쿠팡이츠 배달파트너 AI 배차 시스템의 모든 것: 배달 효율과 수입을 극대화하는 알고리즘 비밀

1. 제가 처음 AI 배차를 믿었다가 놓친 것

저는 2025년 11월부터 쿠팡이츠 배달파트너를 시작했습니다. 첫 일주일 동안 앱에 표시되는 콜을 거의 그대로 수락하면 수입이 자연스럽게 올라갈 거라 생각했습니다. 11월 18일 저녁 6시부터 9시까지 서울 동작구에서 9건을 처리했지만 총 정산 예정 금액은 3만 8,400원이었습니다. 이동거리는 46km였고, 주유비와 간식비를 빼니 체감 수입은 더 낮았습니다. 그날 이후 저는 ‘콜을 많이 받는 것’과 ‘시간당 남는 금액’이 전혀 다른 문제라는 걸 기록하기 시작했습니다.

2. AI가 좋은 콜을 골라준다는 믿음이 틀렸던 이유

앱에서 콜이 뜨면 예상 배달료와 거리, 픽업 음식점이 보입니다. 저는 초반에 수락률이 높으면 다음 콜도 좋아질 거라 여겨 먼 거리 주문까지 계속 받았습니다. 그런데 12월 2일에는 상도동에서 신림동으로 가는 7.4km 주문을 6,800원에 수락했고, 음식점 조리가 늦어 19분을 기다렸습니다. 배달을 마친 뒤 다음 주문은 다시 외곽으로 빠졌고, 한 건을 끝내는 데 52분이 걸렸습니다. 앱이 제 수락률만 보고 보상한다고 단정할 근거는 제게 없었으며, 화면에 표시된 조건과 현장 상황을 직접 비교하는 편이 훨씬 현실적이었습니다.

3. 제가 만든 콜 기록표와 첫 번째 시행착오

저는 휴대폰 메모장에 날짜, 시간, 출발 동네, 도착 동네, 금액, 대기 시간, 주행거리를 적었습니다. 12월 5일부터 12월 19일까지 37건을 기록하니 저녁 7시 전후에는 음식점 대기 시간이 유난히 길었고, 같은 5km라도 언덕이 많은 구간은 20분 이상 더 걸렸습니다. 처음에는 주문 금액만 보고 시간당 수입을 계산했는데, 이 방식도 문제가 있었습니다. 배달을 마친 뒤 복귀하는 빈 이동을 빼먹었기 때문입니다. 그래서 실제 운행 종료 시점까지 주행거리와 시간을 함께 적었고, 그제야 외곽 주문의 겉보기 단가가 생각보다 낮다는 사실이 드러났습니다.

4. 수락률보다 먼저 확인한 세 가지

현재 저는 콜이 뜨면 수락률부터 확인하지 않습니다. 먼저 음식점까지 가는 시간, 조리 완료 예상 여부, 배달 뒤 제가 어느 동네에 남는지를 봅니다. 1월 8일에는 4.1km에 5,900원인 주문을 거절하고, 2분 뒤 2.3km에 5,400원인 주문을 받았습니다. 금액 차이는 500원이었지만 후자는 아파트 단지 안에서 바로 다음 주문을 이어 받아 1시간에 3건을 처리했습니다. 반대로 금액이 조금 높다는 이유로 복잡한 주차 구역과 언덕길을 선택한 날에는 한 시간에 한 건만 끝났습니다. 거절에는 부담이 따르지만, 모든 콜을 받아야 한다는 식으로 운영하니 몸과 시간만 먼저 소모됐습니다.

5. 대기 장소를 옮기며 알게 된 지역별 차이

처음에는 주문이 많아 보이는 대형 상가 앞에서 무작정 기다렸습니다. 하지만 1월 중순부터 저녁 시간에 세 곳을 나눠 시험했습니다. 사당역 주변은 콜 알림이 잦았지만 픽업 차량과 승객이 뒤엉켜 음식 수령에 10분 넘게 걸리는 경우가 많았습니다. 반면 아파트 단지와 음식점이 붙어 있는 흑석동은 콜 수가 적어도 이동거리가 짧고 대기 시간이 안정적이었습니다. 1월 22일에는 사당역에서 2시간 동안 4건, 흑석동에서는 2시간 동안 5건을 처리했습니다. 지역을 유명 상권이라는 이유만으로 판단하지 않고, 음식점 밀집도와 주차 난도를 함께 봐야 제 운행 방식에 맞는 장소가 보였습니다.

6. 비 오는 날의 높은 단가만 보고 나섰다가 생긴 손실

2월 3일 저녁에는 비가 많이 내려 평소보다 배달료가 높게 표시됐습니다. 저는 3시간만 운행해도 평소보다 많이 벌겠다며 오후 6시 30분에 출발했습니다. 그러나 젖은 노면에서 제동거리가 길어졌고, 음식점 앞 미끄러운 계단에서 보온가방을 떨어뜨릴 뻔했습니다. 한 건은 고객 주소가 골목 안쪽이라 주차 위치를 찾는 데 15분이 걸렸고, 결국 3시간 동안 5건을 처리해 4만 1,200원을 기록했습니다. 평소보다 금액은 높았지만 세탁비와 추가 연료비를 빼니 차이가 크지 않았습니다. 그 뒤로는 강수량과 시야, 노면 상태를 먼저 보고 무리한 운행을 피하고 있습니다.

7. 단건 배달에서 제가 지킨 시간 기준

쿠팡이츠를 이용하면서 제가 체감한 장점은 한 주문에 집중하기 쉽다는 점이었습니다. 대신 픽업 지연이 길어지면 한 건 전체의 효율이 빠르게 떨어졌습니다. 그래서 음식점 도착 후 8분이 지나도 조리 안내가 없으면 매장 직원에게 예상 시간을 다시 물어보고, 15분을 넘긴 날에는 다음 콜을 놓치는 비용까지 메모했습니다. 2월 14일에는 주문이 몰린 치킨집에서 23분을 기다린 뒤 배달을 완료했는데, 이동과 대기를 합쳐 48분 동안 5,700원을 받았습니다. 이후에는 매장별 평균 대기 시간을 따로 적어두고, 같은 시간대에 반복해서 지연되는 곳은 거리와 금액이 충분하지 않으면 피했습니다.

8. 제가 실제로 바꾼 수입 계산법

예전에는 앱에 보이는 배달료를 하루 수입으로 착각했습니다. 지금은 운행 전후 계기판을 사진으로 남기고, 총 정산액에서 연료비와 주차비, 세차비를 나눠 계산합니다. 2월 20일에는 4시간 운행해 6만 2,700원을 벌었고 주행거리는 71km였습니다. 연료비 8,900원과 주차비 3,000원을 빼니 5만 800원이 남았으며, 시간당 금액은 약 1만 2,700원이었습니다. 같은 날 콜 수만 보면 꽤 바빴지만, 빈 이동이 길어 실제 결과는 기대보다 낮았습니다. 이 계산을 시작한 뒤에는 건당 금액보다 운행 종료 후 제가 어느 위치에 있고, 다음 주문까지 얼마나 기다리는지를 함께 판단하게 됐습니다.

9. 제가 지금도 지키는 현실적인 운영 원칙

저는 AI 배차가 제 수입을 자동으로 올려주는 장치라고 생각하지 않습니다. 앱은 위치와 주문 조건을 바탕으로 콜을 보여주지만, 언덕과 주차, 매장 지연처럼 현장에서 생기는 변수까지 제 대신 책임져주지는 않았습니다. 그래서 출발 전에는 목표 시간을 정하고, 30분 동안 콜이 없으면 대기 장소를 옮기며, 피로가 느껴지면 예정 시간보다 일찍 운행을 끝냅니다. 처음 시작하는 분이라면 첫 2주 동안 수락률을 올리는 데만 매달리기보다 날짜별 정산액, 총 운행 시간, 주행거리, 대기 시간을 적어보길 권합니다. 그 기록이 쌓이면 남이 말하는 배차 비법보다 본인에게 맞는 지역과 시간대가 훨씬 분명해집니다.