무슨 일인가요
구독 매출 분석 도구 차트모글이 LTV(고객 생애 가치) 공식을 실제 데이터로 검증한 리포트를 냈습니다. 3,331개 회사 계정에서 뽑은 실제 고객 코호트 35,512건을, 코호트가 만들어진 시점의 LTV 예측치와 이후 12·24·36개월 동안 실제로 만든 매출과 맞춰 본 것입니다. 데이터 분석 대상 기간은 2020년 1분기부터 2024년 4분기까지 분기 20개 구간입니다. 데이터
| 항목 | 오차 |
|---|---|
| 12개월 | -2.4% |
| 24개월 | 6.9% |
| 36개월 | 14.4% |
출처: ChartMogul, The SaaS LTV Report (코호트 35,512건)
12개월 시점의 중앙값은 -2.4%입니다. 평균적인 코호트가 LTV 예측보다 2.4% 적게 벌었다는 뜻입니다. 데이터 그런데 기간이 길어지면 방향이 뒤집혀 24개월 +6.9%, 36개월 +14.4%가 됩니다. 데이터 더 중요한 숫자는 분산입니다. 코호트의 28.3%는 어느 방향으로든 오차가 50%를 넘었습니다. 데이터
오차는 어디에서 오나요
리포트는 오차 변동의 84.9%가 ARPA 불일치로 설명된다고 밝혔습니다. 데이터 전체 고객을 섞어 구한 평균 단가가 그 시점에 새로 들어온 고객의 실제 단가와 어긋나는 문제로, 중앙값 기준 -4.9%의 차이가 있었습니다. 데이터
직관을 뒤집는 결과도 있습니다. 12개월 잔존율이 가장 싼 요금대 4분위에서 74%, 가장 비싼 요금대 4분위에서 45%로 나타났습니다. 데이터 비싼 고객이 더 오래 남는다는 통념과 반대 방향입니다.
| 회사 규모(ARR) | 12개월 오차 중앙값 |
|---|---|
| 3,000만 달러 초과 | -19.1% |
| 1,000만~3,000만 달러 | -6.8% |
| 50만~1,000만 달러 | -4.3% |
| 50만 달러 미만 | +0.5% |
규모가 클수록 LTV를 과대평가하는 쪽으로 어긋났습니다. 업종별로는 이커머스 -10.9%, 워크플레이스·생산성 -6.7%, 인프라·개발도구 -5.9%, 교육 +0.7%였습니다. 데이터
무엇을 바꾸면 되나요
리포트의 결론은 "LTV를 정밀한 값이 아니라 방향으로 다루라"입니다. 데이터 회수 기간과 코호트별 매출 곡선을 함께 보라고 권합니다.
신규 코호트 ARPA 분리
전체 평균이 아닌 그 분기 신규 고객 단가로
요금대별 잔존율 분리
싼 요금대와 비싼 요금대를 섞지 않기
회수 기간 병기
LTV 단독이 아니라 회수 개월과 함께
실제 곡선과 대조
12·24·36개월 실적으로 사후 검증
투자 유치 자료에 LTV 대 CAC 비율 하나만 적어 두었다면, 그 값이 어느 코호트의 어떤 ARPA로 계산됐는지 먼저 확인하는 편이 안전합니다. 추정
