가상 사례: 코호트를 12개월 관찰하기
고객 100명의 관측 순매출은 30000 EUR이며 정의한 변동비는 18000 EUR입니다. 생산, 배송, 결제, 변동 서비스 비용을 포함합니다. 공헌이익은 12000 EUR, 최초 고객당 120 EUR입니다. 여기서는 획득 비용과 고정비를 제외합니다.
| 가상의 12개월 지표 | 값 | 계산 또는 한계 |
|---|---|---|
| 최초 고객 | 100 | 분모 유지. |
| 순매출 (EUR) | 30000 | 관측 금액. |
| 정의한 변동비 (EUR) | 18000 | 범위는 본문 참조. |
| 공헌이익 (EUR) | 12000 | 30000 − 18000. |
| 고객당 매출 (EUR) | 300 | 30000 / 100. |
| 고객당 공헌이익 (EUR) | 120 | 12000 / 100. |
가정을 확인할 수 있게 만들기
- 구매를 중단한 고객도 포함해 최초 100명을 분모에 유지합니다. 환불, 세금, 포함 비용과 기간을 기록합니다.
- 관측과 예측을 구분합니다. 예측에는 유지율, 미래 매출 및 비용, 기간과 할인 여부를 명시하고 여러 가정을 시험합니다.
- 채널 간 고객 중복을 제거합니다. 기여도 배분은 결과를 나누지만 채널이 원인임을 입증하지 않습니다.
추정치를 순이익으로 바꾸지 않기
120 EUR는 12개월간 관측한 공헌이익으로, 순이익이나 이미 알려진 생애 가치가 아닙니다. CAC와 비교할 때 두 범위를 명시하고 획득 비용을 이중 계산하지 않습니다. 평균이 큰 차이를 숨길 수 있으므로 분포도 보여줍니다.
1차 자료
과거 데이터와 예상 고객 생애 가치(CLV)를 구분하세요.
일정 기간 동안의 누적 매출은 관찰되는 반면, 예상 고객 생애 가치는 가정에 따라 달라집니다. 고객, 마진 또는 매출 기준, 비용, 기간 및 환불을 정의하세요. 특정 채널이 더 오래 지속되는 고객을 확보한다고 결론짓기 전에 일관된 기간 동안 여러 고객 코호트를 비교하세요.
- 관찰된 가치와 예상치를 구분하여 표시하세요.
- 기간 및 포함된 비용을 문서화하세요.
- 반복 구매 가정에 대한 민감도를 분석하세요.
간단한 공식을 확실한 예측으로 제시할 수 있습니까?
아니요. 단순화된 모델은 가정이 명확한 시나리오를 제시할 수 있습니다. 사용 가능한 과거 데이터와 비교하여 검증하고, 확정된 단일 값보다는 불확실성을 제시해야 합니다.
1차 자료: Google SRE — Data processing pipelines. 관련 방법: 실무 가이드 읽기.
고객 가치 및 추적 기간
추가 검토 사항: 고객 가치 및 추적 기간. 코호트 명세와 함께 카운트, 관찰 기간 및 비교 한계를 나타내는 표를 제공해야 합니다.
- 반환 값 명명: 유용한 이벤트, 기간, 계산 모드를 지정합니다. GA4 표준, 롤링, 누적 모드는 서로 다른 정의를 사용하므로, 해당 셀들을 동일한 유지율 측정 기준으로 비교해서는 안 됩니다.
- 관찰 가능 시간 준수: 특정 마감 시점을 기준으로 최근 코호트가 모든 기간에 도달하지 않았을 수 있습니다. 해당 셀을 0으로 표시하는 대신 관찰 불가능으로 표시해야 합니다. 관련 기간이 완료된 경우에만 동일한 기간을 비교해야 합니다.
1차 자료: Google Analytics — Cohort exploration. 관련 방법: 실무 가이드 읽기.