# 총 거래 횟수 (Total Transaction Count)

**총 거래 횟수(Total Transaction Count)**란 특정 기간 동안 비즈니스 플랫폼 내에서 발생한 모든 개별 거래의 총합을 의미하는 정량적 지표이다.

## 1. 정의 및 개념
총 거래 횟수는 기업이 제공하는 상품이나 서비스가 고객에 의해 구매, 결제 또는 교환된 횟수를 단순 합산한 수치이다. 이는 비즈니스의 활동성(Activity)을 측정하는 가장 기초적인 데이터로, 매출액(Revenue)이 '얼마나 벌었는가'를 나타낸다면 총 거래 횟수는 '얼마나 자주 거래가 일어났는가'라는 시장의 반응 속도와 규모를 나타낸다.

### 총 거래 횟수 vs 순 거래 횟수
비즈니스 분석 시, 취소 및 환불 건을 어떻게 처리하느냐에 따라 두 가지 개념으로 구분하여 관리해야 한다.
*   **총 거래 횟수 (Gross Transaction Count):** 취소, 환불, 반품 여부와 상관없이 발생한 모든 주문/결제 시도의 총합이다. 시스템의 부하량이나 초기 수요 파악에 유용하다.
*   **순 거래 횟수 (Net Transaction Count):** 총 거래 횟수에서 취소 및 환불된 거래 건수를 제외한 최종 확정 거래의 합이다. 실제 비즈니스 성과와 수익성을 판단하는 실질적인 지표로 활용된다.

### 데이터 집계 기준
정확한 분석을 위해 다음과 같은 집계 기준 설정이 선행되어야 한다.
*   **기간(Time Frame):** 일간(Daily), 주간(Weekly), 월간(Monthly), 분기별(Quarterly) 등 분석 목적에 따른 시간 단위 설정.
*   **채널(Channel):** 모바일 앱, 웹사이트, 오프라인 매장, 외부 API 연동 등 거래가 발생한 경로별 구분.
*   **거래 정의:** 결제 완료 시점을 기준으로 할 것인지, 주문 생성 시점을 기준으로 할 것인지에 대한 정의(일반적으로는 결제 완료 기준).

## 2. 주요 측정 지표 및 계산 방식
총 거래 횟수는 단독으로 사용되기보다 다른 지표와 결합하여 비즈니스의 건강 상태를 진단하는 파생 지표를 생성하는 데 활용된다.

### 핵심 KPI 및 계산식
| 지표명 | 영문명 | 계산식 | 의미 |
| :--- | :--- | :--- | :--- |
| **총 거래 횟수** | Total Transaction Count | $\sum (\text{Gross Transactions})$ | 전체 거래의 절대적 규모 |
| **순 거래 횟수** | Net Transaction Count | $\text{Gross Transactions} - \text{Cancelled Transactions}$ | 최종 확정된 실질 거래 규모 |
| **평균 주문 가치** | Average Order Value (AOV) | $\frac{\text{Total Revenue}}{\text{Total Transaction Count}}$ | 1회 거래당 평균 결제 금액 |
| **구매 빈도** | Purchase Frequency | $\frac{\text{Total Transaction Count}}{\text{Unique Buyers}}$ | 고객 1인당 평균 구매 횟수 |
| **거래 전환율** | Transaction Conversion Rate | $\frac{\text{Total Transaction Count}}{\text{Total Visitors}} \times 100$ | 방문객 중 실제 구매로 이어진 비율 |

## 3. 비즈니스적 의미와 분석 활용
총 거래 횟수의 증감은 비즈니스 성장 단계와 전략의 유효성을 판단하는 중요한 신호가 된다.

### 긍정적 신호와 메커니즘
1.  **시장 점유율 확대:** 신규 고객 유입 증가로 인해 전체 거래 횟수가 상승하면 시장 내 지배력이 강화되고 있음을 의미한다.
2.  **고객 충성도 및 리텐션 증가:** 기존 고객의 구매 빈도가 높아져 거래 횟수가 증가하는 경우, 제품의 시장 적합성(Product-Market Fit)이 높고 고객 충성도가 강화된 것으로 해석한다.
3.  **매출 증대 메커니즘:** $\text{Revenue} = \text{Customers} \times \text{Purchase Frequency} \times \text{AOV}$의 공식에 따라, 거래 횟수의 증가는 직접적인 매출 상승의 핵심 동력이 된다.

### 한계점
거래 횟수만 증가하고 평균 주문 가치(AOV)가 급격히 하락한다면, 이는 저가 상품 위주의 소비 패턴으로 변화했음을 의미하며, 운영 비용(물류, CS 등) 증가로 인해 실제 영업 이익은 감소하는 '외형적 성장'의 함정에 빠질 수 있다.

## 4. 산업별 특성 및 적용 사례
산업군에 따라 거래 횟수를 해석하는 관점과 '정상 범위'에 대한 기준이 상이하다.

### 산업별 거래 특성 비교
| 산업군 | 거래 빈도 특성 | 핵심 분석 관점 | 비고 |
| :--- | :--- | :--- | :--- |
| **이커머스 (생필품)** | 고빈도 (High) | 재구매 주기 및 구독 전환율 | 소액 다회 거래 중심 |
| **금융 (결제/송금)** | 초고빈도 (Ultra-High) | 트랜잭션 처리 속도 및 안정성 | 거래 건수 자체가 서비스 규모 |
| **SaaS (B2B)** | 저빈도 (Low) | 갱신 주기 및 업셀링(Up-selling) | 연/월 단위 정기 결제 중심 |
| **럭셔리/가전** | 저빈도 (Low) | 고객 생애 가치(LTV) 및 교체 주기 | 고단가 저빈도 거래 중심 |

### 지표 변화에 따른 대응 전략 예시
| 현상 | 분석 결과 | 대응 전략 |
| :--- | :--- | :--- |
| **거래 횟수 $\uparrow$, AOV $\downarrow$** | 저단가 상품 위주의 구매 증가, 체리피커 유입 | 묶음 상품 구성(Bundling) 제안, 일정 금액 이상 무료 배송 조건 상향 |
| **거래 횟수 $\downarrow$, AOV $\uparrow$** | 고객 이탈 발생 중이나 잔존 고객의 구매력은 높음 | 리텐션 캠페인 강화, 휴면 고객 대상 복귀 프로모션 진행 |
| **거래 횟수 $\uparrow$, 전환율 $\downarrow$** | 방문자는 늘었으나 구매 결정 단계에서 이탈 발생 | 결제 프로세스 최적화(UX 개선), 구매 허들을 낮추는 첫 구매 혜택 제공 |

## 5. 데이터 정제 및 이상치 제거
단순 합산 시 데이터 왜곡이 발생할 수 있으므로, 분석 전 다음과 같은 정제 기준을 적용하여 이상치(Outlier)를 제거해야 한다.

*   **테스트 데이터 제거:** 내부 임직원의 테스트 결제 건 및 QA 계정의 거래 내역 제외.
*   **어뷰징(Abusing) 필터링:** 단시간 내 동일 IP 또는 동일 계정에서 비정상적으로 반복 발생한 거래(매크로, 봇 이용) 제거.
*   **극단적 값 처리:** 일반적인 구매 패턴을 벗어난 초고액/초다회 거래자의 경우, 전체 평균을 왜곡하므로 상위 1% 또는 0.1%를 분리하여 분석.

## 6. 기술적 구현 및 시각화

### SQL 쿼리 예시
#### (1) 전체 총 거래 횟수 산출 (기본)
특정 기간 동안 발생한 전체 거래 건수를 구하는 쿼리이다.
```sql
SELECT 
    COUNT(transaction_id) AS total_transaction_count
FROM 
    orders
WHERE 
    order_date BETWEEN '2023-01-01' AND '2023-12-31';
```
**실행 결과 예시:**
| total_transaction_count |
| :--- |
| 1,250,400 |

#### (2) 사용자별 거래 횟수 및 AOV 산출 (심화 분석)
재구매 고객을 식별하고 사용자별 가치를 분석하기 위한 쿼리이다.
```sql
SELECT 
    user_id, 
    COUNT(transaction_id) AS user_transaction_count, 
    SUM(amount) AS total_revenue, 
    AVG(amount) AS average_order_value
FROM 
    orders
WHERE 
    order_date BETWEEN '2023-01-01' AND '2023-12-31'
    AND status = 'COMPLETED' -- 취소/반품 제외 (순 거래 기준)
GROUP BY 
    user_id
HAVING 
    user_transaction_count > 1; -- 재구매 고객만 필터링
```
**실행 결과 예시:**
| user_id | user_transaction_count | total_revenue | average_order_value |
| :--- | :--- | :--- | :--- |
| U1001 | 5 | 250,000 | 50,000 |
| U1042 | 12 | 600,000 | 50,000 |
| U2105 | 2 | 180,000 | 90,000 |

### 시각화 차트 제안
1.  **시계열 라인 차트 (Time-series Line Chart):** X축을 시간(일/월), Y축을 총 거래 횟수로 설정하여 계절성(Seasonality)과 성장 추세를 파악한다.
2.  **히스토그램 (Histogram):** X축을 '거래 횟수 구간(1회, 2~5회, 6~10회 등)', Y축을 '고객 수'로 설정하여 고객의 구매 빈도 분포를 분석한다.
3.  **코호트 분석 차트 (Cohort Analysis Chart):** 가입 월별 고객 집단이 시간이 지남에 따라 거래 횟수를 어떻게 유지하거나 증가시키는지 매트릭스 형태로 시각화한다.

## 7. 분석 시 주의사항 및 보조 지표
총 거래 횟수의 증가가 반드시 비즈니스의 긍정적 신호는 아니다. 다음과 같은 위험 신호를 함께 점검해야 한다.

*   **소액 결제 남발:** 거래 횟수는 늘었으나 건당 결제 금액이 급감하여 물류비/결제 수수료가 이익을 상쇄하는 경우.
*   **반품률(Return Rate) 동반 상승:** 거래 횟수 증가와 함께 반품/취소 건수가 비례해서 증가한다면, 이는 제품 품질 문제나 허수 주문의 증가일 가능성이 크다.
*   **순 구매자 수(Unique Buyers) 정체:** 신규 고객 유입 없이 소수의 헤비 유저(Heavy User)에 의해 거래 횟수가 견인되는 경우, 고객 기반의 확장성이 부족함을 의미한다.

따라서 **총 거래 횟수**는 반드시 **순 구매자 수**, **취소율**, **평균 주문 가치(AOV)**와 교차 분석하여 종합적인 비즈니스 인사이트를 도출해야 한다.

## 같이 보기
*   [평균 주문 가치(AOV)](#)
*   [고객 생애 가치(LTV)](#)
*   [코호트 분석](#)
*   [전환율(Conversion Rate)](#)