LTV 계산하기

가장 널리 사용되는 LTV 공식은 사용자당 평균 매출에 매출총이익률을 곱한 다음 이탈률로 나누는 방식입니다.

이탈률로 나누는 것은 수학적으로 평균 생애 기간을 곱하는 것과 같으므로, 이 한 줄의 공식에 매출, 수익성, 리텐션이 함께 담깁니다.

한 스트리밍 서비스의 월 이용 요금이 12이고, 매출총이익률이 70%이며, 매달 구독자의 4%를 잃는다고 가정해 보겠습니다.

이 값을 공식에 대입하면 획득 비용과 직접 비교할 수 있는 명확하고 신뢰할 수 있는 LTV를 계산할 수 있습니다.

ARPU와 이탈률은 동일한 시간 단위를 사용해야 합니다. 월간 ARPU와 연간 이탈률을 섞으면 수치가 크게 잘못됩니다.

구독 제품에서는 월 단위가 자연스럽습니다. 소매업에서는 구매가 간헐적이므로 연 단위가 더 잘 맞는 경우가 많습니다. 하나의 단위를 선택하고 모든 입력값에 일관되게 적용하세요.

구독 기반이 아닌 비즈니스는 평균 주문 금액, 구매 빈도, 고객 유지 기간과 같은 구매 행동을 바탕으로 LTV를 계산합니다.

이 방식은 반복 결제 없이 고객이 필요할 때마다 반복적으로 구매하는 전자상거래와 소매업에 적합합니다.

고객 유지 기간이 긴 경우에는 미래의 마진을 현재 가치로 할인해야 합니다. 조정된 공식은 지속적으로 발생하는 마진을 이탈률과 할인율의 합으로 나눕니다.

이렇게 하면 재무팀이 신뢰할 수 있는 보다 보수적인 LTV가 산출되며, 특히 고객 유지 기간이 2~3년을 넘어설 때 유용합니다.

하나의 공식만 사용하는 대신, 코호트 분석은 같은 달에 확보된 고객 그룹을 추적하고 시간에 따른 누적 마진을 표시합니다.

곡선은 대체로 가파르게 상승한 뒤 완만해집니다. 완만해지는 꼬리 부분을 외삽하면 단일 이탈 가정이 아니라 실제 행동에 기반한 실증적 LTV를 얻을 수 있습니다.

실제 이탈률은 거의 항상 일정하지 않습니다. 신규 고객은 가장 빠르게 이탈하는 반면, 계속 남은 고객은 점점 더 충성도가 높아지므로 고정 이탈률은 장기 가치를 과소평가합니다.

생존 곡선이나 월별 유지 고객 표를 사용하면 이러한 형태를 포착할 수 있습니다. 각 기간의 마진에 해당 기간까지 남아 있는 고객 수를 곱하면 더 정확한 합계를 구할 수 있습니다.

고급 분석팀은 구매 빈도에 BG/NBD와 같은 확률론적 모델을 사용하고, 지출 금액에는 Gamma-Gamma 모델을 사용합니다.

이러한 통계 모델은 고객별 활성 상태일 확률과 예상되는 미래 거래 수를 추정하므로, 하나의 평균값이 아니라 고객별 LTV를 예측합니다.

공식으로 계산한 LTV는 항상 과거 코호트 데이터와 교차 검증해야 합니다. 공식이 400을 예측하는데 지금까지 250을 넘은 코호트가 한 번도 없었다면 입력값이 잘못된 것입니다.

흔한 원인은 낙관적인 이탈 가정과 매출을 마진 대신 사용하는 것입니다. 신뢰할 수 있는 LTV라면 이러한 조정 과정을 통과해야 합니다.

계산된 LTV는 목표 CAC를 정하는 기준이 됩니다. LTV를 원하는 LTV:CAC 비율로 나누면 수익을 내면서 확보할 수 있는 최대 고객 확보 비용이 계산됩니다.

LTV가 210이고 3:1 비율을 원한다면 CAC의 상한은 70입니다. 입찰가, 예산, 채널 선택은 모두 이 하나의 산출된 한도를 기준으로 정해집니다.

모든 LTV 수치는 그 가정만큼만 정확합니다. 수치와 함께 기간, 마진의 출처, 이탈의 정의, 할인율을 기록해야 합니다.

이러한 투명성 덕분에 팀은 제품과 기간에 따른 LTV를 비교할 수 있고, 입력값이 조용히 바뀌어 지표가 부풀려지는 일을 막을 수 있습니다.

표준 구독 LTV 공식을 적용해 보세요.

핵심 공식은 일관된 시간 단위로 맞춘 ARPU x 마진 x (1 / 이탈률)입니다. 거래 기반 비즈니스에서는 대신 AOV, 구매 빈도, 고객 유지 기간을 사용합니다.

고객 유지 기간이 긴 경우에는 할인율을 추가하고, 코호트 곡선과 비교해 검증하며, 모든 가정을 문서화해야 합니다. 확률론적 모델을 사용하면 고객별 LTV까지 예측할 수 있으며, 다음 레슨에서는 이를 세분화에 활용합니다.