본문 바로가기

    ADVERTISEMENT

    [한가위 선물가이드] 상품권 : 1만원~10만원권 .. '종류'

    • 공유
    • 댓글
    • 클린뷰
    • 프린트
    "선물받을 분의 취향을 모르면 상품권을 택하라"

    상품권은 추석을 앞두고 여전히 선물로서 인기를 누리고 있다.

    받는 이는 편한 시간에 원하는 상품을 구입할 수 있고 주는 이는 선물을
    선택해야 하는 고민을 하지 않아도 되기 때문이다.

    상품권은 종류도 다양해 백화점 제화업체는 물론 할인점 정유 도서 의류
    놀이동산 등 수십가지에 이르고 있다.

    이중 가장 인기있는 것은 백화점상품권.

    백화점상품권은 백화점에서 판매하는 대부분의 상품을 아무때나 구입할 수
    있다는 점에서 매력적이다.

    그랜드백화점이 최근 고객 9백80명을 대상으로 실시한 설문에서도 21%를
    차지한 백화점상품권은 갈비세트(14%)를 누르고 받고싶은 선물 1위를
    차지했다.

    매출부진에 허덕이고 있는 롯데 현대 신세계 등 대형백화점들이 추석을
    앞두고 상품권 판촉에 총력을 기울이는 것도 바로 이 때문이다.

    롯데 현대 신세계 등 백화점 빅3는 올해 금액상품권으로 1,3,5,7,10만원권
    5가지와 PP카드 5,10만원권 2가지 등 총 7종류를 발행했다.

    롯데가 올 추석을 겨냥해 잡은 상품권 매출목표는 지난해보다 21.6% 줄어든
    2백75억원.

    최근의 경기불황을 반영한 목표다.

    롯데는 올해 10만원 금액권과 PP카드 판매가 줄 것으로 예상했다.

    이 상품권은 지난해 추석전 10일동안 상품권 매출액의 75%를 차지했으나
    올해는 70%선으로 줄어들 것으로 예상하고 있다.

    롯데와 달리 현대와 신세계는 상품권 판매목표를 지난해보다 늘려 잡았다.

    현대는 상품권을 백화점은 물론 경주현대호텔과 동해관광호텔에서 숙박비
    등으로 이용할 수 있다는 점을 내세우고 있다.

    추석을 앞두고 14일동안 지난해보다 11.8% 증가한 2백50억원어치의 상품권을
    판매할 수 있을 것으로 예측하고 있다.

    신세계는 추석을 앞두고 14일동안 지난해보다 32% 늘어난 2백88억원어치의
    상품권을 판매한다는 의욕적인 계획을 세웠다.

    매출이 급증하고 있는 할인점 E마트에서도 상품권을 사용할 수 있기
    때문이다.

    금강제화 엘칸토 등 제화업체들은 백화점과는 달리 상품권 발행량을 크게
    줄였다.

    엘칸토는 지난해 추석을 앞두고 4백33억원어치의 상품권을 발행했으나
    올해는 70% 가까이 줄어든 1백30억원어치만을 내놓았다.

    금강제화는 지난해 8백88억원어치에 해당하는 1백41만장의 상품권을
    내놓았으나 올해는 6백46억원어치인 1백6만장만을 발행했다.

    이들은 올해는 고가보다 저가 상품권이 잘 팔릴 것으로 보고있다.

    금강제화는 지난해 28만장과 52만장을 발행했던 10만원과 7만원권을 올해는
    각각 20만장과 35만장으로 줄였다.

    반면 지난해 2만장이었던 5천원권을 올해는 5만장으로 1백50% 늘렸다.

    한편 눈길을 끄는 상품권은 하나로클럽의 농산물 상품권.

    1,3,5만원권 3종류로 이를 이용하면 하나로클럽에서 판매하는 모든 상품을
    구입할 수 있다.

    추석용 제수용품 일체를 담고 있는 상품권인 셈이다.

    ( 한 국 경 제 신 문 1998년 9월 23일자 ).

    ADVERTISEMENT

    1. 1

      "역사 흐름 바꾼 YS 자취, 미래 세대가 기억해야죠"

      1990년대 초, 옳은 길에 거칠 것이 없다는 뜻의 ‘대도무문(大道無門)’ 붓글씨 액자를 걸어두는 게 유행이었다. 하나회 군부세력을 척결하고 문민정부 시대를 연 업적은 이제 거의 잊혀진 기억이 됐다. 최근 YS시대를 다시 끄집어낸 다큐멘터리 영화가 공개돼 정치권의 관심을 모았다.지난달 28일 개봉한 다큐멘터리 영화 ‘잊혀진 대통령, 김영삼의 개혁시대’를 만든 이재진 감독(사진)에게 ‘왜 하필 지금 김영삼인가’를 물었다. 그는 “한국 현대사에 대한 관심 때문”며 “놀랍게도 김 전 대통령의 행보를 제대로 조명한 영상물이 단 한편도 없었다”고 설명했다.이 감독의 삶은 주류의 문법을 따르지 않았던 YS의 궤적과 닮았다. 한양대 체육학과를 졸업하고 ROTC로 임관, 육군 전방 사단에서 소대장으로 복무했다. 한 때 태권도 선수나 체육학 교수를 꿈꿨지만 영화에 푹 빠지면서 인생을 바꿨다. 전역 후 미국 로스앤젤레스(LA)로 넘어가 컬럼비아 칼리지에서 영화를 공부했다. 귀국해 시나리오 작가, 배급사 유로픽쳐스 대표 등 영화판에서 할 수 있는 다양한 일을 했다. 최근까지 숭의여대에서 영상제작과 겸임교수를 맡았다. 독서광인 그에게 역사는 콘텐츠 제작의 좋은 소재였다. ‘김영삼의 개혁시대’는 감독으로서 첫 입봉작이다.YS 서거 후 10년이 지난 시점에 자취를 더듬는 일은 쉽지 않았다. 영화 제작비 2억원은 전액 이 감독 사비로 댔다. 그는 “제작비를 사전에 모으는 펀딩이 어려웠다”며 “영화 산업의 논리로 따지면 YS 다큐는 돈 안되는 소재였다”고 했다. 김대중·노무현 전 대통령처럼 열혈 팬덤이 없다는 것이 흥행에 있어선 단점이

    2. 2

      박경렬 KAIST 교수 "AI, 기술이 전부 아니야…신뢰·윤리도 경쟁력"

      “인공지능(AI) 기술 패권 경쟁이 심해질수록 협력을 통해 높은 기술력과 신뢰를 확보해야 합니다.”박경렬 KAIST 과학기술정책대학원 교수(사진)는 1일 “한국을 비롯해 유럽 각국, 캐나다, 인도 등 브리지파워 국가들이 뭉쳐 실용적이면서 동시에 신뢰에 기반한 AI 연대를 이어가야 한다”며 이렇게 말했다. 박 교수는 지난달 요슈아 벤지오 몬트리올대 교수 등 전 세계 석학 29명이 공동 발간한 보고서 ‘AI 개발에 관한 다국적 협력의 청사진’ 집필에 한국인으로는 유일하게 참여했다.보고서는 AI 컴퓨팅 역량과 인프라 투자가 미·중에 집중되면서 그 외 국가는 최첨단 AI를 단독으로 개발하기 어려워졌고, 결국 종속과 열세라는 선택지 중 하나를 택해야 하는 상황에 몰리고 있다고 경고했다. 브리지 국가들이 데이터센터 등 AI 인프라 역량을 모으고, 데이터까지 공동으로 운용하며 비용을 나누고 이익을 공유하자는 것이 보고서의 핵심 제안이다. 박 교수는 “이런 문제의식이 학자들 사이에서 계속 누적돼왔다”며 “참여 연구진도 초기 10여 명에서 30명 가까이로 늘었다”고 했다. 이어 “보고서 주장과 비슷한 논의가 최근 유럽 정상들 사이에서도 오간다”고 전했다.연구진은 신뢰에 기반한 연대도 강조했다. 박 교수는 “기술적 우위만이 전부가 아니다”며 “윤리·신뢰에 대한 국제적 공감대가 크고, 이것 또한 결국 경쟁력이 될 것”이라고 말했다. ‘브리지파워’라는 표현을 택한 것도, 중견국들이 신뢰 가능한 기술과 규범을 만들어 전 세계로 확산시키는 ‘다리’가 돼야 한다는 취지다.여기에는 박 교수의 경험도 녹아 있다.

    3. 3

      [한경에세이] AI라는 구호가 사라질 때

      2015년, 정보기술(IT) 업계의 모든 회의실을 지배한 단어는 ‘빅데이터’였다. ‘데이터가 미래의 석유’라는 말이 금언처럼 돌았고, 기업들은 경쟁적으로 데이터 분석가를 영입했다. 어피닛 역시 그 흐름의 한복판에 있었다. 매일 수십만 명의 사용자가 남기는 방대한 디지털 흔적을 모으고, 그 안에서 유의미한 패턴을 찾아내는 것이 지상 과제였다.그런데 지금, 회의실이나 투자 미팅에서 빅데이터를 전면에 내세우는 경우는 극히 드물다. 그렇다면 빅데이터는 한때의 유행이었을까? 전혀 아니다. 오히려 정반대다. 빅데이터는 이제 서비스의 바닥 깊숙이 녹아들어, 굳이 이름을 부를 필요조차 없는 필수 인프라가 됐다. 오늘날 우리는 “빅데이터를 활용해 서비스를 만든다”라고 말하지 않는다. 그저 “서비스를 운영한다”라고 말할 뿐이다. 데이터 분석 로직이 자동화된 형태로 의사결정의 모세혈관까지 스며들었기 때문이다.2017년 무렵, 우리의 화두는 ‘머신러닝’으로 옮겨갔다. 사람이 일일이 규칙을 입력하던 시대를 지나, 알고리즘이 데이터에서 패턴을 학습하고 판단 기준을 세우는 시기였다. 우리는 이 기술을 신용평가와 위험 관리에 집요하게 적용했다. 결과는 놀라웠다. 인간의 직관이나 단순한 통계로는 보지 못한 영역을 머신러닝 모델이 잡아내기 시작했다.그토록 혁신적이던 머신러닝이라는 단어조차 최근에는 사용 빈도가 눈에 띄게 줄었다. 실패해서가 아니다. 과거 특정 예측 모델에 국한되었던 머신러닝은 이제 딥러닝과 생성형 인공지능(AI)이라는 더 거대하고 범용적인 ‘AI’ 체계 안으로 흡수되어 우리 시스템을 지탱하는 핵심 축이 되었다.많

    ADVERTISEMENT

    ADVERTISEMENT