서울 강남구 (삼성역 · COEX 일대) · 42실 규모 기준
※ 레이어 A(시장 수요)는 AirDNA에서 2026-08-04에 추출한 강남구 실측 데이터입니다. 레이어 B(호텔 컴프셋·예상매출)는 자체 OTA 수집 기반으로, 본 샘플에서는 예시 숙소값을 사용했습니다. 두 레이어는 문서 전체에서 색상 뱃지로 구분 표기됩니다.
상권 리포트에서 가장 위험한 건 출처 없는 숫자입니다. 아래 두 레이어가 어디서 왔고 무엇을 할 수 있고 무엇을 할 수 없는지를 먼저 정리합니다.
에어비앤비·Vrbo·부킹닷컴에 등재된 단기임대 905개 숙소의 36개월 실적과 향후 180일 요금·예약 데이터입니다. 계절성·요일 구조·리드타임·선행 수요처럼 지역 전체가 공유하는 수요 패턴을 잡는 데 사용합니다.
한계: 호텔 객실 데이터가 아닙니다. 야놀자·여기어때·아고다에서 팔리는 호텔 재고는 포함되지 않습니다. 따라서 이 레이어의 ADR·OCC 절대값을 호텔 목표치로 쓰면 안 됩니다.
반경 내 경쟁 호텔의 일자별 실판매가와 잔여 재고를 국내 OTA에서 직접 수집합니다. 호텔의 ADR·OCC·RevPAR 절대값과 예상 매출은 전적으로 이 레이어에서 산출됩니다.
LOCALDATA 숙박업 인허가(개·폐업, 좌표), 소상공인 상권정보시스템(배후 수요), 한국관광 데이터랩(지역 방문자)으로 공급 측면을 교차 검증합니다.
STR과 호텔은 같은 지역 수요를 나눠 먹습니다. 연휴에 강남 숙박 수요가 몰리면 에어비앤비도 호텔도 같이 찹니다. 그래서 수요의 모양(언제·얼마나 앞서·어떤 요일에)은 STR 데이터로도 정확히 읽을 수 있습니다. 반면 가격의 절대 수준은 상품이 달라 전이되지 않습니다. 이 구분을 지키는 것이 리포트 신뢰도의 핵심입니다.
강남구 숙박 수요의 45%가 투숙 14일 이내에, 28%는 6일 이내에 확정됩니다. 즉 매출의 절반이 직전 2주 안에서 결정됩니다. 이 구간은 경쟁 요금과 잔여 재고가 시간 단위로 흔들리는 구간이고, 하루 한 번 가격을 바꾸는 운영은 이 구간을 구조적으로 놓칩니다.
① 공급이 41.6% 급감했는데 ADR은 26.3% 올랐습니다. 전형적인 공급 충격 후 가격 상승 국면으로,
지금은 가격을 올릴 수 있는 시장입니다.
② 같은 지역·같은 조건에서 상위 10%는 중위값의 2.0배를 법니다.
(상위 10% $4,303/월 vs 중위 $2,152/월) 이 격차는 입지가 아니라 운영 방식에서 나옵니다.
③ 예약의 45%가 D-14 안쪽입니다. 이 구간을 잡느냐가 상위 10%와 중위값을 가릅니다.
36개월 RevPAR를 12개월 중심이동평균으로 디트렌드한 순수 계절 효과입니다. 최근 2년간 시장이 계속 성장(ADR $78→$115)했기 때문에, 원본 수치를 그대로 쓰면 “최근 달이 무조건 성수기”로 잘못 읽힙니다. 그 성장분을 걷어낸 값입니다.
AirDNA 강남구 RevPAR 36개월 · ratio-to-12MA 방식으로 트렌드 제거
| 구분 | 월 | 지수 | 가격 전략 |
|---|---|---|---|
| 최성수기 | 10월 · 6월 · 4월/7월 | 115.7 / 111.5 / 111.0 | 상단 적극 인상 · 최소 숙박일 적용 · 조기 재고 통제 |
| 준성수기 | 9월 | 105.1 | 주말 중심 인상 · 리드타임별 계단 가격 |
| 평시 | 11월 · 5월 · 3월 · 8월 | 99.3 / 98.3 / 97.2 / 96.4 | 컴프셋 추종 · 채널 믹스 최적화 |
| 비수기 | 12월 · 2월 · 1월 | 95.2 / 86.7 / 72.6 | 패키지·장기 투숙으로 수요 창출 (단순 할인 지양) |
AirDNA 화면은 이 시장의 최고월을 6월, 최저월을 8월로 표시합니다. 하지만 이는 최근 12개월 원본 RevPAR 기준이라 성장 추세가 섞인 값입니다. 디트렌드하면 실제 최고월은 10월(115.7), 최저월은 1월(72.6)입니다. 8월은 96.4로 평시 수준일 뿐 비수기가 아닙니다. 이 차이를 모르고 1월에 성수기 가격을 걸면 그대로 공실입니다.
최근 12개월 일자별 ADR 360일치를 요일로 집계한 실측값입니다. 감이 아니라 측정된 숫자입니다.
AirDNA 강남구 Average Daily Rate by Day · 최근 12개월 360일
토요일 지수 118.6, 화요일 91.4 — 요일 스프레드가 27.2%p입니다. 그런데 목요일(96.4)과 일요일(95.5)이 화요일보다 뚜렷하게 높습니다. 즉 실질 주말은 목요일 밤부터 시작됩니다. 금·토만 올리는 이분법 요금표는 목요일과 일요일에서 매번 돈을 흘립니다.
예약이 투숙일 며칠 전에 확정되는지의 분포입니다. 이 분포가 가격 조정 주기를 결정합니다.
AirDNA 강남구 Booking Lead Time · 평균 리드타임 33일 · 평균 투숙 5일
매출의 45%가 투숙 2주 안에서 만들어집니다. 이 구간은 경쟁 숙소의 잔여 재고가 실시간으로 소진되면서
요금이 가장 크게 흔들리는 구간입니다.
하루 한 번 가격을 바꾸는 운영은, 이 45%를 사실상 방치하는 것과 같습니다.
아침에 정한 가격이 그날 저녁 경쟁 상황과 맞을 확률은 낮고, 새벽에 경쟁 호텔이 요금을 내려도
다음 날 출근 전까지는 아무 일도 일어나지 않습니다. 그 사이에도 예약의 27.9%가 발생하는 초단기 구간이 돌아갑니다.
과거 실적이 아니라 아직 오지 않은 날짜의 현재 판매가와 예약 적재량입니다. 지금 시점에서 어느 날짜가 비싸게 팔리고 있는지, 어디에 예약이 쌓이고 있는지를 봅니다.
AirDNA 강남구 Future Daily Rates · 2026-08-04 기준 · 예약 적재량은 먼 날짜일수록 낮은 것이 정상
| 날짜 | 요일 | 현재 판매가 | 예약 적재 | 성격 |
|---|---|---|---|---|
| 2026-12-19 | 토 | $132 | 91 | 연말 최대 피크 · 시장 최고가 |
| 2026-12-26 | 토 | $127 | 131 | 크리스마스 연휴 · 이미 예약 적재 최다 |
| 2026-12-25 | 금 | $127 | 122 | 크리스마스 당일 |
| 2026-12-18 | 금 | $127 | 83 | 연말 시즌 진입 |
| 2026-11-27 | 금 | $125 | 92 | 11월 말 주말 |
| 2026-10-31 | 토 | $123 | 200 | 핼러윈 · 10월 성수기와 중첩 |
| 2026-08-08 | 토 | $123 | 625 | 여름 피크 · 재고 대부분 소진 |
12월 19일·25일·26일은 지금 시점에 이미 시장 최고가($127~132)가 형성됐고 예약도 빠르게 쌓이고 있습니다.
아직 4개월 이상 남았는데 12월 26일에 131개 숙소가 이미 팔렸습니다.
이 날짜들의 요금을 지금 손보지 않으면, 성수기 프리미엄을 통째로 놓칩니다.
반대로 2027년 1월은 평균 $100.16으로 향후 180일 중 최저이고 예약 적재도 33건에 불과합니다.
계절성 지수 72.6과 정확히 일치합니다 — 여기는 가격이 아니라 패키지·장기투숙으로 수요를 만들어야 하는 구간입니다.
AirDNA 강남구 ADR by Price Tier · 2026년 6월 기준
| 구간 | 월 매출 | 중위 대비 | 의미 |
|---|---|---|---|
| 하위 25% | $1,577 | 0.73배 | 가격 방치 · 채널 미최적화 구간 |
| 중위 (50%) | $2,152 | 1.00배 | 시장 평균 운영 |
| 상위 25% | $2,887 | 1.34배 | 기본적인 가격 관리가 되는 구간 |
| 상위 10% | $4,303 | 2.00배 | 적극적 레비뉴 매니지먼트 구간 |
같은 강남구, 같은 공급 환경, 같은 계절성 안에서 상위 10%는 중위값의 정확히 2배를 법니다.
입지는 이미 상수입니다. 이 2배를 만드는 변수는 언제 얼마에 파느냐 하나뿐입니다.
참고로 시장 평균 ADR($99.45)은 Upscale 티어($99.81)와 거의 정확히 일치합니다.
즉 평균만 해도 이미 Upscale이라는 뜻이고, 그 아래(Midscale $82.11, Economy $71.43)에서
팔고 있다면 상품 문제가 아니라 가격 책정 문제일 가능성이 높습니다.
여기서부터는 호텔 데이터입니다. 앞의 시장 수요 구조(계절성·요일·리드타임)를 그대로 적용하되, 가격 절대값은 국내 OTA에서 직접 수집한 경쟁 호텔 실판매가로 산출합니다.
※ 아래 컴프셋 수치는 본 샘플용 예시값입니다. 실제 리포트에서는 대상 숙소 반경의 실측 데이터로 대체됩니다.
| 숙소 | 객실 수 | 거리 | 평균 ADR | 주말 ADR | 추정 OCC | RevPAR |
|---|---|---|---|---|---|---|
| 컴프 A | 38 | 0.4km | 118,000 | 147,000 | 81% | 95,580 |
| 컴프 B | 54 | 0.7km | 135,000 | 172,000 | 74% | 99,900 |
| 컴프 C | 46 | 0.9km | 126,000 | 158,000 | 79% | 99,540 |
| 컴프 D | 33 | 1.1km | 141,000 | 181,000 | 71% | 100,110 |
| 컴프 E | 61 | 1.3km | 120,000 | 149,000 | 83% | 99,600 |
| 컴프셋 평균 | 46.4 | — | 128,000 | 161,400 | 77.6% | 99,328 |
| 대상 숙소 (현재) | 42 | — | 112,000 | 131,000 | 84% | 94,080 |
| 시나리오 | 목표 ADR | 예상 OCC | RevPAR | 월 매출 | 현재 대비 |
|---|---|---|---|---|---|
| 현재 (추정) | 112,000 | 84% | 94,080 | 120,121,344 | — |
| 보수 안정 | 130,000 | 79% | 102,700 | 131,127,360 | +9.2% |
| 기본 권장 | 140,000 | 78% | 109,200 | 139,426,560 | +16.1% |
| 공격 고위험 | 149,000 | 75% | 111,750 | 142,682,400 | +18.8% |
단위: 백만원 · 연평균 월매출 1억 3,943만원 × 디트렌드 계절성 지수
1월 지수가 72.6입니다. 연평균 매출을 그대로 12로 나눠 예산을 짜면 1월에만 약 3,820만원의 계획 오차가 생깁니다. 반대로 10월은 115.7로, 이 한 달에 연평균 대비 +2,190만원이 몰립니다. 성수기 3개월(10·6·7월)에 자원을 집중하고 1~2월은 애초에 낮게 잡는 것이 정확한 계획입니다.
레이어 A는 AirDNA 구독 계정에서 CSV로 직접 내려받을 수 있습니다. 각 차트 우측 상단의 Export 버튼을 누르면 됩니다. 아래가 이 리포트에 실제로 사용된 파일들입니다.
| AirDNA 화면 | 내려받은 파일 | 행수 | 이 리포트에서의 용도 |
|---|---|---|---|
| Seasonality | revpar_last_3_years.csv | 35 | 디트렌드 계절성 지수 |
| Rates | rateByDay_last_12_month.csv | 360 | 요일별 ADR 지수 |
| Seasonality | revparInAdvance_last_12_month.csv | 11 | 리드타임 분포 |
| Rates | rateFuture_next_180_days.csv | 180 | 선행 수요 · 피크 날짜 탐지 |
| Occupancy | occupancyFuture_next_30_days.csv | 30 | 부킹 페이스(주간 픽업률) |
| Revenue | revenueByPercentile_last_3_years.csv | 35 | 상위 10% 벤치마크 |
| Rates | rateByPriceTier_last_3_years.csv | 35 | 티어 포지셔닝 |
| Seasonality | revparHighestInYear_last_3_years.csv | 786 | 일자별 RevPAR 히트맵 |
대상 지역 서브마켓 페이지의 Rates / Occupancy / Seasonality / Revenue 4개 탭에서 Export를 전부 누릅니다. 13~14개 CSV가 떨어집니다.
소요 10분 · 구독 계정 필요월별 RevPAR를 12개월 중심이동평균으로 나눠 계절 비율을 구한 뒤, 연도별로 평균 내고 100으로 정규화합니다. 이 단계를 건너뛰면 성장 추세가 성수기로 둔갑합니다.
반경 내 경쟁 호텔 5~7곳을 정해 국내 OTA에서 일자별 실판매가와 잔여 재고를 수집합니다. AirDNA로는 절대 안 나오는 유일한 항목이며, 예상매출 정확도의 대부분을 결정합니다.
레이어 A에서 나온 계절성·요일·리드타임 지수를, 레이어 B에서 나온 호텔 ADR·OCC 절대값에 곱합니다. MPI/ARI/RGI로 현재 위치를 진단하고 3개 시나리오로 매출을 추정합니다.
이 문서는 “지금 어디에 서 있는지”를 정확히 보여줍니다. 하지만 스냅샷입니다. 리드타임 분포가 말해주듯 매출의 45%는 투숙 2주 안, 시간 단위로 움직이는 시장에서 만들어집니다. 리포트를 만드는 것과, 그 리포트대로 365일 가격을 운영하는 것은 완전히 다른 일입니다. 프라이스원이 하는 일은 후자입니다.