[MKT/CRM] 10분만에 계산하는 CLV(LTV)

10분만에 계산하는 CLV(LTV)

I. 개요

• 서비스 성장을 위해서는 신규 유저 모집과 이탈 유저 회유, 기존 유저 락인(lock in) 세가지가 균형있게 이루어져야 함
• 이를 위해 다양한 마케팅 전략(프로모션, 광고 등)을 사용
• 하지만 전략에 따라서는 마케터의 기대와 다르게 체리피킹 후 이탈하는 유저와 바운스 되는 유저가 굉장히 많을 수 있음
• 때문에 "우리가 신규 유저 유치를 위해 금주에 비용 N만큼 썼더니 가입 유저가 M 명이나 돼요!" 라고 말하는 것은 오류가 있음
• 따라서 고객을 유치하는 비용(CAC)과 잔존시키기 위한 비용(CRC), 유저가 우리 서비스를 이용하여 만들어낸 가치(CV) 등을 고려하여 전체 유저의 생산가치(CLV) 를 고려해야 마케팅 액션의 성과를 보다 명확히 측정할 수 있음

본문에서 사용하는 데이터는 설명을 위해 임의로 구성된 데이터 입니다.

II. Retention

• 리텐션을 분석하는 방법에는 크게 3가지가 존재함
• 이 중 거의 모든 경우에서 N-Day Retention 을 사용

1. Event And Bounce

1) event

• 여기서 말하는 event는 고객이 서비스 내에서 하는 여러 활동 중 Value position 에 해당하는 활동을 뜻함
  • 배달 앱을 예로 들면 "배달을 주문하는 행위" 가 event 에 해당 (Critical event)
  • 앱 접속, 메뉴 검색 등도 주요 분석지표가 될 수 있으나 리텐션에 대해서는 value position에 가장 밀접한 활동으로 설정해야함

2) bounce

• 서비스에 유입되었으나 특정 액션없이 이탈한 고객으로 보통 전체 유저의 이용주기를 고려하여 가입일을 기준으로 이용주기 내에 액션이 없는 유저를 bounced user 라고 함
• 여기서 액션은 critical event와 다름.
  • 서비스의 가장 일반적인 사용성을 설정하는게 좋음
  • 보수적으로 설정할 경우 critical event로 설정할 수 있음
  • 배달 앱을 예로 들면 결제 카드 등록, 주변 식당 검색, 주문 목록 추가 등의 액션에서 관찰자가 적절하게 설정
• 이탈은 회원 탈퇴, 앱 삭제를 뜻하지만, 액션 없이 잔존해 있는 유저도 bounced user 로 분류할 수 있음
• 리텐션 계산 시 bounced user 는 제외해야 더 정확한 정보를 얻을 수 있음

2. Usage interval

• 고객이 서비스를 사용하는 주기를 의미함
• 리텐션 산출시 이용주기를 고려하지 않으면 잘못된 결과를 얻게됨
• 스타벅스 A지점의 고객이 이용주기가 일주일이라면, 일단위로 리텐션을 계산하는 경우 N day -> N+1 day 에서 리텐션이 폭락하는 것처럼 묘사될 것. 이러한 경우 주단위로 리텐션을 계산하는게 합리적

1) 이용주기 계산

• 전체 이용자를 대상으로 특정 기간 동안 critical event가 2회 이상 반복한 유저 집단을 구분
  • 여기서 특정 기간은 이용주기보다 길게 설정해야 하는데, 60~90일 정도가 적당함 (아무리 이용주기가 긴 서비스도 해당 기간정도면 대부분 포함)
• 유저 집단을 대상으로 유저별로 첫번째 critical event -> 두번째 critical event 까지 경과(interval)를 계산
• 전체 유저의 n% 가 포함되는 interval 를 찾는다.(CDF)
  • 80~90% 정도로 적당히 설정

3. Retention Technique

1) N-Day Retention

사진1. 주차별 리텐션

사진2. 주차별 event 유저수

• N Day 에 event가 발생한 유저를 집계하여 리텐션을 구하는 방식
  • Weekly Retention 이라면 1주차에 event 발생한 유저, 2주차에 event 발생한 유저... 식으로 진행
• 가장 보편적인 방법으로 "리텐션을 확인한다." 라고 하면 이 방법을 사용함
• N 의 경우 서비스 사용자의 보편적인 이용주기를 고려하여 설정하는 것이 중요함

2) Unbounded Retention

• 특정 시점 또는 그 이후에 event가 발생한 유저를 대상으로 집계하는 방식
• 이용 패턴이 매우 불규칙한 서비스에 대해 리텐션을 조사하는 경우 사용

3) Bracket Retention

• 각 주기별로 서로 다른 이용기간을 고려하여 리텐션을 계산하는 방식
• 서비스를 이용하는 유저 집단의 이용빈도가 상이한 특성을 보이는 경우 고려하는 방식
  • 이용주기가 매우 짧은 고래 유저 -> 상대적으로 장기간 이용할 가능성이 높음 (장기 리텐션이 높음)
  • 이용주기가 평균적인 일반 유저
  • 이용주기가 매우 긴 피킹 유저 -> 상대적으로 단기간 이용할 가능성이 높음 (장기 리텐션이 낮음)
• 일반적으로 사용할 일이 거의 없음

III. CLV(LTV)

• 유저가 전체 사용주기동안 생산해낸 가치를 의미함
  • LTV, LTR, CV, AMDAU 등 서비스의 특성과 관찰 목적에 따라 계산 방식, 의미가 가변
• CLV가 높은 서비스일수록 마케팅의 효율성이 높고 매출을 잘 만들어 낸다고 평가할 수 있음

1. LTV 계산의 중요성과 고려사항

사진3.매출이 그대로 기업 이윤으로 남는다고 가정하는 경우 LTV

1) 중요도

• 6월 1일의 관점에서 LTV(40,000) < CAC(50,000) 이기 때문에 "우리 마케팅이 부족했다", "우리 마케팅이 잘못됐다" 라고 평가할 수 있음
• 그러나 유저가 아직 이탈하지 않았기 때문에, 8월 1일에 사용이 발생하여 매출이 생긴다면 LTV는 +로 전환될 수 있음
• 서로 다른 마케팅을 진행한 유저 그룹의 LTV를 계산하거나 특이사항(신규 제품 출시 등) 전후의 유저 집단의 LTV를 비교함으로 제품과 마케팅에 대한 손익 관점의 평가가 가능

2) 고려사항

• 단, LTV 계산은 최근에 가까워 질수록 값이 부정확하고 낮게 측정됨
• 이러한 현상은 관찰 기간이 길다면 해소되는데 실제 유저 생애 주기(LT)에 가까워지기 때문
• 따라서 ARPU(고객평균매출)을 계산하고, 고객 리텐션을 예측하여 LTV 를 예측하는 것을 고려해야 한다.
  • sBG Model, BG/BB Model, BG/NBD model 등이 있음

2. LTV 계산

• 고객 1명에 대한 LTV를 산출하는 것이 가장 정확하지만 현실적으로 불가능 → 전체 고객을 대상으로 1인당 평균값을 사용 (1인당 평균값의 전체 평균)
• 알려진 계산 방식이 매우 다양함
  • 이익 * 거래 기간(LT) * 할인율
  • 연간 거래액 * 수익율 * 고객 지속 기간
  • 평균 구매 단가 * 평균 구매 횟수
  • 손익(매출 - 매출원가) / 구매자수
  • 평균 구매 단가 * 구매 빈도 * 구매 지속 기간
  • (평균 구매 단가 * 구매 빈도 * 구매 지속 기간) - 신규 유인 비용 - 유지비용
  • .....etc

$$LTR = \sum_{t=1}^{N}\frac{(Rev_{t}-CRC_{t})*r^{t-1}}{(1+d)^{t}}-CAC$$

• 본문에서는 가장 정통적이고, 측정이 쉬운 위 수식을 활용하는 방법을 소개

1) 용어 정리

• user : t = 0 시점에 가입한 모든 유저
  • bounced user 를 제외시키면 더욱 정확한 값을 얻을 수 있음
• Rev : t 시점에 발생한 총 매출
• CRC : 고객 유지 비용으로 할인(쿠폰, 프로모션 등) 정책이 여기 포함
• r : t 시점의 고객 리텐션
• d : 통화 할인율로 최초 시점 통화 가치와 t시점에서 통화 가치가 다르기 때문에 가치 변동율을 포함
  • 대부분 서비스에서 이용주기가 연단위를 넘어가지 않기 때문에 0으로 가정해도 무방함
• CAC : 고객 유치(획득) 비용
  • 광고, 프로모션 등 홍보 비용과 인건비 등이 포함

2) 수식 변형

• 고객별 LTV를 계산할 수 없기 때문에 1인당 평균액을 만들어줘야 함
• 1인당 평균액을 계산하는 과정에서 수식을 간소화 할 수 있음

$$LTV = \sum_{t=1}^{N}(ARPCU_{t} * fee -CRCU_{t}) - CACU$$

• ARPCU(가입 유저 1인당 평균 매출) : t 시점에 발생한 매출의 총액을 user 수로 나눠준 값
  • 따라서 ARPCU 는 Rev와 r 이 고려되어 있다.
• CRCU(가입 유저 1인당 평균 유지비용) : t 시점에 발생한 유지비용의 총액을 가입유저수로 나눠준 값
  • 따라서 CRCU 는 CRC와 r 이 고려되어 있다.
• CACU(가입 유저 1인당 평균 획득비용) : CAC를 광고등 유저 획득 채널를 통해 가입한 유저수(paid user)로 나눠준 값
  • organic 으로 들어온 user 비중이 높을수록 값이 커짐
  • 유저 유치 비용을 아무리 써도 organic 비중이 높으면 비효율적인 액션임을 뜻함
• fee : 일반적으로 발생한 매출과 손익이 다르기 때문에 실제 손익으로 바꿔주기 위한 계수
  • 판매액의 10% 를 커머스 플랫폼의 경우 fee = 0.1

3) 결과

사진4.특정 주차에 가입한 유저를 대상으로 계산한 LTV

• 변형된 수식을 이용하면 LTV를 위 그림과 같이 산출할 수 있음 (LTR은 fee가 반영되지 않은 값)
• 향후 고객의 리텐션을 예측할 수 있다면, 해당 기간에 가입한 유저의 ARPPU(실사용 유저 1인당 매출) 를 이용하여 미래의 LTV를 계산할 수 있음