활기 예보, 평균 오차율 11.6%: 어떻게 예측했나

시장의 붐빔을 미리 알 수 있을까

날씨 예보는 내일 비가 올지 알려 줍니다. 그렇다면 시장도 "내일은 붐빌지, 한산할지" 미리 알려 줄 수 있지 않을까요.

방문객에게는 덜 붐비는 날을 고르는 기준이 되고, 상인에게는 물건을 얼마나 준비할지, 일손을 얼마나 둘지 정하는 근거가 됩니다. 장날은 이것을 활기 예보라고 부릅니다.

예보는 맞아야 의미가 있습니다. 그래서 이 글에서는 장날 예보를 만든 방법과 함께, 얼마나 틀렸는지를 숨기지 않고 공개합니다.

어떻게 예측했나

원칙: 과거로 배우고, 배우지 않은 해로 시험한다.

2024년 한 해 데이터만으로 모델을 학습시키고, 모델이 한 번도 보지 못한 2025년을 예측하게 했습니다. 그다음 예측값을 2025년 실제 방문과 비교했습니다. 같은 데이터로 학습하고 채점하면 점수가 부풀려지기 때문에, 시험지를 따로 떼어 둔 것입니다.

무엇을 예측했나

• 예측 대상: 시장별 【일별 / 시간대별】 방문량 (내비게이션 목적지 도착 건수 기준)

• 대상 시장: 【예측한 시장 목록】

무엇을 보고 예측했나

• 달력: 요일, 공휴일, 명절 연휴

• 장 서는 날: 오일장 개장일 여부 (2·7일, 4·9일 등)

• 계절: 월, 관광 성수기·비수기

• 날씨: 【기온, 강수 등 사용 여부】

• 관광 흐름: 【제주 입도 관광객 수 등 사용 여부】

어떤 모델을 썼나

【모델 이름과 선택 이유를 두세 문장으로: 예) 요일·계절 패턴이 뚜렷해 시계열 모델을 기본으로, 명절·날씨 같은 변수를 더하기 쉬운 트리 기반 모델을 함께 썼다】

결과: 평균 오차율 11.6%

2025년 예측의 평균 오차율은 11.6%였습니다.

이 숫자는 무슨 뜻인가. 오차율은 "예측이 실제와 몇 % 어긋났는지"를 날마다 계산해 평균 낸 값입니다(평균 절대 백분율 오차, MAPE). 예를 들어 실제로 1,000건이 왔는데 예보가 900건이라고 했다면 그날 오차율은 10%입니다. 11.6%는 예보가 평균적으로 실제 방문의 약 열에 하나 정도 빗나갔다는 뜻입니다.

잘 맞은 날

【예) 평범한 주중, 오일장이 서는 날처럼 패턴이 반복되는 날】은 오차율이 【%】 안팎으로 낮았습니다.

틀린 날

【예) 명절 연휴, 갑작스러운 태풍·폭우, 대형 축제가 있던 날】은 오차율이 【%】까지 올라갔습니다. 2024년에 없던 사건이 2025년에 생기면, 모델은 그것을 배울 기회가 없었기 때문입니다.

【차트 자리】 2025년 실제 방문(선)과 예보(점선)를 겹친 그래프, 크게 빗나간 날에 짧은 설명 표시

이 예보가 아직 못 하는 것

• 한 해로 배웠습니다. 학습 데이터가 2024년 한 해뿐이라, 명절처럼 1년에 한 번 오는 날은 사례가 하나밖에 없습니다.

• 방문량이지 체감 혼잡도는 아닙니다. 같은 1,000명이라도 넓은 상설시장과 좁은 골목 시장에서 느끼는 붐빔은 다릅니다.

• 차로 온 사람만 셉니다. 내비게이션 데이터 기반이라 도보·버스 방문객은 예보에 반영되지 않습니다.

• 평균은 평균일 뿐입니다. 11.6%는 1년 평균이고, 특정한 날에는 이보다 훨씬 크게 빗나갈 수 있습니다.

더 나아지려면

• 해를 쌓습니다. 2025년 실제 데이터를 다시 학습에 넣어 명절·태풍 같은 드문 날의 사례를 늘립니다.

• 현장 신호를 더합니다. 장날 앱의 실시간 시세 제보와 주차 현황을 "지금의 활기" 신호로 함께 씁니다.

• 틀린 날을 기록합니다. 크게 빗나간 날마다 원인을 남겨 다음 모델의 변수로 삼습니다. 【그 밖의 개선 계획】

장날에서는

장날 앱의 장날 예보와 방문 추천일이 이 모델에서 나옵니다. 예보를 보여 줄 때 숫자 하나가 아니라 "평소보다 붐빔 / 보통 / 한산"처럼 범위로 알려 드리는 것도, 이 오차를 솔직하게 반영하기 위해서입니다. 【실제 앱의 표시 방식에 맞게 수정】

상인 리포트의 피크 시간 예측도 같은 원리로 만들어집니다. 예보가 맞는 만큼 준비는 가벼워지고, 틀린 만큼 장날은 더 배웁니다.

데이터 출처: 제주관광빅데이터플랫폼(제주관광공사). 모델링·분석: 장날.