파레토 원칙 / 80-20 법칙 (Pareto Principle)

처음 실린 날 2026-05-23 · 마지막으로 고친 날 2026-09-27

다른 이름: 파레토 원칙 · 80-20 법칙 · 2대8 법칙 · Pareto Principle

한 줄 정의

결과의 다수가 원인의 소수에서 나온다는 경험 규칙. 흔히 "80%의 결과는 20%의 원인에서"로 표현되나 정확한 비율은 분포에 따라 다르다.

일상 한 줄

결과의 대부분은 원인 일부에서 나온다. 모든 일을 똑같이 대하지 말 것.

흔한 장면

옷장에서 자주 입는 옷은 일부뿐이다. 몇 %인지는 세어 봐야 안다.
매출이 일부 고객에 몰려 보인다. 반복 구매 소비재에서는 상위 20% 구매자의 몫이 매출의 절반 남짓이라는 분석도 있다 [Sharp et al. 2019].
한 주 결과의 상당 부분이 집중한 몇 시간에서 나왔다고 느낀다. 실제로 그런지는 기록해 봐야 안다.
책 한 권 중 크게 도움 된 건 한두 챕터.

왜 빠지나

재지 않고 고르게 나눈다 — 항목별 결과를 정렬해 보기 전에는 쏠림이 얼마인지 모른다. 그래서 모든 항목에 시간을 똑같이 나누거나, 반대로 재지도 않고 "80/20"을 가정한다. 쏠림 비율은 분포마다 크게 다르다 [Newman 2005].
사소한 다수가 눈에 더 많이 띈다 — 쏠린 분포에서는 항목 수로는 작은 항목이 대부분이다. 목록을 훑으면 다수가 먼저 보이고, 몫을 누적해 봐야 소수가 드러난다 [Clauset et al. 2009].
몰린 곳을 원인으로 읽는다 — 결과가 몰린 항목이 결과를 만든 원인이라고 여기고, 그 항목이 앞으로도 핵심일 거라고 본다. 소프트웨어 결함 자료에서는 출시 전 결함이 가장 많던 모듈이 출시 후에는 가장 적은 축이었다 [Fenton & Ohlsson 2000].

빠져나오는 법

1. 주간 회고: 이번 주 결과를 만든 활동을 결과 크기 순으로 적고, 상위 몇 개가 전체의 몇 %였는지 본다. 시간 분배는 그 순서와 맞았나? — 근거 수준: 경험칙(직접 검증 연구 없음) 2. 재고 나서 핵심에 자원 몰기: 먼저 항목별 결과를 정렬해 상위 몇 %가 몇 %를 차지하는지 잰다. 그 항목이 결과를 만든 원인인지, 결과와 함께 나타났을 뿐인지 따져 본 뒤에 시간·주의를 옮긴다. 핵심 항목은 시점에 따라 바뀌므로 주기적으로 다시 잰다 [Fenton & Ohlsson 2000]. — 근거: 관찰 연구(핵심 항목이 시점에 따라 뒤바뀜) [Fenton & Ohlsson 2000]. 이 절차가 성과를 높인다는 개입 연구는 없음 3. 80/20은 고정 비율로 보지 않기: 같은 멱법칙 계산에서도 부는 약 80/20, 웹 방문은 상위 20%가 약 3분의 2, 도시 인구는 상위 10%가 약 60%였다 [Newman 2005]. 반복 구매 소비재 브랜드에서는 상위 20% 구매자가 매출의 절반 남짓이었다 [Sharp et al. 2019]. 정확한 숫자보다 "불균등"이라는 직관을 가져가고, 비율은 내 데이터로 잰다. — 근거: 분포 분석 [Newman 2005], 멱법칙 검정 [Clauset et al. 2009], 구매 자료 분석 [Sharp et al. 2019]

함께 쓰기 좋은 도구

우선순위 매트릭스 — 중요·긴급 4사분면
기회비용 — 사소한 80%를 하느라 핵심 20%를 놓침
롱테일 — 디지털에서는 80% 다수가 다시 가치 있을 수도

통념이 무너지는 순간

"80/20은 우주의 법칙 — 어디에나 적용된다"

⚠ 흔한 말: 경영서·자기계발에서 "80-20 법칙"을 보편 법칙으로 단정. ✓ 학술: 불균등의 비율은 분야마다 다르다. Newman 2005 (Contemporary Physics 46(5):323-351)는 멱법칙 지수로 계산하면 부는 상위 20%가 약 80%를 가져 "80/20 규칙"과 맞지만, 웹 방문은 상위 20% 사이트가 약 3분의 2, 도시 인구는 상위 10% 도시가 약 60%를 차지한다고 적었다. 비율은 멱법칙의 지수 α에 따라 달라진다. Clauset, Shalizi & Newman 2009 (SIAM Review 51(4):661-703)는 멱법칙을 따른다고 알려진 24개 데이터를 통계 검정한 결과, 일부는 멱법칙과 맞았고 일부는 멱법칙이 기각됐다. 상당수는 멱법칙과 로그정규 분포를 통계적으로 구별할 수 없었다. "80/20"이 어디에나 맞는다는 단정은 측정 없는 슬로건이다.

"20%가 결과를 만들었으니 그 20%만 챙기고 80%는 잘라라"

⚠ 흔한 말: 비즈니스 컨설팅에서 자주 권고. ✓ 학술: 인과 추론 오류. 결과가 불균등하다는 관찰이 "그 20%가 결과를 만들었다"를 의미하지 않음 (생존편향·역인과 등). 어느 20%가 핵심인가는 시간에 따라 변함 — 측정 시점에 고정된 80/20을 미래로 외삽하면 위험. Anderson(2004)은 디지털 유통에서 잘려나갈 "사소한 80%"가 누적으로 큰 가치를 가진다는 롱테일 주장을 폈다. 반대로 디지털 시장에서도 판매가 상위 소수 히트작에 더 몰렸다는 반론이 있다 [Elberse 2008]. 어느 쪽이든 "80%를 잘라도 된다"는 결론은 데이터를 보고 내려야 한다.

"파레토 원칙은 파레토가 발견한 자연 법칙이다"

⚠ 흔한 말: "이탈리아 땅의 80%를 20%가 소유"가 보편 법칙처럼 인용됨. ✓ 학술: 파레토(1896-97, Cours d'économie politique)는 여러 나라·도시의 소득(과세) 자료에서, 일정 소득 이상인 사람의 수가 소득 크기의 거듭제곱에 반비례한다는 규칙성을 보였다 [Persky 1992]. "이탈리아 토지의 80%를 20%가 소유" 일화는 원문 쪽수가 확인되지 않은 대중 서사다. "파레토 원칙"이라는 이름은 품질 관리 전문가 Joseph Juran이 "중요한 소수와 사소한 다수(vital few and trivial many)"를 설명하며 붙였고, Juran은 뒤에 이 원칙을 파레토에게 붙인 것이 자신의 오귀속이었다고 밝혔다 Juran 1975. 학술적 일반화는 파레토 분포(멱법칙)라는 수학 모델이고, "80/20"은 그 가운데 한 경우다.

1차 출처

Vilfredo Pareto (1896-1897). Cours d'économie politique. Lausanne: F. Rouge. Vol. II. 여러 나라 소득 자료에서 고소득층 인원 분포의 규칙성(파레토 법칙)을 제시.
수학적 일반화: Pareto (1909). Manuel d'économie politique. 파레토 분포(멱법칙) 논의.
"Pareto principle"이라는 명명: Joseph Juran (1951). Quality Control Handbook. McGraw-Hill. 품질 관리에서 "vital few and trivial many"로 설명·대중화.
Juran, J. M. (1975). The non-Pareto principle; mea culpa. Quality Progress, 8(5), 8–9. 원칙을 파레토에게 붙인 것이 자신의 오귀속이었다고 밝힌 글(원문 대조 못 함).

원문 핵심 인용

"Using the exponents from Table I, we can for example calculate that about 80% of the wealth should be in the hands of the richest 20% of the population (the so-called "80/20 rule", which is borne out by more detailed observations of the wealth distribution), the top 20% of web sites get about two-thirds of all web hits, and the largest 10% of US cities house about 60% of the country's total population." — Newman (2005), Contemporary Physics 46(5), "Top-heavy distributions and the 80/20 rule" 절 (verbatim 검증: 2026-09, 공개 원문 PDF 추출본)

"We also apply the proposed methods to twenty-four real-world data sets from a range of different disciplines, each of which has been conjectured to follow a power-law distribution. In some cases we find these conjectures to be consistent with the data while in others the power law is ruled out." — Clauset, Shalizi & Newman (2009), SIAM Review 51(4), 초록 (verbatim 검증: 2026-09, arXiv:0706.1062 초록)

핵심 정의·메커니즘

원전 정의

파레토의 관찰: 파레토는 영국·이탈리아 여러 도시·독일 몇 개 주·파리·페루의 소득 자료를 누적분포로 로그-로그 종이에 그렸고, 모두 기울기가 비슷한 직선이 된다고 보고 소득 분포의 "법칙"을 주장했다 [Persky 1992].
수학적 형태(파레토 분포): P(X x) = (xmin/x)^α. 꼬리 지수 α가 작을수록 쏠림이 크다. 정확히 "상위 20%가 80%"가 되는 값은 α = log 5 / log 4 ≈ 1.16이고, 이때 지니계수는 1/(2α−1) ≈ 0.76이다. Newman(2005)은 밀도 p(x) ∝ x^(−α)로 쓰므로 같은 분포를 α ≈ 2.16으로 적는다. 멱법칙은 지프 법칙·파레토 분포라고도 불린다 [Newman 2005].
"파레토 원칙"이라는 이름: 품질 관리 전문가 Juran이 "중요한 소수와 사소한 다수(vital few and trivial many)"를 설명하며 붙였다 [Juran 1951]. 뒤에 파레토에게 붙인 것이 오귀속이었다고 밝혔다 Juran 1975.
로렌츠 곡선 위의 한 점: 인구를 가난한 쪽부터 쌓은 누적 몫 곡선에서 "80/20"은 (0.8, 0.2) 한 점이다. 분포 전체 모양을 대신하지 못한다.

작동 기제

1. 이미 가진 것이 더 얻는다 → 누적 이득 과정은 꼬리가 긴 분포를 만든다 [Simon 1955]. 2. 새 연결이 연결 많은 곳에 붙는다 → 성장과 선호적 연결은 멱법칙 연결 분포를 만든다 [Barabási & Albert 1999]. 3. 쏠림 비율은 지수가 정한다 → 같은 멱법칙 계산으로 부는 상위 20%가 약 80%, 웹 방문은 상위 20% 사이트가 약 3분의 2, 미국 도시 인구는 상위 10% 도시가 약 60%였다 [Newman 2005]. 4. 탐색 비용이 쏠림을 바꾼다 → 같은 상품·같은 가격을 파는 한 소매업체 안에서도 인터넷 채널의 판매는 전통 채널보다 덜 쏠렸고, 추천·검색 도구 사용이 틈새 상품 몫 증가와 관련됐다 [Brynjolfsson et al. 2011].

언제 강해지고 언제 약해지나

강해지는 곳: 누적 이득·네트워크 효과가 있는 영역(부·인기·연결·인용) [Simon 1955; Barabási & Albert 1999].
약해지는 곳: 결과가 서로 독립적인 작은 요인의 합으로 생기는 양(키·시험 점수)은 정규분포에 가까워 쏠림이 약하다.
유통 환경이 바꾼다: 탐색 비용이 낮은 인터넷 채널에서 판매 집중도가 낮았다 [Brynjolfsson et al. 2011]. 반대로 디지털 음악·영상에서도 소수 히트작 집중이 강하다는 주장도 있다 Elberse 2008.
어느 20%인지는 시점에 따라 바뀐다: 대형 상용 소프트웨어 두 릴리스에서 소수 모듈이 출시 전 결함 대부분을, 더 소수의 모듈이 운영 중 결함 대부분을 가졌다. 그런데 출시 전 결함이 가장 많던 모듈은 출시 후 결함이 가장 적은 축이었고, 그 반대도 성립했다 [Fenton & Ohlsson 2000].

어떻게 재나

흔한 방법과 문제: 누적분포(CCDF)를 로그-로그 그래프로 그려 직선의 기울기를 최소제곱으로 맞춘다. 이 방법은 지수를 크게 틀리게 추정할 수 있고, 맞게 나와도 데이터가 멱법칙인지는 알려 주지 않는다 [Clauset et al. 2009].
권장 절차: 최대우도로 α와 xmin을 추정하고, 콜모고로프-스미르노프(KS) 통계량 기반 적합도 검정으로 멱법칙의 그럴듯함(p ≥ 0.1)을 보고, 로그정규·늘어난 지수 분포 같은 대안과 우도비 검정으로 비교한다 [Clauset et al. 2009].
실무 판단: 멱법칙인지 가리지 않아도 "상위 k%가 몇 %를 차지하나"는 정렬해서 누적 몫만 계산하면 바로 나온다. 원칙을 쓰기 전에 이 숫자부터 잰다.

헷갈리는 개념과의 차이

| 개념 | 무엇인가 | 파레토 원칙과의 관계 | |---|---|---| | 파레토 효율(최적) | 누구의 처지도 나빠지지 않게 하면서 누군가를 낫게 만들 방법이 없는 배분 상태 | 같은 파레토의 이름이 붙은 다른 개념. 쏠림 비율과 무관 [Persky 1992] | | 멱법칙(파레토 분포) | P(X x) ∝ x^(−α) 꼬리 | 80/20은 α ≈ 1.16인 특수한 경우 [Newman 2005] | | 지프 법칙 | 순위 r인 항목의 크기가 r의 거듭제곱에 반비례 | 같은 멱법칙을 순위로 표현한 것 [Newman 2005] | | 로그정규 분포 | 로그를 취하면 정규분포 | 현실 범위에서 멱법칙과 거의 구별되지 않는다. 24개 데이터 중 HTTP 연결만 로그정규가 기각됐다 [Clauset et al. 2009] |

주요 후속 연구·메타분석

파레토 비율 자체를 합친 메타분석은 없다. 분포 적합 방법론과 분야별 실측이 근거다.

### Newman (2005) — 80/20은 지수 하나의 특수한 경우 Contemporary Physics, 46(5), 323–351. DOI: 10.1080/00107510500052444 (무료: arXiv:cond-mat/0412004)

설계: 단어 빈도·인용·웹 방문·도시 인구·부 등 여러 데이터의 멱법칙을 정리하고, 측정법과 생성 기제를 해설한 종합 논문.
결과: 표의 지수로 계산하면 부는 상위 20%가 약 80%(이른바 80/20 규칙), 웹 방문은 상위 20% 사이트가 약 3분의 2, 미국 도시 인구는 상위 10% 도시가 약 60%였다.
의미와 한계: "80/20"은 지수에 따라 달라지는 여러 비율 가운데 하나다. 이 계산은 해당 데이터가 멱법칙을 따른다고 가정한다. 같은 저자가 참여한 뒤의 검정에서 부와 웹 방문은 멱법칙이 기각됐다 [Clauset et al. 2009].

### Clauset, Shalizi & Newman (2009) — 멱법칙이라던 데이터 7개가 기각됐다 SIAM Review, 51(4), 661–703. DOI: 10.1137/070710111 (무료: arXiv:0706.1062)

설계: 최대우도 추정·KS 적합도 검정·우도비 검정을 묶은 절차를 합성 데이터로 검증하고, 멱법칙을 따른다고 알려진 24개 실제 데이터에 적용.
결과: 17개는 멱법칙과 들어맞았고, 7개(HTTP 연결·지진·웹 링크·산불·부·웹 방문·대사 네트워크)는 멱법칙이 확실히 기각됐다. 로그정규는 HTTP 연결을 뺀 모든 데이터에서 기각되지 않았고, 저자들은 현실 범위에서 둘을 가르기가 극히 어렵다고 적었다.
의미와 한계: 80/20의 대표 사례인 부의 분포부터 멱법칙 가정이 성립하지 않았다. 멱법칙과 맞는다는 결과도 "기각되지 않았다"는 뜻의 약한 증거다.

### Broido & Clauset (2019) — 2018년 이후: 척도 없는 네트워크는 드물다 Nature Communications, 10, 1017. DOI: 10.1038/s41467-019-08746-5 (무료: arXiv:1801.03400)

설계: 사회·생물·기술·교통·정보 분야 네트워크 927개의 연결 수 분포에 멱법칙을 맞추고, 그럴듯함 검정과 로그정규 등 대안과의 우도비 검정을 적용.
결과: 가장 강한 척도 없음 증거를 보인 네트워크는 4%, 가장 약한 증거라도 보인 것은 52%였다. 대부분 네트워크에서 로그정규가 멱법칙만큼 또는 더 잘 맞았고, 사회 네트워크는 잘해야 약하게 척도 없음이었다.
의미와 한계: 선호적 연결 모형 [Barabási & Albert 1999]이 예측한 극단적 쏠림이 현실 네트워크에서 보편적이지 않다. 이 논문의 "척도 없음" 정의 자체를 두고 반론이 이어졌다[Voitalov et al. 2019].

### Voitalov, van der Hoorn, van der Hofstad & Krioukov (2019) — 반론: 정의를 넓히면 척도 없는 네트워크는 드물지 않다 Physical Review Research, 1(3), 033034. DOI: 10.1103/PhysRevResearch.1.033034 (무료: arXiv:1811.02071)

설계: 멱법칙을 "꼬리 지수는 유지하면서 순수한 멱법칙에서 얼마든지 벗어날 수 있는 분포"(통계학의 정칙 변동 분포, regularly varying)로 정의하고, 이 정의 아래 일치성이 증명된 꼬리 지수 추정량 3개(Hill·Moments·Kernel)를 골랐다. 이를 KONECT 데이터베이스의 노드 1,000개 이상 실제 네트워크 115개(무방향 35·방향 49·이분 31)에 적용했다.
결과: 무방향 네트워크의 49%가 멱법칙 연결 분포로 분류됐다. 방향 네트워크는 들어오는·나가는 연결이 모두 멱법칙인 경우가 24%, 둘 중 하나라도 멱법칙인 경우가 82%였다. 이분 네트워크는 두 종류 노드 모두 35%, 한쪽이라도 74%였다.
의미와 한계: 저자들은 현실 데이터가 잡음 없는 순수 멱법칙을 따라야 한다는 가정(Clauset 계열 검정의 전제)이 "척도 없음은 드물다"는 결론을 만든다고 반박한다. 두 논문의 차이는 자료보다 정의에서 나온다. 저자들은 측정된 연결 자료를 믿을 수 있는지는 다루지 않았다고 적었다. 어느 정의를 쓰든 "80/20"이라는 특정 비율을 지지하는 결과는 아니다.

### Sharp, Romaniuk & Graham (2019) — 소비재 브랜드의 상위 20% 구매자는 매출의 절반 남짓 SSRN Working Paper. DOI: 10.2139/ssrn.3498097

설계: 저자들의 2007년 결론을 여러 다른 데이터와 독립 분석으로 다시 확인했다고 밝힌 동료심사 전 원고. 초록만 읽었고, 초록에 데이터 수·브랜드 수는 없다.
결과: 브랜드의 가장 많이 사는 20% 구매자가 매출에 기여하는 몫은 대개 절반을 크게 넘지 않았고, 이 구매자들은 다음 기간에 몫이 줄었다. 안정된 브랜드에서도 작년 상위 20% 중 절반은 올해 상위 20%에 들지 못했고, 작년에 적게 사거나 안 샀던 사람들이 올해 더 많이 기여했다. 상위 20%의 몫(파레토 몫)은 측정 기간·계산 방식·브랜드 크기·카테고리 특성에 따라 달라진다.
의미와 한계: 파레토 원칙의 대표 적용 장면인 "상위 고객이 매출 대부분"이 소비재 반복 구매에서는 80/20보다 약하고, 상위 고객 집단도 기간마다 바뀐다. 저자들은 성장이 주로 가볍게 사는 구매자에서 나온다고 결론짓는다. 동료심사를 거치지 않은 원고이고, 반복 구매 소비재에 한정된 결과다.

### Brynjolfsson, Hu & Simester (2011) — 인터넷 채널은 판매가 덜 쏠린다 Management Science, 57(8), 1373–1386. DOI: 10.1287/mnsc.1110.1371

설계: 인터넷과 전통 채널(카탈로그)을 함께 운영하는 한 소매업체의 판매 자료. 두 채널의 상품 구색과 가격이 똑같은 조건에서 판매 집중도를 비교.
결과: 인터넷 채널의 판매 분포가 유의하게 덜 쏠렸다. 구색이 같아도 결과가 유지됐고, 추천 엔진 같은 검색·발견 도구 사용이 틈새 상품 몫 증가와 관련됐다.
의미와 한계: 제목부터 "파레토 원칙이여 안녕"이다. 쏠림 정도는 고정된 법칙이 아닌 탐색 비용의 함수일 수 있다. 한 업체 자료이고, 초록에 구체 비율은 없다.

### Brynjolfsson, Hu & Smith (2003) — 롱테일의 가치를 돈으로 잰 첫 추정 Management Science, 49(11), 1580–1596. DOI: 10.1287/mnsc.49.11.1580.20580

설계: 온라인 서점이 늘린 상품 다양성이 소비자 잉여를 얼마나 늘렸는지 추정하는 틀과 실증.
결과: 아마존의 도서 종수는 일반 반스앤노블 대형 매장 서가의 23배 이상, 큰 독립 서점의 57배였다. 2000년 한 해 다양성 증가로 늘어난 소비자 후생은 7억 3,100만~10억 3,000만 달러로, 경쟁과 가격 하락으로 늘어난 후생의 7~10배였다.
의미와 한계: "사소한 다수"를 잘라 내면 이만큼의 가치가 사라질 수 있다. 오프라인에 없는 책의 판매 비중 같은 세부 수치는 이 초록에 없다.

### Fenton & Ohlsson (2000) — 소프트웨어 결함의 파레토와 시점 역전 IEEE Transactions on Software Engineering, 26(8), 797–814. DOI: 10.1109/32.879815

설계: 대형 상용 소프트웨어 두 릴리스의 결함·장애 자료로 결함 분포의 파레토 원칙, 초기 결함으로 후기 결함 예측, 복잡도 지표 등을 검정.
결과: 소수 모듈이 출시 전 결함 대부분을, 극소수 모듈이 운영 중 결함 대부분을 가졌다. 출시 전 결함이 가장 많던 모듈이 출시 후에는 가장 적은 축이었고, 그 반대도 성립했다. 출시 전 발견 결함은 운영 12개월 결함보다 한 자릿수 많았다.
의미와 한계: 쏠림은 있었지만 어느 "20%"인지는 측정 시점에 따라 뒤집혔다. 과거 20%를 미래 자원 배분의 근거로 쓰면 틀릴 수 있다.

나머지 문헌(한 줄)

Persky, J. (1992). Retrospectives: Pareto's law. Journal of Economic Perspectives, 6(2), 181–192. DOI: 10.1257/jep.6.2.181. — 파레토 법칙의 발견·이론·파레토 최적과의 관계·공격과 반격을 정리.
Mandelbrot, B. (1960). The Pareto-Lévy law and the distribution of income. International Economic Review, 1(2), 79–106. DOI: 10.2307/2525289. — 소득 분포의 파레토-레비 모형.
Simon, H. A. (1955). On a class of skew distribution functions. Biometrika, 42(3–4), 425–440. DOI: 10.1093/biomet/42.3-4.425. — 누적 이득 과정이 꼬리가 긴 분포를 만드는 모형.
Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512. DOI: 10.1126/science.286.5439.509. — 성장과 선호적 연결이 멱법칙 연결 분포를 만든다.
Gabaix, X. (2009). Power laws in economics and finance. Annual Review of Economics, 1, 255–294. DOI: 10.1146/annurev.economics.050708.142940. — 경제·금융의 멱법칙과 생성 기제 종합.
Elberse, A. (2008). Should you invest in the long tail? Harvard Business Review, 86(7/8). — 디지털 시장에서도 소수 히트작 집중이 강하다는 롱테일 반론(DOI 없음, 원문 미확인).
Voitalov, I., van der Hoorn, P., van der Hofstad, R., & Krioukov, D. (2019). Scale-free networks well done. Physical Review Research, 1(3), 033034. DOI: 10.1103/PhysRevResearch.1.033034. — 위 해설 참조.
Sharp, B., Romaniuk, J., & Graham, C. (2019). Marketing's 60/20 Pareto law. SSRN Working Paper. DOI: 10.2139/ssrn.3498097. — 위 해설 참조.
Koch, R. (1997). The 80/20 Principle. Nicholas Brealey. — 비즈니스 응용 대중서(학술서 아님).

비판·한계

재현성

멱법칙이라던 24개 데이터 중 7개가 통계 검정에서 기각됐고, 그중에 80/20의 대표 사례인 부의 분포와 웹 방문이 들어 있었다 [Clauset et al. 2009].
네트워크 927개 가운데 강한 척도 없음 증거를 보인 것은 4%였다 [Broido & Clauset 2019]. 순수 멱법칙 대신 꼬리 지수만 보는 넓은 정의를 쓰면 KONECT 네트워크 115개 중 무방향 35개의 49%가 멱법칙으로 분류됐다 [Voitalov et al. 2019].
쏠림 자체는 여러 분야에서 반복 관찰된다 [Newman 2005; Fenton & Ohlsson 2000]. 반복되지 않는 것은 "80/20"이라는 특정 비율과 멱법칙이라는 특정 모양이다.

대표 반론

롱테일 논쟁: 탐색 비용이 낮은 인터넷 채널은 판매가 덜 쏠렸고 [Brynjolfsson et al. 2011], 상품 다양성이 큰 소비자 후생을 만들었다 [Brynjolfsson et al. 2003]. 반대쪽은 디지털에서도 히트작 집중이 강하다고 본다 [Elberse 2008]. 두 쪽 모두 쏠림의 존재는 인정하고, 꼬리의 가치가 얼마인지를 두고 갈린다.
인과 추론 오류: 결과가 불균등하다는 관찰은 "그 20%가 결과를 만들었다"를 보여 주지 않는다(생존편향·역인과). 소프트웨어 결함 자료에서 과거의 핵심 20%가 미래에 뒤집혔다 [Fenton & Ohlsson 2000].
척도 없음 정의 논쟁: Broido & Clauset(2019)은 순수 멱법칙 검정으로 척도 없는 네트워크가 드물다고 결론냈고, Voitalov et al.(2019)은 잡음과 편차를 허용하는 정의를 쓰면 드물지 않다고 반박했다. 같은 현상을 두고 어떤 분포를 "멱법칙"이라 부를지가 결론을 가른다 [Broido & Clauset 2019; Voitalov et al. 2019].
귀속 오류: "파레토 원칙"은 파레토가 제시한 원칙이 아니다. Juran이 붙인 이름이고 Juran 스스로 오귀속을 인정했다 [Juran 1975]. 파레토 자신의 주장은 소득 분포의 규칙성이었고, 이 "법칙"도 공격과 반격을 거쳤다 [Persky 1992].

쓰면 안 되는 상황

측정 없이 "80%는 잘라라"로 결정할 때: 잘라 낸 꼬리가 큰 가치를 만들 수 있다 [Brynjolfsson et al. 2003].
과거 상위 20%를 미래 배분의 근거로 고정할 때: 핵심 항목이 시점에 따라 바뀐다 [Fenton & Ohlsson 2000].
"20% 핵심 고객만 챙겨라"를 다수의 가치를 깎는 정당화로 쓸 때.
정규분포에 가까운 양(키·점수·작은 요인들의 합)에 적용할 때: 쏠림 자체가 약하다.