30)
sns.lineplot(data=df_cosmetic, x = "기간", y = "백만원", hue = '국가(대륙)별')

중국에서의 매출액이 압도적으로 높게 나타난다.

현재 시각화 그래프에서는 아까 상품군별로 그래프를 그렸을 때와 같이 다른 것들을 비교하기 힘드므로 중국을 제외하고 시각화 그래프를 그려보자.

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_cosmetic[df_cosmetic['국가(대륙)별'] != '중국'], x="기간", y="백만원", hue = '국가(대륙)별')# 중국을 제외

중국을 제외하면 아세안과 미국에서 높은 매출액이 보인다.

 

3. 판매 유형별 시각화

다음으로 판매유형별로 시각화를 해보자.

plt.figure(figsize = (15,4))
plt.xticks(rotation = 30)
df_sub = df[df["판매유형별"] != "계"].copy() # 계 데이터를 제외하고 판매유형별로 시각화
sns.lineplot(data=df_sub, x = "기간", y=  "백만원", hue = "판매유형별")

면세점이 면세점 이외보다 현저히 높음을 확인할 수 있다. 그렇다면 면세점 이외 부분만 시각화를 해보자.

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
df_sub = df[(df["판매유형별"] != "계") & (df["판매유형별"] != "면세점")].copy() # 면세점 제외
sns.lineplot(data=df_sub, x="기간", y="백만원", hue="판매유형별", ci= None)

위와 같이 면세점 이외만 기간별로 확인해볼 수 있다.

---

STEP 3.  의류 및 패션 관련 상품 시각화

 

다음으로 의류 및 패션 관련 상품 부분을 화장품과 마찬가지로 시각화해보자.

우선 해당 데이터만 가져오고, 결측치를 제외한다.

df_fashion = df[df["상품군별"] == "의류 및 패션 관련상품"].copy()
df_fashion.head()

df_fashion = df[(df["상품군별"] == "의류 및 패션 관련상품") & (df['판매유형별'] == '계') & (df['국가(대륙)별'] != '합계')].copy()
df_fashion.head()

 

이제 이 데이터를 국가(대륙)별로 시각화해보자.

plt.figure(figsize=(15,4))
plt.xticks(rotation = 30)
sns.lineplot(data = df_fashion, x = "기간", y = "백만원", hue = '국가(대륙)별')
# 기간별 금액데이터 시각화 및 색상별로 표시

판매 유형별로 시각화를 해볼 수도 있다.

df_fashion2 = df[(df["상품군별"] == "의류 및 패션 관련상품") & (df['판매유형별']!= '계') & (df['국가(대륙)별'] != '합계')].copy()

plt.figure(figsize=(15,4))
plt.xticks(rotation = 30)
sns.lineplot(data = df_fashion2, x = "기간", y = "백만원", hue = '판매유형별', ci = None)

 

---

STEP 4.  데이터 집계하고 heatmap으로 표현하기

 

1.  pivot table로 데이터 집계하기

 

패션 데이터만 따로 모아놓은 df_fashion을 이용하여 피봇테이블로 데이터를 집계한다.
sum을 이용하여 합계도 알아본다.

aggfunc="sum"을 사용하여 합계로 계산된다.

 

 

2.  heatmap으로 시각화하기

 

위의 result에서 합계가 포함되어 있으므로
합계를 제외한 result_filtered를 설정한 뒤 시각화를 진행한다.
cmap 옵션으로 색상을 변경한다.
annot 옵션으로 수치를 표현한다.
fmt 옵션으로 소숫점 없이 float형의 숫자를 표현한다.

 

 

---

 

STEP 5.  전체상품군별 시각화

 

 

판매유형별이 "계"인 데이터만 모인 df_total을 활용하여
x축에 연도, y축에 금액으로 설정하여 barplot으로 시각화한다.

판매액이 꾸준히 증가하였으며
신뢰구간도 연도에 따라 계속 길어지는 것을 알 수 있다.

 

 

 

국가별 판매량을 lineplot으로도 시각화 할 수 있다.

이 그래프에서도 지속적 판매량의 증가를 확인할 수 있다.

 

 

 

• bbox_to_anchor=(1.02, 1): 범례 상자의 위치를 지정합니다. 이 설정은 범례가 플롯의 오른쪽에 배치되도록 한다.
• loc=2: 범례의 위치를 지정합니다. loc=2는 범례를 왼쪽 상단에 배치한다.
• borderaxespad=0.: 범례 상자와 플롯의 가장자리 사이의 패딩을 설정한다.

---

Part 2.  k-beauty 판매 전략 수립

 

본격적으로 k-beauty 판매 전략에 대해 얘기해보자.

위의 데이터 시각화를 토대로 한국 화장품 판매액의 상당 부분을 차지하고 있는 중국, 미국 지역을 분석해보겠다.

 

 STEP 1.  국가 별 분석

 

1. 중국

 

먼저 중국이다.

(출처: KOSIS 국가통계포털)

중국 내 한국 화장품 판매액은 2019년까지 꾸준히 증가하는 추세임을 알 수 있으며, 다른 국가들에 비해 월등히 많은 판매액을 보이고 있다는 점이 눈에 띈다.

 

이처럼 중국은 2010년대(2014년 ~ 2019년) 한국의 최대 화장품 수출국으로 자리매김했다. 2010년대 한류 열풍에 힘입어 현지서 국내 화장품에 대한 수요가 급증한 덕분에 아모레퍼시픽, LG생활건강 등의 업체들이 눈부신 매출 성장을 이뤘다. 특히 아모레퍼시픽의 '설화수', LG생활건강의 '후'가 내세운 궁중, 한방 이미지가 중국 시장의 높은 럭셔리 수요를 흡수하면서 'K-뷰티' 열풍을 주도했다.

 

 

"그렇다면, 최근(2019년~ 2024년) 중국 내 k-beauty 산업군은 어떻게 변화하고 있을까?"

 

<2020년 1분기~2024년 1분기까지의 중국 내 한국 화장품 판매액>

(출처: KOSIS 국가통계포털)

 

위의 시각화된 그래프를 보면 2020년 이후 중국 내 한국 화장품 판매액이 지속적으로 줄어들고 있다.

최근 중국 내 k-beauty 시장성은 좋지 못하다는 의미이다.

 

그 이유는 2017년 이후부터 시작되었다. 2017년 이후부터 k- beauty의 성장세 하락 조짐을 엿볼 수 있다. 국내 화장품 기업들은 중국 수출을 통한 현지 판매와 국내에 방문하는 중국인 단체 관광객 대상 판매로 관련 매출을 올려왔다.

 

하지만 2017년 사드(THAAD‧고고도미사일방어체계) 보복 조치로 중국 정부가 한국 단체 관광을 금지하면서 국내서 올리는 중국인 대상 매출이 급격히 줄어들었다.

 

여기에 코로나19 (2019년 12월 31일 이후) 팬데믹은 중국 현지 수출마저 막아버렸다.  중국 정부의 강도 높은 봉쇄 정책으로 현지 판매·유통망이 막힌 것이 문제이다.

 

또한 중국의 경제발전과 더불어 애국주의 교육을 집중적으로 받은 중국의 MZ세대(1995년 이후 출생)가 소득증가에 힘입어 애국 소비주의(일명' 궈차오') 열풍을 주도하고 있는 것이 큰 문제다. 궈차오 열풍은 중국 기업들의 성장에 날개를 달아주며 중국 소비시장 확대를 이끌어 가는 주요 트렌드로 자리 잡았고, 이에 따라 한국 소비재의 주력 수출품목인 화장품마저 2019년부터 중국의 화장품 수입시장에서 1위 자리를 일본에 내어주고 3위로 하락하며 위기에 봉착했다.

 

 

"그렇다면, 한국은 어떻게 대처해야 할까?"

 

 

제품 분석

 

먼저, 애국소비주의(일명 '쿼차오') 열풍으로 중국에서는 어떤 제품들이 인기가 있는지 분석할 필요가 있다.

① 화시즈(花西子): 
설립 배경: 2017년에 설립된 화시즈는 동방의 색조 화장품, 꽃 성분의 색조 화장품을 의미하는 “동방채장, 이화양장(东方彩妆, 意花养妆)”을 모토로 한다.

제품 디자인: 중국풍의 공예 패턴을 제품 디자인에 반영하여, 전통적인 중국 이미지를 현대적으로 해석하고 있다.

성공 요인:  중국 내수시장에서 폭발적인 성장을 이루며, 일본 아마존에도 입점하는 등 해외 진출에도 성공하고 있다.

② 리닝(李宁):
설립 배경: 1989년 설립된 리닝은 한때 촌스럽고 값싼 브랜드로 여겨졌으나, 공격적인 마케팅 전략을 통해 이미지 변신에 성공했다.

 마케팅 전략: 2018년 뉴욕 패션위크에서 중국풍 디자인의 옷들을 선보이며 호평을 받았고, 브랜드명 앞에 ‘중국’을 넣어 “중국이녕(中國李宁)“으로 표기한 제품들이 젊은 소비자들의 큰 호응을 얻었다.

제품 특징: 중국 고유의 문화를 반영한 디자인과 고품질 제품으로 궈차오 열풍을 대표하는 브랜드로 자리 잡았다.

 

이 두 회사의 제품은 중국 소비자들이 선호하는 독특한 문화적 요소와 디자인을 제품에 반영했다는 것이 큰 특징이다. 

즉 다시말해, 중국 소비자들이 매력적으로 여기는 특유의 스타일과 정서를 활용한 것이라고 말할 수 있다.

한국 또한 이를 이용하여 중국 시장을 공략해야 한다.

 

 

진출 지역의 선정 및 특성 파악

 

중국은 대륙이다! 

권역별 소비자가 최소 1~2억 명은 넘는 만큼 권역별 시장 및 소비자의 특성도 다양하고, 그 지역의 주요 유통 및 마케팅 채널도 상이하다. 따라서, 나의 제품 특성과 내가 중국 시장을 개척하기 위해 가지고 있는 자원의 한계 등을 고려하여 나에게 적합한 지역 시장을 우선 선정하여 진출하여야 한다.

  우리가 ‘중국 시장’하면 떠올리는 북경, 상해, 광주 권역 시장은 규모는 크지만 이미 글로벌 유수 브랜드들이 선점하고 있는 레드오션이다. 한국산 제품이라는 후광효과로 구매가 가능한 가격의 제품을 공급할 수만 있다면 나만의 블루오션은 분명 존재한다.

 

 

중국은 지역별 기후와 특성이 상이하다! 

이에 내가 진출하려는 지역의 특성에 맞는 제품을 개발하던지, 내가 보유한 제품에 적합한 지역을 선정하여 진출하여야 한다.
브랜드 컨셉과 전달 내용을 어렵게 하기보다는 온라인이라는 채널의 특성, MZ세대라는 주요 소비자 특성을 고려하여 이슈가 될 수 있는 쇼트클립 위주의 재미를 강조한 콘텐츠를 많이 활용하는 것이 좋다. 이러한 콘텐츠를 반드시 중국에서 제작할 필요는 없다. 한국의 좋은 콘텐츠를 활용하는 것도 하나의 방법이다.

 

 

현장 판매 가능성

 

(출처:https://n.news.naver.com/article/277/0005298322?sid=104)

그리고 최근 2017년 사드(THAAD‧고고도미사일방어체계) 보복 조치 이후 6년만에 단체관광이 가능해졌다는 점은 중국인 관광객을 대상으로하는 한국 화장품 현장 판매 가능성이 생겼음을 의미한다. 과거 한국 화장품 현장 판매량이 높았던 만큼 중국인 대상으로 하는 한국 화장품의 현장 판매 전략이 다시금 필요한 시점이다.

 

---

 

2. 미국

 

한국은 최근 중국 내 화장품 판매량 감소, 즉 k- beauty 열풍 감소로 인해 새로운 주력시장을 찾고 있다.

새로운 주력 시장을 찾는 것 또한 중국 내 화장품 판매량 감소에 대한 한국의 또 다른 대처방안일 수 있다.

그리고 바로 한국의 새로운 주력 시장은 '미국'이 되고 있다.

 

(출처: KOSIS 국가통계포털)

중국을 제외한 위의 시각화된 데이터에서 미국 내 한국 화장품 판매량은 상당히 높은 수치로 기록되고 있다.

 

(출처:https://www.cosinkorea.com/news/article.html?no=17757)

또한 한국 화장품 기업들이 K-뷰티 열풍에 휩싸인 중국을 넘어 세계 화장품 시장 1위인 미국 진출에 박차를 가하면서, 2010년대(위의 시각화 자료와 같이) 미국은 국내 화장품 기업의 주요 수출시장으로 부상하고 있는 중이다.

 

 

"그렇다면, 최근(2019년~ 2024년) 미국 내 k-beauty 산업군은 어떻게 변화하고 있을까?"

 

 

HS Code 3304 기준

 위의 그래프를 통해서 미국 내 한국 화장품 판매량은 꾸준히 증가하고 있음을 알 수 있다. 그리고 미국시장에서 한국 화장품 제품의 가능성을 엿볼 수 있다.

 

또한 K-뷰티는 지난 2020년 미국 화장품(HS Code 3304 기준) 수입시장에서 점유율 12.3%를 기록해 중국과 이탈리아를 제치고 처음으로 3위에 오른 뒤 2년 연속 같은 자리를 지키고 있다.

미국 주류시장 안착에 성공한 K-뷰티가 성장세를 이어 나가고 있음을 보여주는 자료이다.

 

 

" 그렇다면, 한국은 어떻게 성장세를 계속 유지할 수 있을까? "

 

브랜딩 작업

 

“미국 시장에서 K-뷰티만을 내세워 진출을 모색하기에는 어려움이 있다”

“K-뷰티가 크게 붐을 일으켰던 당시 대형 유통점 매장 내 K-뷰티 섹션에 진열됐던 일부 제품들이 미국에서 적절한 브랜드 구축에 실패에 결국 매대에서 철수됐다”

“K-뷰티의 성공을 위해서는 브랜딩 전략이 필수적으로 요구된다“

-광고∙홍보대행사 원섬 커뮤니케이션의 비비안 대표-

K-뷰티 장기적인 성장 위한 브랜딩 작업 필수!!

한국의 제2 화장품 수출국인 미국은 중국 내 K-뷰티 판매액 감소를 경험하고 있는 현 시점에 전략적 가치가 큰 시장이다. 때문에 미국에서 장기적인 성장을 지속하기 위해서는 시장에 최적화된 브랜딩이 요구된다.

당장 제품을 판매하는 것에 우선순위를 두기보다는 브랜딩을 위해 시장조사를 진행하고 타깃 고객 설정해 홍보∙마케팅, 유통채널 진입 등 진출 전략을 수립, 수행해야한다.

 

미국에서의 브랜드 성공은 중국의 매출 증대로 이어질 수 있다는 점도 브랜딩 투자의 이유가 될 수 있다.

 

 

 

온라인 채널의 중요성

 

"최근 미국 화장품 시장에서 아마존 플랫폼이 부각되기 시작했다"

"온라인 시장의 성장은 가성비가 장점인 한국 화장품에게는 호재로 작용하고 있다"

-한국투자증권 김명주 연구원-

 

(출처:미국 통계청, 한국투자증권)

 

미국 시장에서의 한국 화장품 판매는 온라인 채널의 역할이 중요하다.

실제로 미국 소매시장 내 온라인 비중이 10%대를 유지하고 있는 것을 보아 앞으로 온라인 채널 유입량이 증가함에 따라 한국 화장품 판매량 증가도 기대해볼 수 있다.

 

 

 

과제

 

현재 유통 중인 제품 상당수가 패키지에 부적절한 단어와 엉터리 영문 번역을 사용해 제품 호감도를 떨어뜨리고 있어 올바른 용어 사용이 필요하다.

예를 들어, 미백 제품에 쓰이는 ‘화이트닝(whitening)’ 표현은 인종차별 논란을 일으킬 수 있어 ‘브라이트닝(brightening)’으로 수정이 필요하다. 또 식품의약국(FDA) 규정에 맞는 라벨링 기준을 지키지 않아 수출이 무산되거나 지연되는 경우가 있어 이에 대한 주의가 요구된다.

이렇게 현재 k-beauty가 가지는 당면한 과제도 있다.

 

---

 

 

STEP 2.  그 외 k-beaty 판매 전략

 

(출처: KOSIS 국가통계포털)

(X축은 분기, Y축은 판매량을 나타낸 그래프이다.)

 

위의 시각화된 그래프는 국가(지역)의 분기 별 화장품 판매량이다.

그래프를 보면 알 수 있듯이 모든 국가(지역)에서 4분기(10월~12월), 즉 겨울철 화장품 판매량이 가장 높다.

시기 별로 화장품 판매 전략을 달리해야한다는 뜻이다.

 

특이점을 보이는 국가(지역)도 존재한다!

 

위의 자료에서 오른쪽 맨 밑에 위치한 오세아니아(대양주)에서의 판매량 데이터를 시각화한 그래프는 다른 그래프들과 달리 2,3분기에서의 판매량이 높게 나타난다.

(위의 자료에서 오세아니아 판매량 그래프만 확대)

 

오세아니아는 남반구에 위치하기 때문에 계절이 반대임을 알고 판매 전략을 세워야함을 의미한다!

 

---

STEP 3.  K-beauty의 미래

 

(출처:대한화장품협회)

 

위의 그래프와 같이 2015년 이후 구글 사용자의 k 뷰티 검색어 트랜드가 꾸준히 상승하고 있다.

k- beaty에 대한 관심도가 꾸준히 상승 중이라는 뜻이다.

 

(출처:식품의약안전처)

 

또한 한국 화장품 수출액이 매년 꾸준히 증가하고 있다는 것을 알 수 있다.

 

 

표지 출처: https://www.facebook.com/kbeautyglobal/

참고자료:무협보고서-중국의 애국소비(궈차오) 열풍과 우리 소비재 기업의 대응전략