소분약 (진통제 · 감기약 등) · 잔여 7~8개월 실측 반품률: 7M 22% · 8M 45% · 예방 구간 외에서는 반품률 급락

영양제 (지속 복용 · 연고류 · 상비약 통합) · 잔여 8~10개월 실측 반품률: 8M 29% · 9M 25% · 10M 21% · 예방 구간 외에서는 반품률 급락

🔄 재발 위험 · 이 약국이 이 품목을 24개월 안에 반품한 이력 있음 실측 반품률 39% · 미발동 대비 1.8배 위험

🏪 약국 위험 · 약국 24개월 반품 5회 이상 실측 반품률 32% · 미발동 대비 1.6배 위험

🥇 티어 1 예상 반품률 30% 이상 · 즉시 방문 실측 반품률 44% · 5명 방문 시 2명 이상 반품 위험

🥈 티어 2 예상 반품률 20~30% · 우선 관리 실측 반품률 36% · 3명 방문 시 1명 이상 반품 위험

🥉 티어 3 예상 반품률 10~20% · 정기 모니터링 실측 반품률 27% · 4명 방문 시 1명 반품 위험

⊘ 제외 예상 반품률 10% 미만 · 방문 대상 X 실측 반품률 19% · 기본 반품 수준

동일 티어 내에서 위험 금액 큰 순으로 정렬 → 손실 큰 처부터 방문 (티어 판정과는 별개)

정의 · 과거 데이터로 확인한 실제 반품 관측치

산식 · 실측 반품률 = 실제 반품 발생한 (약국×품목) 수 ÷ 티어 대상 (약국×품목) 수

검증 방법 · 시간 분할 검증 (out-of-sample) • 학습 구간 (앞 12개월, H1): 위험 신호 산출
• 검증 구간 (뒤 12개월, H2): 실제 반품 발생 여부 확인
→ 학습·검증 데이터 분리로 실제 미래 예측 정확도 확인

계산 예시 • 티어 1: 365개 조합 중 161개에서 반품 발생 → 161 ÷ 365 = 44%
• 티어 2: 358개 조합 중 130개에서 반품 발생 → 130 ÷ 358 = 36%
• 티어 3: 981개 조합 중 268개에서 반품 발생 → 268 ÷ 981 = 27%

정의 · 산식으로 계산한 미래 반품 예측치

산식 · 예상 반품률 = ( 잔여M 반품률 + 🔄 + 🏪 ) ÷ 3 각 신호 발동 시 해당 실측 반품률 대입 · 미발동 시 0

재료 (실측 반품률) • 잔여M — 소분약: 7M 22% · 8M 45%
• 잔여M — 영양제: 8M 29% · 9M 25% · 10M 21%
• 🔄 재발 위험 발동 → 39%
• 🏪 약국 위험 발동 → 32%

계산 예시 • 소분약 8M + 🔄🏪 = (45+39+32)÷3 = 39% → 티어 1
• 소분약 8M + 🔄 = (45+39+0)÷3 = 28% → 티어 2
• 영양제 9M + 🔄 = (25+39+0)÷3 = 21% → 티어 2
• 영양제 10M · 신호 X = (21+0+0)÷3 = 7% → 제외

정의 · 예방 안 하면 실제 반품될 것으로 예상되는 수량 · 금액 규모

산식 · 위험 금액 = 사입 금액 × 40% · 위험 수량 = 사입 수량 × 40%

근거 · 예방 구간 재고 중 실제 반품이 나온 경우 사입 대비 평균 41% 반품 (H1→H2 실측) • 소분약: 반품 발생 시 평균 57% 반품
• 영양제: 반품 발생 시 평균 25% 반품
• 유형 통합 합산 약 40% 반영

가정 · 마지막 사입분이 현재 재고 · 그 이후 발생한 모든 반품 합산 • 선입선출 가정 (이전 재고 소진 후 마지막 사입 재고 남음)
• LOT 단위 추적 불가 → 마지막 사입 이후 반품은 이 재고에서 나온 것으로 가정

계산 예시 • 사입 60개 · 100만원 → 위험 수량 24개 · 위험 금액 40만원