안녕하세요, 스포카의 데이터 분석가 손현석입니다.

지난 글에서는 리텐션 분석을 통한 PMF의 정량적 측정에 대해 다루어 보았습니다. 이번 글에서는 스포카에서 고객이 생애주기 동안 평균적으로 발생시키는 매출인 ‘매출 LTV(Customer Lifetime Value)’를 분석하고 매출 성장의 모멘텀을 이해하는 방법에 대해 소개하려고 합니다.

LTV(Customer Lifetime Value, 고객 생애주기 가치)

흔히 LTV를 계산할 때 월평균 이탈률을 상수로 잡고 연 할인율을 고려하여 무한 등비급수의 형태로 계산하는 경우가 많습니다. 하지만 실제로는 리텐션도 코호트마다, 월마다 다르고 각 고객이 매월 사용하는 금액도 일정하지 않기 때문에, LTV를 긴 기간에 대해 계산할수록 오차가 커진다는 문제가 있으며, 무엇보다 여러 코호트의 여러 시점에서의 다양한 LTV에 대해 종합적으로 이해할 수 없다는 문제가 있습니다.

월평균 단위 매출과 리텐션율을 상수로 가정하고 단순화시킨 일반적인 모델:

LTV = a + a * r / (1+d) + a + (r / (1+d))² + …

a = 매출 또는 매출이익

r = 리텐션율 (0 < r < 1)

d = 할인율 (0 < d < 1)

따라서 스포카에서는 코호트별로 매달 실제로 발생한 매출을 누적하여 시각화하는 방식을 활용하여 고객 생애주기 가치에 대한 총체적인 이해를 추구합니다.

Cumulative LTV Curve

위 차트는 코호트별로 시간이 지남에 따라 한 명의 고객이 발생시키는 매출을 누적 곡선으로 표현한 것입니다. 이 차트의 가로축은 가입 후 지난 개월 수 N, 세로축은 단위 고객당 누적 매출을 의미하며 각각의 곡선은 코호트를 의미합니다.

도도 포인트의 매출은 크게 두 가지로 구성됩니다. 하나는 도도 포인트 구독 매출이고 다른 하나는 도도 포인트를 사용하는 매장이 포인트 적립을 통해 축적한 고객 연락처를 바탕으로 공지사항이나 쿠폰 등을 보낼 수 있는 메시지 서비스의 매출입니다. 메시지 서비스에 대해서는 추후에 따로 다루기로 하겠습니다.

구체적인 수치는 밝힐 수 없지만, 위 그래프를 보면 대부분의 코호트가 비슷하게 거의 1차 함수에 가까운 모습을 하고 있음을 알 수 있습니다. 물론 눈썰미가 매우 좋다면 뒤로 갈수록 조금씩 기울기가 작아지는 것을 눈치 챘을 수도 있지만, 전반적으로 거의 선형적으로 움직이고 있습니다. 각 코호트 마다 매달 조금씩 발생하는 이탈 고객으로 인한 단위 매출 감소를 남아있는 매장들에서 발생하는 추가 매출(메시지 매출)이 어느정도 상쇄하여 시간이 지남에 따른 단위 고객 매출의 감소가 제한되고 있는 것입니다. 이는 비교적 높은 리텐션과 부가적인 매출이 합쳐져 나타내는 결과라고 할 수 있습니다.

다음 차트는 리텐션 분석에서도 활용했던 트렌드 그래프입니다.

Cumulative LTV Trend

리텐션에서와 마찬가지로 이런 형태의 그래프는 코호트간의 차이나 변화를 관찰하는 것에 유리합니다. 여기서도 가로축은 각각의 코호트를 의미하며 세로축은 매출입니다.

각 곡선은 가입 후 N개월이 지날 때까지 각 코호트의 매장 당 평균 누적 매출을 의미합니다. 이 때 평균이란 이탈한 매장을 포함한 것입니다. 예를 들어, N=4개월에 해당하는 선의 2018년 6월 코호트의 값이 173,000이라면, 2018년 6월 코호트에 속한 매장들은 4개월이 지난 후까지 평균적으로 한 매장 당 173,000원에 해당하는 매출을 발생시켰다는 의미입니다. 첨부한 차트에서는 한눈에 확인하기 어렵지만 각 곡선에 대해 이동평균선을 그려보면, 시간이 지날수록 전반적으로 LTV가 우상향하는 것을 확인할 수 있습니다. 지면상 이동평균선 차트는 생략하겠습니다.

빨간색 네모 박스로 표시된 코호트들은 시간적으로 인접한 다른 코호트에 비해 높은 LTV를 나타내고 있습니다. 물론 확률적으로 우연히 발생한 사건일 수도 있지만, 실제 LTV에 영향을 주는 어떠한 요소가 있었을 수도 있습니다. 만약 그 특별한 원인이 실제로 존재하고 그것이 다른 코호트에도 활용될 수 있는 것이라면 향후 평균 LTV를 향상시키는데에 중요한 역할을 할 수도 있으므로 분석할 가치가 있습니다. 스포카에서는 이런 방식으로 데이터로부터 고객에 대한 인사이트를 도출하고 있습니다.

한편, 이번 글에서는 LTV를 (회사의 입장에서) 고객’의’ 가치 — 즉, ‘매출’ — 의 관점에서 분석해보았지만 정확히 똑같은 방법을 고객’이’ 생애주기 동안 제품으로부터 느끼는 가치를 측정하는데에도 활용할 수 있습니다. 이 부분은 다음에 자세히 다루도록 하겠습니다.

Revenue Growth

리텐션과 LTV에 대해 이해하고 나면 그 다음으로 자연스럽게 월 매출의 성장에 관심이 가게 됩니다. 매출의 성장은 리텐션과 업셀링(혹은 다운셀링) 그리고 신규 유입이 모두 합쳐져 만들어지는 결과물입니다.

다음 차트는 구독 모델의 SaaS 제품에서 흔히 볼 수 있는 MRR(Monthly Recurring Revenue) 그래프입니다. 설명을 위해 스포카의 여러 제품 중 도도 포인트 구독 서비스와 문자 메시지 발송 서비스의 데이터만을 포함하였습니다. 마찬가지로 구체적인 기간과 수치는 지웠습니다.

Monthly Recurring Revenue

월 매출이 꾸준히 증가하고 있는 모습은 아름답지만 이 그래프는 단지 최종적인 결과값으로서 표현된 매출만을 알려줄 뿐, 이것만으로 성장의 모멘텀을 종합적으로 이해할 수는 없습니다. 단순히 지금까지 y=a•x 형태의 그래프를 그려왔다고 앞으로도 그럴 것이라고 생각할 수는 없습니다.

똑같은 매출 그래프를 그리고 있더라도 그것이 고객 수는 비교적 일정하게 유지되지만 기존 고객들이 사용량을 점점 더 늘려서 나타난 모습일 수도 있고, 이탈하는 고객이 많지만 신규 고객이 더 많아서 나타난 모습일 수도 있고, 신규 고객도 많고 이탈하는 고객도 적고 기존 고객들도 점점 사용량을 늘리는 이상적인 모습일 수도 있기 때문입니다.

성장은 시간 축을 따라 과거 대비 현재의 변화량을 측정하는 개념입니다. 따라서 어떤 달의 매출을 직전 달의 매출과 비교하여 성장(혹은 위축)의 요소들을 분리해서 분석하는 것이 유용합니다.

MRR Decomposition

어떤 달의 매출은 직전 달에 구매한 고객이 재구매하여 발생한 잔존 매출과 그 달에 새롭게 유입된 고객의 신규 매출, 그리고 직전 달에 구매한 고객이 구매금액을 확대(확장)하여 추가로 발생된 매출로 나누어집니다. 여기서 우리가 관심있는 것은 잔존 매출이 아니라 이전 달과의 차이를 만들어내는 ‘신규’와 ‘확장’ 요소입니다. 또한, 반대로 매출이 역성장하게 만드는 요소로서 직전 달에 구매한 고객이 구매 금액을 줄이거나(축소) 완전히 이탈한 매출도 함께 고려해야 합니다.

직전 달에서 남은 잔존매출을 제외하고 성장(그리고 역성장)의 요소만을 분리하면 다음과 같은 그래프가 됩니다.

MRR Growth

신규 = 신규 고객이 발생시킨 매출

확장 = 지난달에도 사용한 고객이 지난달 대비 추가로 발생시킨 매출

축소 = 지난달에도 사용한 고객이 지난달 대비 덜 발생시킨 매출

이탈 = 지난달에 사용했지만 이번달에는 완전히 이탈한 고객의 이탈 매출

*일반적으로 여기에 재활성화(Resurrected)가 추가되지만, 도도포인트 제품의 특성상 한번 해지한 고객이 다시 돌아오는 경우는 거의 없으므로 여기서는 제외했습니다.

퀵 비율(quick ratio) = (신규 + 확장) / (이탈 + 축소)

알짜성장(net growth)= (신규 + 확장) — (이탈 + 축소)

퀵 비율(quick ratio)은 성장의 모멘텀을 가리키는 지표 중 하나입니다. 퀵 비율이 1 이상이면 성장한 것이고 1 미만이면 역성장한 것을 의미합니다.

서비스의 특성상 도도 포인트를 구독해야만 메세지 서비스를 사용할 수 있기 때문에 위 차트에서 ‘신규’와 ‘이탈’은 모두 도도포인트 신규 구독으로 인한 매출이며, 도도 포인트 구독 서비스 자체는 프리미엄 모델 개념이 없이 단일 모델이기 때문에 ‘확장’과 ‘축소’는 모두 메시지 서비스로부터 발생된 것입니다.

위 차트의 시점에서 분석했을 때, 메시지 서비스가 출시된 후 전체 매출에 주는 영향의 규모가 도도 포인트 구독 서비스의 그것보다 크고, 그 규모가 빠르게 성장하고 있는 동시에 매월 사용량이 일정하지 않고 크게 변동한다는 것을 알 수 있습니다.

또한, 구독 서비스의 경우 앞서 설명했던 리텐션 분석에 따르면 매월 이탈률이 1~2% 수준으로 매우 낮음에도 불구하고 절대적인 규모로 따졌을 때 신규 구독으로 인한 성장의 규모보다 조금 작은 정도임을 확인할 수 있습니다. 즉, 위 분석 그래프에 표시된 시점을 기준으로 도도 포인트 구독 제품의 성장에 주요하게 기여한 변수는 리텐션보다는 신규 고객 획득에 있었던 것입니다.

이러한 분석을 바탕으로 스포카는 메시지 서비스 이용 고객들이 메시지 서비스를 더 자동화된 방식으로 보다 간편하게 꾸준히 활용할 수 있도록 제품을 개선해왔습니다.

또한 신규 고객 획득의 규모를 스케일-아웃 하기 위해, 제품의 특성상 기존에는 단위 신규고객 당 투입되는 인적 자원이 비교적 많은 기존의 구조에 근본적인 변화를 주어 이후에는 Sales & Customer Success 팀이 하나의 리드를 최종 전환시키는데까지 들어가는 리소스를 최소화할 수 있도록 제품을 개발해 나가고 있습니다.

다음 글에서는 앞서 활용했던 여러가지 분석 도구들을 활용하여 도도포인트의 Aha Moment를 정량적으로 측정하고, 그것을 바탕으로 제품의 북극성지표(North Star Metric)를 정의하고 각 제품팀의 OKR까지 연결시킨 과정에 대해 설명할 예정입니다.


시리즈 전체 글 목록

  1. 스포카의 데이터로 제품 뜯어보기 1편 - Retention
  2. 스포카의 데이터로 제품 뜯어보기 2편 - Revenue LTV & Growth
  3. 스포카의 데이터로 제품 뜯어보기 3편 - Aha Moment & Critical Event

스포카에서는 프론트엔드 프로그래머, 시니어 풀스택 프로그래머를 채용 중입니다! 웹 프론트엔드에 관심을 가지고 공부하는 디자이너, 뛰어난 서버 개발자 등 각자의 분야에서 전문적인 사람들이 능력있는 분들과 함께 일하기를 기대하고 있습니다. 채용 정보 페이지를 확인해주세요!