# 우리 가게 홈페이지 방문 수도 AI가 들여다볼까?

_홈페이지 방문 수가 매출 신호가 되는 조건은 따로 있다_

> 웹 방문 데이터를 넣자 AI의 매출 예측 오차가 0.122에서 0.021로 줄었다. 다만 실제 거래와 이어지는 홈페이지일 때 효과가 컸고, 한국에서는 이미 대출 심사에도 비슷한 데이터가 쓰이고 있다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/web-traffic-forecasts-revenue-81-percent
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-02

홈페이지 방문 수가 매출을 예측하는 자료로 쓰일 수 있다는 연구 결과가 나왔다. 웹 방문 데이터를 넣자 AI의 매출 예측 오차는 0.122에서 0.021로 줄었다. 다만 모든 홈페이지 방문 수가 같은 의미를 갖는 것은 아니다.

방문 수 자체보다 그 방문이 매출과 연결되는지가 중요하다.

## 우리 가게 홈페이지 방문 수도 누가 보고 있나?

이번 연구는 미국 상장사의 다음 분기 매출을 AI가 얼마나 잘 맞히는지 시험했다. 웹 방문 수, 카드 결제액, 매장 방문 수, 예측시장 데이터 같은 자료를 과거 재무 기록과 함께 넣었다.

웹 방문 데이터를 시험한 회사는 15곳이고 표본은 32건이었다. 대상은 미국 상장사였고, 평가 기간은 2025년 12월부터 2026년 6월 사이에 발표된 실적이었다.

| 데이터 종류 | 시험 표본(회사·분기) | 회사 수 | 회사당 표본 |
|---|---|---|---|
| 카드 결제액 | 175 | 77 | 2.27 |
| 웹 방문 수 | 32 | 15 | 2.13 |
| 매장 방문 수 | 75 | 33 | 2.27 |
| 예측시장(실적 지표) | 22 | 16 | 1.38 |
| 전체 | 304 | 89 | 3.42 |

AI가 사용한 방법은 복잡하지 않았다. 회사의 지난 6개 분기 매출과 대체 데이터 6개 분기치, 직전 2개 분기의 실적 발표 녹취록을 함께 보고 다음 분기 매출을 예측하게 했다.

## 방문 수를 넣으면 정말 더 잘 맞히나?

웹 방문 수를 넣었을 때 차이가 뚜렷했다. 재무 기록만 넣었을 때 FVU는 0.122였지만, 웹 방문 수를 더하자 0.044가 됐다.

실적 발표 녹취록과 웹 방문 수를 함께 넣자 FVU는 0.021까지 내려갔다. FVU는 0에 가까울수록 예측이 정확하다는 뜻이다.

| 넣은 정보 | 카드 결제 | 웹 방문 | 매장 방문 | 예측시장 |
|---|---|---|---|---|
| 재무 기록만 | 0.207 | 0.122 | 0.261 | 0.209 |
| + 실적 발표 녹취록 | 0.180 | 0.124 | 0.415 | 0.070 |
| + 대체 데이터 | 0.145 | 0.044 | 0.180 | 0.096 |
| + 둘 다 | 0.122 | 0.021 | 0.141 | 0.087 |

매출 증가율의 평균 오차도 3.42에서 1.39로 줄었다. 다만 정보를 많이 넣는다고 항상 좋아지는 것은 아니었다.

예측시장 데이터에서는 실적 발표 녹취록만 넣었을 때 FVU가 0.070이었고, 다른 자료까지 함께 넣었을 때는 0.087이었다. 매장 방문 데이터에서도 녹취록을 더하자 FVU가 0.261에서 0.415로 높아졌다.

## 애널리스트보다도 잘 맞혔나?

웹 방문 데이터로 시험한 경우에는 실제 매출에 더 가까운 예측이 나온 경우가 81%였다. 비교 대상은 분기 마감 약 1주 뒤의 애널리스트 평균 예상이었다.

다만 이 결과를 모든 기업에 그대로 적용하면 안 된다. 웹 방문 채널의 표본 자체가 15개 회사, 32건으로 작기 때문이다.

기존 통계 방법과 비교한 결과에서도 차이가 있었다. 웹 방문 채널에서 과거 평균, 선형회귀, 결정나무 방식보다 이번 AI 방식의 FVU가 낮았다.

| 방법(웹 방문 채널) | FVU | 평균 오차 |
|---|---|---|
| 과거 평균 | 1.894 | 11.50 |
| 선형회귀(OLS) | 0.269 | 4.47 |
| 결정나무(GBT) | 0.380 | 5.15 |
| AI 세 가지 평균 | 0.068 | 2.49 |
| 이번 방식 | 0.021 | 1.39 |
| 이번 방식 + 검색 도구 없음 | 0.079 | 2.11 |

## 그런데 우리 가게도 방문 수를 볼까?

여기서 중요한 조건이 하나 있다. 홈페이지 방문 수가 실제 매출과 연결되는 회사인지 먼저 따져야 한다는 것이다.

온라인에서 상품을 팔거나 예약과 주문을 받는 홈페이지라면 방문 수가 실제 영업 상황을 보여 줄 수 있다. 반대로 회사 소개만 있는 홈페이지라면 방문 수만으로 매출을 판단하기 어렵다.

이번 연구에서도 AI가 먼저 회사와 데이터 설명을 읽고 해당 데이터가 실제 매출을 보여 주는지를 판단했다. 매출과 관계가 적은 회사는 분석에서 걸러 냈다.

모든 회사를 섞었을 때 관찰값은 916건, 상관계수는 0.238이었다. 매출과 이어지는 회사만 남기자 관찰값은 744건으로 줄었지만 상관계수는 0.281로 높아졌다.

| 조건 | 관찰값 | 상관계수 | 뜻 |
|---|---|---|---|
| 모든 회사 | 916 | 0.238 | 상관없는 회사까지 섞임 |
| 걸러 낸 회사 | 744 | 0.281 | 매출과 이어진 회사만 남음 |
| 검색 도구 켬(웹 방문) | — | FVU 0.079→0.021 | 회사가 어떻게 돈을 버는지 찾아본 뒤 해석 |

미국 대기업 1,000여 곳을 분석한 다른 연구에서도 비슷한 방향의 결과가 나왔다. 웹 방문 수는 매출과 이익을 먼저 보여 주는 지표였고, 특히 홈페이지에서 실제 거래가 이뤄지는 소비자 대상 회사에서 힘이 컸다.

## 한국에서는 이미 대출 심사에도 쓰인다

이런 방식은 연구에서만 끝난 이야기가 아니다. 한국에서는 이미 온라인 가게의 활동 데이터를 사업자 대출 심사에 활용해 왔다.

네이버파이낸셜은 스마트스토어 매출, 반품률, 단골 비중, 문의 응대 속도 같은 데이터를 활용해 사업자 대출을 심사해 왔다. 2023년 3분기까지 누적 대출은 2,300억 원이었다.

기존 신용평가 모형과 비교하면 승인율은 20%포인트 높았고 부실률은 1.1%포인트 낮았다. 대출을 받은 사업자 가운데 20%는 업력 1년 미만이었고 60%는 20~30대였다.

2026년 9월 30일 보도에서는 케이뱅크와 웰컴저축은행이 네이버파이낸셜을 거쳐 스마트스토어 방문자 수와 매출로 사업자를 평가하기 시작한 내용도 나왔다.

| 항목 | 숫자 | 출처 |
|---|---|---|
| 자영업자 대출 중 담보대출 | 79.8% | 서울신문(2025년 기준) |
| 자영업자 대출 중 신용대출 | 9.6% | 서울신문(2025년 기준) |
| AI 기반 소상공인 신용평가 적용 기관 | 10곳 → 연말 16개 은행 목표 | 서울신문 2026.9.30 |
| 연말 목표 공급액 | 2조 2천억 원 | 서울신문 2026.9.30 |
| 케이뱅크 연간 공급 계획 | 약 1,500억 원 | 서울신문 2026.9.30 |
| 네이버 대안신용평가 누적 대출 | 2,300억 원(2023년 3분기) | 전자신문 |
| 승인율·부실률 차이 | +20%p·−1.1%p | 전자신문 |

## 그럼 사장님에게 무슨 의미인가?

지금 공개된 자료만 보면 자체 홈페이지 방문 수가 곧바로 은행의 대출 심사 점수가 된다고 볼 수는 없다. 한국에서 공개된 사례는 스마트스토어처럼 방문과 매출이 함께 기록되는 플랫폼 데이터가 중심이다.

다만 방향은 분명하다. 금융기관이나 AI가 사업자의 실제 영업 상황을 파악할 때 재무제표만 보는 것이 아니라 실제 영업과 연결된 데이터를 함께 볼 수 있다는 것이다.

그래서 홈페이지를 운영하는 사장님에게 중요한 것은 방문자 수 자체가 아니다. 예약, 주문, 문의처럼 방문이 실제 고객 행동과 연결되는 구조를 갖추는 것이 더 중요하다.

연구에서도 검색 도구를 사용해 회사가 어떻게 돈을 버는지 확인한 뒤 웹 방문 데이터를 해석하자 FVU가 0.079에서 0.021로 낮아졌다. 방문 기록을 읽기 전에 그 방문이 어떤 영업 활동과 연결되는지를 확인했다는 뜻이다.

아직 한국의 일반적인 동네 가게 홈페이지 방문 수가 대출 심사에서 어느 정도 비중을 갖는지는 공개된 숫자가 없다. 따라서 지금 단계에서 방문자 수가 많으면 금융기관이 가게를 높게 평가한다고 단정할 수는 없다.

다만 홈페이지에 실제 고객의 예약과 주문이 쌓이고, 그 기록이 영업 성과와 연결된다면 이야기는 달라질 수 있다. 이번 연구가 보여 주는 핵심도 방문 수를 많이 모으는 것보다 그 데이터가 실제 매출을 얼마나 잘 설명하는지에 있다.

요점 ① 웹 방문 데이터를 넣자 AI의 매출 예측 FVU가 0.122에서 0.021로 줄었다. ② 웹 방문 채널은 15개 회사·32건의 표본에서 애널리스트 평균 예상보다 81%의 경우에 실제 매출에 가까웠다. ③ 매출과 이어지는 회사만 걸러 내자 상관계수가 0.238에서 0.281로 높아졌다. ④ 한국에서는 스마트스토어 방문자 수와 매출을 활용한 대출 심사가 진행되고 있으며, 연말 목표 공급액은 2조 2천억 원이다.

## 같이 읽을 글

 

- 우리 가게에 온 AI 고객은 왜 통계에서 안 보일까?

- AI가 가게 정보를 못 찾으면 어떻게 될까?

- 챗GPT에서 고객이 오는 길, 지금 챙겨야 할까?
 

## 자료 출처

 

- Making Alternative Data Work: Context-Augmented LLMs for Financial Forecasting(LinqAlpha·Carbon Arc·Kalshi·MIT 등, arXiv 2609.11607, 2026년 9월, 미국 상장사 89곳·304건)

- 같은 논문 HTML 본문(애널리스트 비교 81%·거르기 상관계수·GLM-5.2 부록)

- Digital Traffic, Financial Performance, and Stock Valuation(Armstrong·Konchitchki·Zhang, The Accounting Review 2025년 11월, 미국 대기업 1,000여 곳)

- Companies' website traffic proves powerful predictor of financial performance(UC버클리 하스 경영대학원 뉴스, 2026년 2월)

- 스마트스토어 방문자도 '신용' 된다… 은행권 '사장님 평가' 데이터 경쟁(서울신문, 2026년 9월 30일)

- 네이버 대안신용평가 대출, 2000억원 넘었다(전자신문, 2023년 12월, 2023년 3분기 누적)

- 카드업계, 수수료·대출사업 막히자 '결제 데이터'에서 금맥 찾기(데이터뉴스)

- 네이버, 스마트스토어 사업자에 대출 시작(아주경제, 2020년 12월)