광고로 들어온 고객이 첫 주문을 했다. 상품 원가를 빼면 주문은 이익이지만, 그 고객을 확보한 비용까지 빼면 아직 손실이다. 팀은 재구매가 계속될 것이라는 가정으로 광고를 늘리려 한다. 이때 필요한 것은 매출을 크게 보이게 하는 새로운 약어가 아니라, 아직 발생하지 않은 고객의 행동과 비용을 어떤 조건으로 추정하는지 드러내는 모형이다.
이 장은 거래 가치, 고객가치, 고객기반 가치의 차이와 그 연구 배경을 설명한다. 계산에는 독립 교육용 자료 H05를 사용한다. 14장이 계약·매출·현금·회수의 업무를 다뤘다면, 이 장은 그런 계산이 왜 필요해졌고 어떤 가정을 포함하는지 살핀다. 산출물은 고객가치 가정표와 예측 검증 계획이다.
거래·고객·고객기반의 분석 단위
거래는 한 번의 주문이나 서비스 제공이다. 고객은 여러 거래를 연결하는 관계의 단위다. 고객기반은 정한 시점에 회사와 관계를 맺고 있는 고객들의 집합이다. 주문당 공헌이 같은 두 고객이라도 주문 빈도·유지·지원 비용·할인 요구가 다르면 앞으로 회사에 남길 금액이 달라질 수 있다.
고객생애가치(CLV 또는 LTV)는 정의한 고객 관계에서 발생할 미래 경제적 결과를 현재의 가치로 추정하는 개념이다. ‘가치’에 매출을 넣는지 공헌을 넣는지, 획득 비용을 이미 뺐는지에 따라 숫자가 바뀐다. 이 책은 비교 목적에 맞춰 비용 범위와 시간축을 적는다. 이름에 lifetime이 있다고 관찰하지 않은 미래가 사실로 바뀌지는 않는다.
| 단위 | 예시 질문 | 대표적으로 필요한 자료 |
|---|---|---|
| 거래 | 이번 주문에서 얼마가 남았는가 | 매출·환불·제공 비용 |
| 고객 | 앞으로의 공헌이 획득·유지 비용을 감당하는가 | 거래 이력·잔존·빈도·비용·기간 |
| 고객기반 | 현재 고객 집합의 향후 공헌은 얼마인가 | 고객별 또는 집단별 가치·구성 |
| 회사 | 사업 전체의 경제적 가치는 무엇인가 | 고객 외 자산·부채·고정비·성장 투자 등 |
고객가치를 합산한 값은 회사의 주가나 기업가치와 자동으로 같아지지 않는다. 아직 얻지 않은 미래 고객을 포함할지, 공통 고정비를 어디에서 반영할지, 고객 관계 밖의 자산·의무를 어떻게 다룰지 등이 남는다. PM이 고객가치를 사용할 때는 예산·온보딩·지원 정책 중 어떤 결정을 위한 값인지 범위를 좁히는 편이 좋다.
고객가치 연구가 다루어 온 문제
디지털 로그가 보편화되기 전에도 다이렉트 마케팅은 고객을 확보하는 비용과 이후 거래의 가치를 비교해야 했다. Berger와 Nasr의 1998년 논문은 고객가치 모형과 적용을 정리한 학술 기록이다. 이번 교재는 기존에 확인한 초록·도입부 범위에서 선행 실무와 가정별 모형화라는 문제의식을 사용한다. 이를 특정 교수나 IMC 한 계열이 모든 CLV를 발명했다는 근거로 확대하지 않는다. 논문 사본 · S10.
이후 연구에서 중요한 질문 중 하나는 고객들의 차이를 어떻게 다룰지였다. Fader와 Hardie의 2010년 논문은 계약형 고객기반 평가에서 이질성을 무시하는 문제를 다룬다. 여기서는 저자 페이지의 서지·초록 범위를 참고한다. 2014년의 별도 논고는 흔히 쓰는 CLV 산식의 기간·유지·기대값 가정을 검토한다. 서로 다른 문헌이 다른 문제를 다룬다는 점이 단일 기원 이야기보다 중요하다. 2010년 저자 페이지 · 2014년 논고 · S12 · S11.
현재 PM의 업무에도 같은 질문이 남아 있다. 구매 이력을 쉽게 모을 수 있어도 고객이 다시 살 확률을 바로 알 수는 없다. 평균 매출을 계산할 수 있어도 향후 지원 비용과 환불의 변화를 자동으로 알 수는 없다. 기술은 관찰의 범위와 분석 속도를 바꾸지만, 미래에 대한 가정과 판단의 책임을 없애지 않는다.
RFM과 CLV는 무엇이 다른가
RFM은 최근성(Recency), 빈도(Frequency), 금액(Monetary)으로 정한 관찰 구간의 거래 이력을 요약하는 방법이다. 최근 구매가 언제였는지, 얼마나 자주 샀는지, 얼마를 샀는지를 정리한다. 고객을 나누거나 예측 모형의 입력으로 사용할 수 있다. CLV는 향후 경제적 결과의 추정 대상이다. 이력의 요약과 미래 가치의 추정은 역할이 다르다.
예를 들어 최근 한 달간 한 번씩 같은 금액을 산 두 고객의 RFM이 같아도, 한 고객은 높은 지원 비용을 발생시키고 다른 고객은 다음 달 확정 계약을 갖고 있을 수 있다. RFM에 들어 있지 않은 정보가 가치 판단을 바꾼다. 반대로 복잡한 모형을 만들기 전에 RFM으로 구매 구성과 데이터 오류를 살펴보는 작업은 유용할 수 있다.
‘RFM이 디지털 시대에 LTV로 진화했다’는 문장은 두 개념의 차이를 숨긴다. 입력으로 함께 사용된다고 일방향의 역사적 계승이 입증되는 것은 아니다. 어떤 연구·구현이 RFM 변수를 어떤 모형에 썼는지 구체적으로 적는 편이 정확하다. RFM의 실제 정의와 점수화는 16장과 S51을 참조한다.
기준 시점의 앞과 뒤
관찰한 거래를 요약한다.
RFM은 관찰 기간의 거래 이력을 요약한다.
가정이 필요하다
미래 공헌을 추정한다.
- 유지와 거래 빈도
- 제공 비용과 획득비
- 추정 기간과 할인
CLV의 값은 포함한 비용·기간·모형에 따라 달라진다.
두 분석의 역할을 비교한 도식이다. RFM이 CLV의 직접적인 역사적 기원이라는 뜻은 아니다.
원본 정적 그림 보기
H05: 같은 첫 매출과 다른 미래 가정
H05는 고객 한 명당 비교를 위한 교육용 가정이다. A·B 모두 시점 0의 첫 매출은 20,000원이다. 제공 변동비를 차감한 공헌은 A 10,000원, B 8,000원이며 시점 0에 확보 비용 A 12,000원, B 14,000원을 지급한다. 이후 시점 1·2에 고객이 관계를 유지하면 같은 공헌이 각각 한 번 발생한다고 가정한다. 기간 간격은 동일하고 할인율은 기간당 10%다. 이는 업계 기준이나 권장 할인율이 아니다.
A의 조건부 기간 유지율은 50%, B는 85%로 고정한다. 종료 후 복귀는 없다고 가정하므로 시점 1·2의 생존 확률은 A 0.5·0.25, B 0.85·0.7225다. 이 확률과 비용은 추정한 실제 자료가 아니라 모형의 작동을 설명하기 위해 입력한 값이다.
| 조건 | A | B |
|---|---|---|
| 첫 매출 | 20,000원 | 20,000원 |
| 살아 있는 관계의 시점별 공헌 | 10,000원 | 8,000원 |
| 시점 0의 획득 비용 | 12,000원 | 14,000원 |
| 조건부 유지율 | 50% | 85% |
| 계산 시점 | 0·1·2 | 0·1·2 |
| 기간당 할인율 | 10% | 10% |
이 예에서 획득비 차감 후 제한 기간 현재가치는 시점 0 공헌 + 시점 1 기대 공헌/1.1 + 시점 2 기대 공헌/1.1² − 획득비다. A는 10,000 + 5,000/1.1 + 2,500/1.21 − 12,000 ≈ 4,612원, B는 8,000 + 6,800/1.1 + 5,780/1.21 − 14,000 ≈ 4,959원이다.
세 시점의 공헌을 현재가치로 계산하기
금액: 원 · 막대 공통 범위 0~10,000원 · 시점 0·1·2
미래에 공헌이 반드시 생긴다는 뜻이 아니다. 다음 단계에서 생존 확률을 적용한다.
관계가 남아 있을 때의 공헌을 놓는다.
각 시점에서 관계가 유지된다면 A는 10,000원, B는 8,000원의 공헌이 발생한다고 가정한다. 아직 유지 확률을 적용하지 않았다.
금액: 원 · 막대 공통 범위 0~10,000원 · 시점 0·1·2
시점 2 생존 확률: A 0.5² = 25%, B 0.85² = 72.25%. 종료 후 복귀는 없다고 가정한다.
각 시점까지 남아 있을 확률을 곱한다.
시점 0을 기준으로 생존 확률은 1, r, r²다. B의 시점 2 기대 공헌은 8,000 × 0.85² = 5,780원이다.
금액: 원 · 막대 공통 범위 0~10,000원 · 시점 0·1·2
확률을 적용한 기대 공헌을 기간당 10%로 할인한다. 표시 금액은 반올림했으며 합계는 반올림 전 값으로 계산한다.
기대 공헌을 현재 시점으로 할인한다.
같은 간격의 시점마다 기간당 10%로 할인한다. 생존 확률은 이미 적용했으므로 여기서 다시 곱하지 않는다.
금액: 원 · 막대 공통 범위 0~10,000원 · 시점 0·1·2
16,612시점 0 획득비
12,000제한 기간 가치
4,612
18,959시점 0 획득비
14,000제한 기간 가치
4,959
획득비는 시점 0에 한 번만 차감한다. 시점 2 이후 공헌은 포함하지 않는다.
합계에서 획득비를 한 번 차감한다.
시점 0에 지급한 획득비를 뺀다. 시점 2 이후 공헌을 제외한 제한 기간 가치이며 실제로 확정된 수익은 아니다.
원본 정적 그림 보기
첫 매출과 첫 공헌만 보면 A가 유리하지만, 입력한 유지 가정 아래에서는 B의 제한 기간 가치가 더 높다. 여기서 계산한 것은 세 시점에 한정된 현재가치다. 시점 2 이후 공헌을 포함하지 않았으므로 완전한 생애가치라고 부르지 않는다. 2014년 논고가 강조하는 기간 범위의 구분을 계산의 이름에도 반영한다.
할인은 먼 시점의 금액을 현재 시점으로 환산하는 과정이다. 유지 확률을 곱하는 일과는 다르다. 유지 확률은 돈이 발생할 관계가 남아 있는지에 관한 가정이고, 할인은 발생 시점에 관한 가치 환산이다. 기간 단위를 바꾸면 유지율과 할인율도 그 단위에 맞춰 다시 정의해야 한다.
유지 가정이 가치 순위를 바꾼다
B의 유지율을 85%에서 60%로 바꾸면 시점 1·2의 생존 확률은 0.6·0.36이다. 같은 비용·공헌·할인 조건에서 가치는 8,000 + 4,800/1.1 + 2,880/1.21 − 14,000 ≈ 744원으로 줄어든다. 고객을 새로 관찰한 결과가 아니라 입력 가정을 바꾼 민감도 분석이다.
PM이 보고서에서 받아야 할 것은 하나의 소수점 정밀한 값만이 아니다. 어떤 가정의 변화가 결정을 바꾸는지, 그 가정을 뒷받침할 관찰 기간이 충분한지 알아야 한다. 특히 신규 제품에서는 초기 고객이 오래 남을 사람들 위주로 모였을 수 있고, 가격·지원 정책이 바뀌면 과거 공헌도 유지되지 않을 수 있다.
유지 가정이 달라지면, 가치도 달라진다.
B의 조건부 유지율·공헌·획득비를 바꾸어 A와 비교한다. 할인율은 두 고객에게 똑같이 적용한다.
B 유지율을 60%로 낮춰 본 뒤 다시 올려 보자. B가 A보다 높아지는 조건은 얼마인가? 그 조건을 뒷받침할 자료는 무엇인가?
고정한 조건시점 0·1·2만 계산한다. A의 공헌 10,000원, 획득비 12,000원, 유지율 50%는 고정한다. 종료 후 복귀와 시점 2 이후 공헌은 없다.
조건을 바꾸면 분자·분모와 계산 결과가 이곳에 나타난다.
기대 공헌을 할인한 제한 기간 현재가치다. 고객 한 명의 실현 이익, 완전한 생애가치, 정책의 증분 효과를 뜻하지 않는다.
원본 정적 그림 보기
평균 유지율을 모든 고객에게 동일하게 적용하는 것도 가정이다. 오래 남는 집단과 빨리 떠나는 집단이 섞여 있으면, 시간이 지날수록 남아 있는 고객의 구성이 바뀐다. 이때 전체 조건부 유지율의 상승을 모든 고객의 관계가 강화되었다고 해석할 수 없다. 13·16장의 구성비 설명과 연결하여 집단별 이력을 검토한다.
계약형과 비계약형의 관찰 차이
계약형 관계에서는 정한 해지·만료 사건을 관찰할 수 있다. 다만 유예·재계약·일시 중단을 종료로 볼지는 정의해야 한다. 비계약형 구매에서는 지난달 주문이 없다는 사실만으로 관계가 끝났는지 알기 어렵다. 계절성·구매 주기·재고 보유량 때문에 오래 쉬었다가 돌아올 수 있다.
이 차이는 고객가치의 유지 가정에 영향을 준다. 계약 해지율을 관찰할 때 쓰는 계산을 비계약형 방문 공백에 그대로 적용하면 아직 살아 있는 관계를 끝난 것으로 분류할 수 있다. 반대로 과거 구매자가 모두 언젠가 다시 살 것이라 가정하면 가치가 과대 추정될 수 있다. 문제에 맞는 관찰과 모형을 선택해야 한다.
Fader와 Hardie의 고객 유지 연구는 계약형 상황과 생존분석의 연결을 명시한다. 이는 구체적인 문제와 분석 방법의 연결을 확인할 수 있는 문헌 사례다. 모든 리텐션 지표가 생존분석과 동일하다거나 모든 고객에게 같은 종료 모형을 쓴다는 뜻은 아니다. 연구자의 원고 안내 · S35.
고객가치 모형을 정책에 사용하는 조건
CLV는 고객을 고정된 등급으로 낙인찍는 값이 아니다. 현재 정책과 관찰 정보 아래의 추정치이며, 서비스 품질·가격·지원이 달라지면 결과도 달라질 수 있다. 과거 지원 비용이 높은 집단을 제외하는 정책은 당장의 계산을 바꾸지만, 문제의 원인이 불편한 설계나 접근성 부족인지 확인할 기회를 없앨 수 있다.
고객가치가 높은 집단을 찾아냈다는 것과 그 집단에 추가 예산을 쓰면 이익이 증가한다는 것도 다른 주장이다. 이미 구매할 고객에게 추가 혜택을 지급하면 전체 공헌은 줄 수 있다. 정책의 증분 효과는 17·18장의 비교 문제로 다룬다. 예측값을 사용할 의사결정과 개입 효과의 근거를 별도 항목으로 기록한다.
가정표에는 대상, 계약 상태, 기준 시점, 예측 기간, 공헌 범위, 획득 비용 처리, 할인 단위, 유지·빈도 모형, 누락 자료, 검증 시점을 적는다. 이후 코호트에서 예측과 실현 공헌을 대조하고 집단별 오차를 확인한다. 예측이 틀렸을 때 단순히 ‘고객 질이 나빠졌다’고 결론 내리지 않고 가격·비용·관찰·모형 변화의 기여를 조사한다.
고객기반 가치는 이 정의가 일치한 고객가치를 합산할 때 의미가 있다. 서로 다른 기준 시점의 값이나 획득비 차감 전후의 값을 섞지 않는다. 미래 신규 고객을 포함한다면 그 모집 비용과 획득 시점도 새 가정으로 적는다. PM의 보고서에는 관측 공헌, 제한 기간 예측, 더 먼 기간의 시나리오를 구분하여 제시한다.
연습문제
- 거래·고객·고객기반·회사의 가치가 서로 다른 이유를 쓰라.
- RFM을 정의하고 RFM 점수가 같아도 미래 공헌이 다를 수 있는 조건을 적으라.
- H05의 시점 1·2 생존 확률과 기대 공헌을 계산하라.
- A·B의 획득비 차감 후 제한 기간 현재가치를 계산하라.
- B 유지율을 60%로 바꾸어 계산하고 결과의 성격을 설명하라.
- 이 예제의 값을 완전한 CLV로 부르기 어려운 이유와 비용 경계를 쓰라.
- 비계약형 서비스에서 한 기간 구매가 없다는 사실을 해지로 처리할 때의 문제를 설명하라.
- 고객가치에 따른 혜택 정책의 예측 검증과 증분 효과 검증을 나누어 설계하라.
근거와 다음 장
S10은 초록·도입부, S12는 서지·초록, S11·S35는 출처 장부의 지정 범위 안에서 사용했다. RFM→CLV, IMC→CLV의 단일 직접 계보를 주장하지 않는다. H05는 논문 추정의 재현이 아닌 교육용 산술 모형이다. 06장은 시간·개입·환류를 다루는 서로 다른 방법의 배경을 연결한다.