Current Issue

골프웨어는 일반적으로 골프를 할 때 착용하는 의류로 운동하기에 적합한 디자인과 기능성을 갖고 있다. 그러나 최근 20-30대 골프 인구의 증가와 30-40대 여성 골프 인구의 유입으로 골프웨어는 과거에 비해(Shin & Lim, 2016) 패션성이 더욱 강조되고 있으며, 소비자들의 욕구도 다양해지고 있다. 과거 높은 사회적·경제적 지위를 갖고 있는 사람들의 전유물로 생각되었던 골프웨어는 단순히 운동을 위한 옷에서 자신의 지위를 상징하기 위한 하나의 수단으로 여겨지기도 한다.

골프웨어에 관한 선행연구들은 이러한 골프웨어의 특징으로 골프웨어를 구입하는 소비자에 초점이 맞춰있었으며, 기능성 등 의류 제작에 관련된 연구들이 대부분이었다. 디자인 및 의류패턴에 관한 연구(Cho & Kim, 2020; Hyung, Youn, & Kang, 2019; Yang, Cho, & Lee, 2020), 골프웨어브랜드 이미지에 대한 연구(Shin & Lim, 2016)와 소비자 구매 행동 등 마케팅전략에 관한 연구(Choi, 2018; Choi & Park, 2019; Kim et al., 2015)이 있다. 그러나 선행연구들은 소비자들의 의식을 알아보기 위해 설문지 방법을 주로 이용하였으며, 빅데이터를 이용한 논문은 이미 언급한 바와 같이 3편 이외에는 찾을 수 없다.

Jung & Choi(2020)가 2000년부터 2019년까지 20년 동안의 골프웨어 트렌드를 빅데이터를 이용해 조사한 연구에 의하면 20년 동안 연결중심성과근접중심성이 높은 키워드가 ‘브랜드’로 나타나 골프웨어를 구매하는 소비자들에게 브랜드가 높은 영향을 미치고 있음을 유추할 수 있다. 이러한 연구 결과는 빅데이터를 이용해 소비자의 인식을 조사한 Lee & Lee(2018)의 연구 그리고 Lee et al.(2018)의 연구와도 같은 결과이다.

그러나 소비자들에게 선호되는 골프웨어 브랜드라고 하더라도 기상조건 등 다양한 변수들로 인해 그 영향의 정도가 달라질 수 있음을 유추할 수 있어 다양한 변수들의 영향에 대한 연구가 필요하다고 사료된다.

머신러닝(Machine Learning)은 AI의 하위 집합으로 사람이 학습하는 방법과 같은 방법으로 대량의 데이터를 컴퓨터에 학습을 시켜 새로운 지식을 얻어 내고 미래에 발생될 상황을 예측가능하게하는 기술이다. 더 나아가 머신러닝은 인간의 개입을 최소한으로 하면서 시스템이 자동으로 학습할 수 있도록 하는 다양한 기술, 방법, 모델링 및프로그래밍 전체라고 할 수 있다(The intersection of, 2021). 머신러닝으로 결괏값을 예측할 경우 사전에 결괏값에 영향을 미치는 변수에 대해 미리알지 못한 상태에서도 예측값을 도출할 수 있다는 장점이 있으나 실제 분석 시간보다 데이터 정제에소요되는 시간이 더 길다는 단점이 있다. 그러나제한된 기간에 수집된 빅데이터를 사용하여 예측값을 도출하기에 최적의 방법이라고 볼 수 있다(You, 2019).

머신러닝에서 학습이란 주어진 대량의 데이터를 이용하여 영향을 주는 변수들과 결과 사이의 관계를 반복적으로 분석하여 패턴을 찾는 것으로 올바른 학습을 위해 데이터의 정제가 필요하다. 수집된 데이터의 오류나 허점, 편향 혹은 충돌값등을 찾아 내어 수정하는 과정은 각각의 주제에 관해 전문가와 함께 이루어지는 많은 수동 작업을 필요로 하며, 좋은 결과를 위해서 반복적인 개선을 필요로 한다는 점을 인지해야 한다(Transparent Machine Learning, 2021).

구매자의 구매요인이나 구매 가능성을 예측하기 위한 예측 분석은 빅데이터로 수행되는 다양한고급 통계 알고리즘을 사용하여 미래에 발생할 수 있는 패턴과 조건을 감지하여 앞으로 일어날 일을 파악하는 프로세스 및 전략이다. 의사결정나무, 클러스터링, 신경망, 회귀모델링 등의 알고리즘을 사용하여 미래의 결과 나 발생할 수 있는 조건의 확률을 계산한다. 과거와 달리 최근에는 전문기술의 발전 및 데이터의 증가 등으로 더 쉽게 접근할 수 있으며, 통합 추론 및 패턴 인식 등을 다양한 관점에서의 접근을 포함하고 있다(Selvaraj & Marudappa, 2014; A survey of, 2021).

패션업계에서는 이미 ‘미우미우’와 ‘스티치픽스’ 등 많은 브랜드와 리테일러들이 데이터를 사용해소비자 판매의 상승과 하락을 예측하고 있다. 그뿐만 아니라 예측 분석은 패션 트렌드, 색상 선호, 소셜미디어 동향 등 모든 것들을 고려하여 예측을 하고 있다(Prospects for the, 2021). ‘네이버’에서도 과거 소비자의 쇼핑 데이터를 이용한 패턴을 예측해 소비자의 취향이 반영된 추천 시스템을 운영할 계획을 발표했으며, 패션 ERP & POS 전문기업인 ‘엑스엠디’도 신상품 기획 과정에서 과거판매됐던 유사한 디자인의 판매율 분석을 이용해신상품에 대한 판매율을 미리 예측하는 서비스를 제공하기로 했다(Naver knows your, 2020; XMD Introduces Innovative, 2020). 이처럼 패션산업에서 예측 분석의 활용은 점점 더 많아질 것으로 사료된다.

Kim & Hwangbo(2017)는 패션 브랜드 판매예측 분석 연구에서 패션 브랜드의 특징인 계절성을 상쇄한 상태에서 3종류의 외부충격이 패션 브랜드 매출에 미치는 영향을 분석하였다. 정치적 영향은 저가 및 고가 브랜드와 온라인 및 오프라인 브랜드 모두에서 영향이 없는 것으로 밝혀진반면 사회적 영향은 일부 영향을 받는 것으로 나타났다. 저가 브랜드와 온라인 브랜드와 달리 고가 브랜드는 사회적 영향을 높게 받고, 오프라인판매는 유의한 영향을 받는 것으로 밝혀졌다.

날씨는 소비자 의사결정에서 가장 기본적이고 보편적인 요소로 소비자의 기분과 욕망을 변화시켜 무엇을 입고 사야 할지를 결정하는 데 영향을 미친다(The complete guide, n.d.). 따라서 유통업체의 매출은 날씨와 요일에 영향을 많이 받으며패션 상품은 다른 제품과 달리 특히 계절의 영향을 많이 받아, 날씨의 변화에 따른 판매량의 변화가 매우 빠르다(Liu, Ren, Choi, Hui, & Ng, 2013; Sales of companies, 2016). 날씨마케팅이란 마케팅에 날씨를 이용하는 것으로 날씨를 예측해 비즈니스에 적용시키는 것을 말하는 것으로 많은 의류업체가 기상정보서비스업체로부터 날씨 정보서비스를 받아 활용하고 있으며, 날씨 예측이 의류 재고관리에 상당한 일조를 하고 있다는 평가를 받고 있다. ‘LG 패션’의 경우에는 날씨 정보 시스템의 정보를 분석하여 초기 원단 발주량 및 스타일 수를 유동적으로 운영하고 있으며, ‘신원’도 장기 기상 전망을 반영한 과학적인 재고-판매 시스템을 통해 2010년 9월 매출액이 2009년 대비 30% 가까이 신장했다(The fashion industry, 2010). 또한 이름이 알려지지 않은 한 의류매장에서도 날씨를 측정하는 기상 센서를 활용해 매출의 20%를 올린 것으로 보도되었다(Is weather the, 2019). 최근 산업 전반에 걸쳐 빅데이터와 AI를 이용함에 따라 ‘롯데홈쇼핑’이 AI 기상예보를 이용하여 상품 기획, 프로그램 편성 등 마케팅에 활용할 계획을 수립(A Lotte Home, 2020)하기도 하였다.

그러나 현업에서 날씨를 이용한 사례가 늘어나는 것과 달리 날씨마케팅에 관한 연구는 많지 않으며 특히 날씨 영향력이 큰 패션에서의 연구는 그 사례를 찾기가 더 어렵다. 백화점 패션의류제품의 매출에 기상요인이 미치는 영향을 연구한 Jang & Lim(2003)의 연구에서 남성복과 여성복모두 기온이 매출에 가장 큰 영향을 미치며 다음으로 풍속, 강수량이 영향을 미치는 것으로 나타났다. 기온은 낮을수록 바람은 약할수록, 강수량은 적을수록 매출이 높게 나오는 것으로 나타났다. 이러한 기상조건의 영향력은 계절에 따라서도 다르게 나타났으며 여성복의 경우 가을에만 기온이 유의한 영향을 미치는 것으로 나타났다. 풍속은 봄, 여름 그리고 겨울에 영향을, 강수량은 봄과 여름에만 유의한 영향을 미치는 것으로 나타났다. 남성복은 여성복에 비해 전체적으로 기상요인의 영향력이 적었으나 강수량은 남성복의 여름 매출에 많은 영향을 미치는 것으로 밝혀졌다.

계절에 따라 기온 및 습도가 매출액에 주는 영향이 다른지 조사한 연구(Lee, Ahn, & Chung, 2011)에 의하면 계절별로 온도와 습도의 영향이 다른 것으로 나타났다. 여성복의 경우 봄, 가을과 겨울에 습도의 영향을, 남성복의 경우에는 봄에는 온도, 가을과 겨울에는 습도의 영향을, 캐주얼복의 경우에는 봄에는 습도, 겨울에는 온도, 가을에는 온도와 습도 모두에 영향을 받는 것으로 나타났다. 특히 여름에는 모든 복종에서 높은 온도와 습도가 매출액에 부정적인 영향을 주는 것으로 밝혀졌다.

위의 선행연구에서 기상요인이 패션제품 판매에 영향을 미치고 있음을 확인할 수 있으나 모두빅데이터를 사용한 연구는 아니다. 빅데이터분석을 통해 기온의 변화에 따른 상품의 판매량을 분석한 연구(Hong, 2019)에 의하면 평균기온이 증가함에 따라서 겨울 용품인 목도리와 스타킹의 판매량이 증가하는 것으로 나타났다. 또한, 반팔 티셔츠와 반바지 그리고 소형백의 판매량도 평균기온이 상승함에 따라 증가하는 것으로 확인된 반면신발의 경우에는 평균기온의 변화와 관계가 없는 것으로 나타났다. Hong(2019)의 연구는 빅데이터를 이용한 첫 번째 연구라는 점에 의의가 있으나, 겨울용품, 반팔 티셔츠, 반바지와 신발 등 전체 의류 카테고리를 대상으로 하지 않았으며, 계절에 따른 기온의 영향에 대한 차이도 분석되지 않은 아쉬움이 있다.

요일효과(day of the week effect)란 주식시장의 수익률 변화가 요일에 따라 차이가 있는 것에서 출발한 것으로 일반적인 수요이론과 다른 이상현상 중 하나를 의미한다. 다시 말해 이론적으로 설명이 불가하지만, 요일에 따라 다른 수요패턴이 지속해서 나타나는 현상으로 주말의 판매가 주중의 판매보다 높다던가, 백화점은 월요일의 판매가가장 저조하다 등의 경험에 근거한 효과를 말한다(Nam, 2006; Lee et al., 2013).

국내 남성복 ‘P’사의 5년 간 데이터를 이용해 요일효과를 살펴본 Nam(2006)의 연구에 의하면 주말의 매출액이 주중의 매출액에 비하여 높은 것으로 나타났으며, 주말 중 일요일의 매출이 월등하게 높은 것으로 나타났다. 또한, 여름과 겨울의 요일효과는 통계적으로 유의미하게 차이가 있는 것으로 밝혀졌다. 스포츠브랜드 ‘L’사의 5년 간 스포츠화 일일 판매 데이터를 이용해 요일효과를 분석한 Lee et al.(2013)의 연구 결과, 요일별 판매구성비에 유의미한 차이가 있는 것으로 나타났다. 이 연구에서도 주말의 판매가 주중의 판매보다 높았으며, 일요일의 판매가 가장 많았다. 그러나 요일별로 판매를 확인했을 때 월/화/수요일의 판매와 목/금요일의 판매에 유의미한 차이가 나타나지않아 Nam(2006)의 연구 결과 월/화/수요일의 판매와 목/금요일의 판매가 유의미한 차이를 나타낸 것과는 다른 결과가 도출되었다. 연구자는 이러한결과를 복종의 차이 혹은 유통업태에 따른 차이에 의한 결과인 것으로 유추하였다.

본 연구는 골프웨어 브랜드 ‘A’의 2017년 1월 1일부터 2019년 12월 31일까지 총 3개년 일일 판매데이터를 활용하여 다양한 기상조건과 요일 및 주말여부에 따른 판매량 예측을 분석하였다. 골프웨어 ‘A’는 국내 주요 백화점 위주의 영업을 하며 남성과 여성을 동시에 진행하고 있는 중견 브랜드로 본 연구에서는 그 중 여성복에 대한 데이터만을 사용하였다.

골프웨어 ‘A’에서 수집된 빅데이터는 스타일명을 비롯하여, 발주량, 입고량, 판매량, 정상가격 및 할인가격 등 다양한 정보를 갖고 있는 일일 판매데이터로 3개년 간 총 스타일 수는 600여 개에 이른다.

기상정보란 대기에서 일어나는 기상 현상에 대한 관측 및 예측에 관한 정보로 본 연구에서는 기상청 ‘날씨누리’가 제공하는 평균기온, 최저기온, 최고기온, 일강수량, 평균풍속, 상대습도, 신적설등의 데이터를 일일 판매데이터와 같은 기간을 선정하여 수집 후 분석에 사용하였다. 기상정보 데이터 중 기온 및 강수량에 대한 정보는 <Fig. 1> 과 <Fig. 2>에 제시되었다.

<Fig. 1> 
National Temperature Analysis Day

<Fig. 2> 
National Rainfall Analysis Day

데이터 수집 후, 효과적인 데이터 분석을 위해 전처리 작업을 하였다. 1차로 골프웨어 브랜드 ‘A’에서 수집된 일일 판매데이터와 기상청에서 수집한 기상자료 및 요일 데이터를 엑셀을 이용해 하나의 데이터 세트로 합치는 전처리 작업을 하였다. 분석 중 불필요한 입력변수는 SPSS Modeler 18.0에서 비활성화 작업을 실행하였으며 최종모델에는 총 14개 필드, 18,707개의 레코드가 사용되었다. 엑셀로 전 처리된 데이터 세트는 <Fig. 3>과 같다. 의류는 계절 별로 소비자 판매가격의 차이가 큰 상품이며, 기획 시 소비자의 욕구를 잘 파악하지 못해 생산량이 많은 경우 실제 많은 판매가 이루어졌음에도 판매율이 낮게 나오는 점을 고려하여 목표변수는 각 레코드의 판매량으로 설정하였다.

<Fig. 3> 
Example of a Dataset Used for Analysis

데이터는 IBM Modeler 18.0을 이용하여 분석되었으며, 사용된 머신러닝 알고리즘은 신경망, CHAID, C&RT, GenLin와 Ensemble 모델이 사용되었다.

여성 골프웨어 판매에 영향을 주는 기상요인(평균기온, 최저기온, 최고기온, 일강수량, 평균풍속, 상대습도, 신적설)과 요일 및 주말 여부를 변수로 한 판매량 예측을 위해 SPSS Modeler 18.0을 이용해 설계한 모델은 <Fig. 4>와 같다.

<Fig. 4> 
Sales Forecasting Model for Women's Golf Wear

분석 결과, 앙상블 모델이 훈련데이터 .890, 테스트데이터 .827로 가장 높은 예측력을 갖고 있어 주어진 데이터를 이용해 82.7% 예측이 가능한 것으로 나타났으며, 분석에 사용된 모든 알고리즘에 대한 결과는 <Table 1>에 제시된 바와 같다. 실제 판매된 여성 골프웨어 판매량과 앙상블 모델 분석에 의해 예측된 판매량의 상관관계 시각화 결과는 <Fig. 5>에 제시되었다.

<Fig. 5> 
Correlation Between Actual Sales and Forecast Sales of Women's Golf Wear Based on Ensemble Model Analysis

여성 골프웨어 판매에 가장 많은 영향을 준 요인으로는 모든 알고리즘에서 카테고리가 1순위로 나타났으며, 다음으로 계절과 월로 나타났다. 결과는 <Table 2>에서 확인할 수 있다.

Artificial Neural Network	CHAID	C&RT	GenLin	Ensemble
Category	Category	Category	Category	Category
Month	Season	Month	Season	Season
Season	Daily Precipitation(mm)	Season	Month	Month
Snow Cover Observation of The Day(cm)	The Highest Temperature(˚C)	Day of The Week	Day of The Week	The Highest Temperature(˚C)
The Highest Temperature(˚C)	Weekend Status	Snow Cover Observation of The Day(cm)	The Highest Temperature(˚C)	Average Temperature(˚C)
Day	Average Temperature(˚C)	Daily Precipitation(mm)	Day	Weekend Status
Average Temperature(˚C)	Month	Average Temperature(˚C)	Minimum Air Temperature(˚C)	Day of The Week
Mean Wind Speed(ms)		Minimum Air Temperature(˚C)	Snow Cover Observation of The Day(cm)	Day
Daily Precipitation(mm)		Mean Wind Speed(ms)	Mean Wind Speed(ms)	Snow Cover Observation of The Day(cm)
Minimum Air Temperature(˚C)		Average Relatively Humidity	Daily Precipitation(mm)

카테고리와 판매량의 관계를 살펴본 결과 <Fig. 6>에 제시된 바와 같이 골프웨어 브랜드 ‘A’는 티셔츠의 판매가 가장 좋으며, 다음으로 스커트와 팬츠인 것으로 나타났다. 계절과 판매량의 관계는 여름의 판매가 가장 높은 것으로 나타났으며 결과는 <Fig. 7>에 제시되었다.

<Fig. 6> 
Sales Volume by Category

<Fig. 7> 
Sales Volume by Season

전체 데이터에서 판매량 예측에 영향을 주는 중요한 변수로 확인된 계절과 월은 모두 온도와 습도 등 기상조건 차이가 있는 변수로 소비자의 의복 구입에 계절에 따라 다른 영향력이 나타날 것을 유추할 수 있다. 따라서 위의 연구에서 가장 예측력이 좋았던 앙상블 모델 알고리즘을 이용하여 계절에 따른 골프웨어 판매량에 영향을 주는 요인이 차이가 있는지를 확인하였다.

모든 계절에 걸쳐 상품 카테고리가 가장 큰 영향을 주는 것으로 나타났으며, 그다음으로 봄에는 평균 상대 습도, 가을은 평균기온, 여름과 겨울은 주말 여부인 것으로 나타났다. 계절별 판매량에 영향을 주는 요인 중요도는 <Table 3>에 제시되었다.

시즌별 카테고리와 판매량과의 관계를 살펴본 결과, 전체적으로 여름용 티셔츠의 판매가 가장 높은 것을 확인할 수 있으며, 결과는 <Fig. 8>에 제시되었다.

<Fig. 8> 
Sales Volume by Season Category

봄, 여름 그리고 가을 모두 티셔츠와 스커트의 판매량이 높았으며, 겨울에는 다운류의 판매량이 높고 다음으로 팬츠의 판매량이 높은 것으로 나타났다. 결과는 <Fig. 9>와 <Fig. 10>에 제시되었다. Lee & Lee(2018)가 빅데이터를 이용해 골프웨어에 대한 소비자 인식을 조사한 연구에서도 빈도분석 결과 티셔츠와 팬츠가 상위에 올라와 있다. 또한, 여성 골프웨어의 특징을 짧은 반바지와 짧은 치마로 언급을 하였다. 골프웨어는 캐주얼하게 착용을 하기도 하지만, 일반적으로 골프 운동을 할 때 착용하는 목적을 갖고 있는 의류로 티셔츠와 스커트 그리고 팬츠라는 카테고리가 판매에 영향을 미치는 것이 당연한 결과라고 사료된다.

<Fig. 9> 
Sales Volume of Category According to Season

<Fig. 10> 
Sales Volume According to Season Category

계절별 판매량 예측에 영향을 미치는 변수에 대한 자세한 분석은 이미 위에서 언급하였으므로 카테고리를 제외한 2순위와 3순위에 대한 분석만 서술하였다.

1) 봄

봄은 평균 상대습도의 영향력이 판매 예측에 가장 큰 영향을 주는 것으로 나타났다. 평균 상대 습도가 올라갈수록 판매량이 증가하여 47.368%일 때 가장 높은 판매량을 보였으며, 그 이후 판매량이 하락하다 65.416%와 71.432%에서 상승하였지만, 습도가 높아질수록 판매량은 계속 하락하였다. 전체적으로 평균 상대습도가 38.344%에서 71.432%일 때 판매량이 높은 것을 확인할 수 있으며, 결과는 <Fig. 11>에 제시되었다. 최저기온은 0.478˚C을 기준으로 낮거나 높을 때 판매량이 감소하는 것으로 나타났으며, <Fig. 12>에서 확인할 수 있듯이 0.478˚C에서 10.098˚C 일 때 전반적으로 높은 판매가 이루어지는 것을 알 수 있다.

<Fig. 11> 
Sales Volume According to Average Relative Humidity in Spring

<Fig. 12> 
Sales Volume According to Minimum Air Temperature in Spring

2) 여름

여름은 주말 여부가 판매량 예측에 가장 큰 영향을 미치는 변수로 나타났다. <Fig. 13>에서 알수 있듯이 평일에 주말 판매량의 두 배 이상의 판매가 일어나는 것을 확인할 수 있으며 ‘1’은 주말, ‘0’은 주중을 의미한다. 평균 상대습도가 그다음으로 판매량 예측에 영향을 미치는 변수로 밝혀졌으며, 평균 상대습도가 59.4%일 때 가장 판매량이 높았으며, 44.4%에서 68.4% 사이에 전반적으로 판매량이 높은 것으로 나타났으며, 결과는 <Fig. 14>에서 확인할 수 있다.

<Fig. 13> 
Sales Volume According to Weekend Status in Summer

<Fig. 14> 
Sales Volume According to Average Relative Humidity in Summer

3) 가을

가을은 평균기온이 판매량 예측에 가장 큰 영향을 주는 것으로 나타났다. <Fig. 15>에 제시된 바와 같이 평균기온이 22˚C일 때 판매량이 가장 높은 것으로 나타났으며, 22˚C를 기준으로 기온이 올라갈 때는 비슷한 비율로 판매량이 감소하는 반면, 기온이 내려갈 때는 감소의 폭이 상당히 불규칙한 것을 발견할 수 있다. 최저기온이 19.1˚C일 때 판매량이 가장 높은 것으로 나타났는데, 최저 기온이 18.1˚C 일 때 판매량에 비해 급격하게 판매량이 상승하였으며 반대로 1˚C 상승했을 때도 급격하게 판매량이 감소했다. 봄에도 최저기온은 골프웨어 판매량 예측에 영향을 주는 요인이었으나 봄과 비교해 상대적으로 판매량의 변화가 규칙적이지 않으며 폭도 큰 것을 확인할 수 있다. 전체적인 결과는 <Fig. 16>에서 확인할 수 있다.

<Fig. 15> 
Sales Volume According to Average Temperature in Fall

<Fig. 16> 
Sales Volume According to Minimum Air Temperature in Fall

4) 겨울

겨울 판매량 예측에 가장 중요한 변수는 주말여부로 나타났으며 주중의 판매량이 여름과 마찬가지로 주말보다 2배 이상 높은 것을 <Fig. 17>에서 확인할 수 있다. 요일은 두 번째로 판매량 예측에 중요한 변수인 것으로 확인되었다. 그러나 일주일 중 어느 요일이 특정되어 판매량이 높지 않은 일주일 내내 비슷한 판매량을 나타냈다. 요일별 판매량은 <Fig. 18>에서 확인할 수 있으며, ‘1’이 일요일, ‘7’이 토요일로 월, 화, 수의 판매량이 비슷하다, 목요일에 들어서면서 판매량이 계속 증가하는 것을 확인할 수 있다.

<Fig. 17> 
Sales Volume According to Weekend Status in Winter

<Fig. 18> 
Sales Volume According to Day of The Week in Winter

봄과 가을의 판매량은 평균 상대습도, 평균기온, 최저기온 등 기상 현상의 영향을 많이 받는 것으로 확인되었다. Jang & Lim(2003)의 연구에 서도 매출에 기상요인이 미치는 영향을 계절별로 다르게 나타났으며, 여성복의 경우 가을에 기온이 미치는 영향이 유의미한 것으로 밝혀졌다. 본 연구 결과에서도 가을 판매에 영향을 주는 최저기온은 봄에 비해 기온 변화에 따른 매출량의 변동이 심한 것으로 나타나, 가을의 경우 착용 기간에 대한 고민이나 겨울 의류제품 구입에 대한 염려로 인해 최저기온에 민감하게 반응함을 유추할 수 있다. 평균기온 및 평균상대습도는 골프 운동이 주로 야외에서 이루어지는 활동이므로 기온이나 습도의 변화에 따라 준비해야 할 의류 아이템에 차이가 있어 판매량에 영향을 주는 것으로 사료된다.

여름과 겨울의 판매량 예측에 영향을 주는 중요한 요인으로 밝혀진 주말여부와 요일의 경우, 본 연구에서는 일주일 동안 판매된 판매량이 요일과 관계없이 꾸준한 것으로 나타났다. 주말여부에 의한 영향은 있으나 판매량은 주중이 주말에 비해 상당히 높은 것으로 나타났다. 이러한 연구는 소매 유통 시장에서의 이상현상 중 요일에 관해 연구한 Nam(2006)의 연구에서 남성복의 주말 매출액이 주중 매출액에 비해 높으며 특히 일요일의 매출이 월등하게 높게 나왔다는 결과와 상반된 연구 결과이다. 또한, 남성복의 화요일 매출이 가장 낮게 나온 것과 달리 여성 골프웨어의 경우 월요일부터 수요일까지 매출량에 큰 변화는 없었다. 이러한 결과의 차이는 골프웨어의 경우, 주로 필드에 나가는 요일이 주말인 경우가 많기 때문에 주중에 주말 라운딩을 위해 의류를 구입하고 남성복은 주중에는 일반적으로 근무를 하므로 주말에 주로 의류 쇼핑이 이루어지기 때문인 것을 유추할 수 있다. 남성복 판매에 영향을 미치는 요일 효과는 여름과 겨울에만 통계적으로 유의미한 차이가 있는 것으로 나타났으며, 본 연구에서도 요일 효과는 여름과 겨울에만 중요한 변수로 밝혀졌다.