[AARRR] 수익화(Revenue) 주요 지표(ARPU, LTV 등)

수익화 판단을 위한 주요 지표

1. ARPU (Average Revenue Per User) : 인당 평균 매출

• 시작과 끝이 있는 특정 기간에 대한 지표
• 전사적으로 통용되는 명확한 기준이 필요함 → 따로 정의되지 않았다면 월 기준으로 집계하는 것이 일반적
• 다음과 같이 구체적으로 나누어 구하기도 함
  • ARPDAU (Average Revenue Per Daily Active User) = 일 매출 / DAU
  • ARPWAU (Average Revenue Per Weekly Active User) = 주간 매출 / WAU

 

2. ARPPU(Average Revenue Per Paying User) : 결제자 인당 평균 매출

• 전체 사용자가 아닌 ‘결제자’만 대상
• 매출 / 결제자 수로 구함
• 기간에 대한 정의 필요 → 따로 정의 없을 시, 월간 매출과 월간 결제자 수를 바탕으로 계산하는 것이 일반적

 

3. 고객 생애 가치 Lifetime Value, LTV

• 한 명의 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익으로 정의
  → 고객 생애 동안 반복적으로 기대할 수 있는 누적 수익
• 다음과 같이 측정한다고 함 
  → 할인율(이자율)은 기간이 길어질수록 현금 가치가 영향을 받으므로 이를 반영

 

• 그러나, 현실에서 이런 식의 계산은 사실상 불가능 👉 예를 들어, 고객 유지 비율이 기간마다 일정하지 않음

 

4. 고객 생애 매출(Lifetime Revenue, LTR)

• 고객 한 명에 대한 기대 매출 : 비용을 따로 고려하지 않고, 매출만 살핌
• (예시로 확인) 1명의 가입자가 생겼을 때 기대할 수 있는 평균 매출

출처 : <그로스 해킹>

---

수익화 분석하는 법

출처 :&nbsp;https://brunch.co.kr/@famelee/61

• 고객 생애 매출 (LTR) 활용하기
  • 코호트별 고객 생애 매출의 추이가 어떻게 변화하는지 살펴보는 편이 유용
  • 일반적으로 코호트 분류 기준은 ‘가입 시점’이 됨
• 기간별로 고객 생애 매출이 증가하는 추이를 구하고, 고객 획득 비용과 비교하면 서비스 수익모델이 잘 동작하고 있는지, 마케팅 비용을 적절하게 사용하고 있는지 등을 확인할 수 있음
  → 건강하게 성장하고 있는 서비스라면 LTR이 CAC를 빠르게 따라잡고 장기적으로 CAC의 몇 배수까지 높아져야 함

 

• 즉, 건강한 서비스라면 CAC + a < LTR(a가 충분히 커야 함)
  • 비즈니스의 생존 가능성을 확인하는 중요한 기준
  • 일반적으로 LTR이 CAC의 5~10배 정도는 돼야 어느 정도 안정적인 서비스 운영을 기대할 수 있음
  • 물론 절대적 수치 비교와 함께 고객 생애 매출이 고객 획득 비용을 넘어서기까지의 기간(Payback Period)이 얼마나 걸리는지도 고려해야 함

[수익화 분석 정리] 
1) 고객 생애 매출을 구한다. 가입 코호트를 활용해 코호트 별 비교를 하거나 고객 생애 매출의 기간별 변화 추이를 살펴본다
2) 고객 생애 매출을 고려해서 목표로 하는 고객 획득 비용 수준을 정한다.
   👉 수익 구조나 마진을 고려해서 고객 생애 매출의 1/5 ~ 1/10 정도를 목표로 잡으면 좋다.(이 수치가 마케팅을 진행할 때 의사결정 기준이 됨)

 

---

수익화에서 ‘매출’ 쪼개보기

1. 아이템별 매출 합계

• 매출에 기여하는 아이템, 판매량이 증가한 아이템 등 확인

2. 사용자별 매출 합계

• 사용자 세그먼트를 분류한 후 각 세그먼트 별 매출 합계를 통해 전체 매출 계산
• 성별, 연령대 구분 / 신규회원 + 기존 회원 등 기준 사용

3. 결제자 수 * ARPPU

• 결제자의 인당 결제액에 결제자 수를 곱하면 전체 매출
  • 결제자 수 = 활동회원 * 결제 비율
  • 활동회원 = 가입자 * 리텐션
  • 가입자 = 앱 설치자 * 가입 전환율
  • 최종 👉 매출 = 설치 수 x 가입 전환율 x 리텐션 x 결제 비율 x ARPPU
• 가입 기간에 따른 월별 코호트를 기준으로, 매 코호트의 데이터를 이렇게 쪼개서 확인하면 기간에 따른 효과와 퍼널에 따른 효과를 결합해서 훨씬 더 입체적으로 매출을 분석할 수 있음

---

구독형 서비스의 매출 분석 : 월별 반복 매출(Monthly Recurring Revenue, MRR)

• 기준(Base) MRR : 전월 기준 매출
• 신규(New) MRR : 신규 고객으로 인해 증가한 매출
• 이탈(Churn) MRR : 기존 고객 이탈로 인해 감소한 매출
• 업그레이드(Upgrade) MRR : 기존 고객 대상 크로스셀(cross-sell), up-sell로 인해 증가한 매출
• 다운그레이드(Downgrade) MRR : 기존 고객의 요금제 하향 조정(Plan downgrade)등으로 인해 감소한 매출

⇒ 월별 반복 매출 = 기준 MRR + 신규 MRR + 이탈 MRR + (업그레이드 MRR or 다운그레이드 MRR)

 

---

정리

• 요약된 수익화 지표 하나만 보고 의사결정을 내리기보다 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요
• 파레토 법칙 : 전체 사용자의 20%가 전체 매출의 80%를 결제하는 패턴
  • 👉 이러한 패턴과 사용자 구분을 면밀히 파악하여 비즈니스 액션을 취할 것

 

 

---

본 포스팅은 도서 <그로스 해킹>을 참고하여 작성했습니다 👍 (도서를 직접 읽어보시는 것을 추천합니다)

https://product.kyobobook.co.kr/detail/S000001766457