Particl Retail Intelligence

Particl이 추정하는 것은 브랜드 합계가 아니라 상품 단위 매출이고, 출시 결정은 거의 이 단위에서 이뤄진다. 카테고리를 추정 매출로 정렬하고 가격대로 걸러 보면 어떤 품목이 경쟁사 매출을 떠받치는지 보인다. 모델로 계산한 추정치이므로 같은 카테고리 안에서 상품끼리 비교하는 것이 맞는 방법이다. 숫자 하나를 검증된 사실처럼 다루면 판단이 틀어진다.

가격 이력에는 정가, 할인 폭, 프로모션 유지 기간이 함께 나온다. 직관이 자주 틀리는 질문에 답을 준다. 인하가 판매량을 데려왔는지, 어차피 팔렸을 재고의 마진만 깎았는지다. 데이터가 매일 갱신되므로 주간 가격 회의에는 충분히 최신이다.

상품 구성 분석은 자사 카탈로그와 경쟁사 카탈로그의 겹침을 지도로 그린다. 양쪽이 몰린 곳과 비어 있는 곳이 동시에 보인다. 화이트 스페이스 분석은 그 빈틈을 수요 순으로 정렬한다. 성과가 낮은 SKU를 정리하는 근거로도, 새 하위 카테고리를 시작하는 근거로도 쓰인다. 감으로 밀어붙이는 장면이 줄어든다는 뜻이다.

추적 중인 브랜드의 광고, 이메일, 소셜 게시물이 한 라이브러리에 쌓인다. 크리에이티브를 읽고 오퍼를 기록한 뒤 같은 기간 매출 데이터를 확인한다. 경쟁사 캠페인을 베끼는 것과 그 캠페인이 통했는지 아는 것의 차이다. 대행사는 제안 시즌에 이 화면에 오래 머무는 편이다.

이력은 Starter 3개월, Essential 6개월, Growth 12개월, Custom 최대 48개월까지 늘어난다. 계절성과 진짜 트렌드를 가르기에 충분한 길이다. 신제품, 재입고, 가격 변동에 알림이 걸리므로 경쟁사 움직임을 분기 회고가 아니라 같은 주에 알게 된다.

Particl은 MCP 서버를 운영한다. 계정을 Claude, ChatGPT 또는 다른 MCP 지원 클라이언트에 연결하면 경쟁사 데이터를 자연어로 조회할 수 있다. 특정 유통사의 베스트셀러를 물으면 출처가 붙은 답이 돌아온다. 대시보드를 열 필요가 없다. 이미 채팅 창에서 일하는 분석가에게 맞고, MCP 기반 리테일 데이터를 별도 연동 프로젝트 없이 얻는 가장 빠른 길이다.