LTV (Lifetime Value) 뜻과 고객생애가치 계산법

🤔 고객 한 명의 값을 모른 채 광고비를 정할 때

광고비를 고객 한 명당 얼마까지 써도 되는지 정하려면 그 고객이 우리에게 얼마를 남기는지 먼저 알아야 합니다. 첫 주문 금액만 보고 판단하면 두 번, 세 번 다시 오는 고객의 값이 통째로 빠지고, 반대로 한 번 사고 떠나는 고객을 비싸게 확보하는 일도 생깁니다.

이 계산에 붙은 이름이 LTV, 고객생애가치입니다. 검색창에 LTV를 치면 주택담보대출 이야기가 함께 나오는데, 담보인정비율을 뜻하는 LTV(Loan to Value)는 약어만 같을 뿐 다른 말입니다. 이 글에서 다루는 LTV는 고객 한 명의 가치를 재는 마케팅 지표입니다.

🔑 LTV(고객생애가치)의 정의

LTV(Lifetime Value, 고객생애가치)는 고객 한 명이 거래를 끝낼 때까지 남기는 이익의 합입니다.

이름을 세 조각으로 나눠 보면 조건이 그대로 드러납니다.

• 고객 한 명: 전체 매출이 아니라 한 사람 단위로 잽니다
• 거래를 끝낼 때까지: 첫 구매 한 번이 아니라 이탈할 때까지의 기간을 전부 셉니다
• 남기는 이익: 받은 돈이 아니라 원가와 배송비, 결제 수수료를 뺀 나머지입니다

세 번째가 실무에서 가장 자주 어긋납니다. 매출을 그대로 LTV로 쓰는 곳도 많고 분석 도구의 기본 계산도 매출 기준인 경우가 있는데, 그 값은 광고비 상한을 정할 때 바로 쓰기 어렵습니다. 마진율이 30%인 사업에서 매출 기준 LTV가 30만 원이면 실제로 남는 돈은 9만 원이기 때문입니다.

🌳 고객 한 명이 남기는 값, 묘목 한 그루와 해마다 따는 열매

고객 한 명을 확보하는 일은 묘목 한 그루를 사서 심는 것과 닮았습니다. 묘목 값이 CAC이고, 나무가 해마다 내놓는 열매가 그 고객의 구매입니다.

나무 한 그루의 값은 세 가지 숫자로 정해집니다. 한 번에 몇 개나 따는지(객단가), 한 해에 몇 번 따는지(구매 빈도), 몇 해나 열매를 내는지(거래 기간)입니다. 세 가지를 곱하면 나무 한 그루가 평생 내놓는 열매의 양이 나오고, 이 값이 LTV의 뼈대입니다.

열매를 팔아 손에 쥐는 돈이 판 값 그대로가 아니라 상자값과 운임을 뺀 나머지이듯, LTV도 매출이 아니라 이익으로 볼 때 판단 근거가 됩니다. 묘목 값이 평생 따는 열매값보다 비싸면 밭을 아무리 넓혀도 적자만 커집니다.

비슷해 보이는 지표와 견줘 보면 LTV가 재는 기간이 뚜렷해집니다.

ROI가 캠페인 한 건이 남긴 성적표라면 LTV는 고객 한 명의 성적표에 가깝습니다.

📊 LTV 계산법 세 가지 비교

가진 데이터와 사업 형태에 따라 쓰는 공식이 달라집니다. 세 가지를 먼저 표로 나눠 봅니다.

단순 계산은 곱셈 두 번으로 끝납니다.

세 가지 숫자의 기간 단위를 맞추는 것이 전부입니다.

이탈률 기반은 거래 기간을 직접 세지 않고 이탈률의 역수를 대신 씁니다.

월 이탈률 5%는 고객이 평균 20개월(1 ÷ 0.05) 동안 머문다는 뜻이라, 매달 같은 금액이 들어오는 구독형 사업에 맞습니다. 다만 이탈률이 3%와 8%를 오가는 서비스라면 결과가 두 배 넘게 달라지므로, 최근 석 달 평균을 쓰고 그 기간을 함께 적어 둡니다.

마진 반영은 앞의 결과에 마진율을 곱해 실제로 남는 돈만 봅니다.

마진율 40%를 반영하면 108만 원이 43만 원으로 줄어듭니다. 광고비 상한을 108만 원 기준으로 잡았다면 팔수록 손해가 나는 구조가 됩니다.

본문의 설명용 계산입니다. 가정한 구매 빈도와 유지 기간이 실제로 지속된다는 보장은 없습니다.

⚖️ CAC와 함께 보는 기준

LTV 하나만으로는 판단이 서지 않습니다. 43만 원이 큰 값인지 작은 값인지는 그 고객을 얻는 데 얼마를 썼는지, 즉 CAC와 견줘야 정해집니다.

실무에서는 LTV와 CAC의 비가 3 대 1 이상이면 건강하다고 보는 경험칙을 자주 씁니다. 이 숫자는 어떤 기관이 정한 공식 기준이 아니라 SaaS 업계에서 굳어진 경험칙입니다. 원가 구조와 재구매 주기가 다른 업종에 그대로 옮기기는 어려워서, 참고선으로 두고 자기 데이터로 기준선을 다시 잡는 편이 맞습니다.

비가 높을수록 좋다고 보기는 어렵습니다. 10 대 1처럼 지나치게 높은 값은 쓸 수 있는 예산을 그대로 남겨 둔 상태일 때가 많아서, 광고를 늘려 비를 낮추더라도 고객 수를 키우는 쪽이 나은 경우가 있습니다. 목표 CAC를 LTV에서 거꾸로 잡는 순서는 적정 CPI 산정에서 숫자로 다룹니다.

💰 회수 기간을 함께 보는 이유

LTV가 커도 그 돈이 언제 들어오는지는 따로 봅니다. 3년에 걸쳐 들어오는 120만 원과 석 달 만에 들어오는 30만 원은 통장에 남는 모습이 다릅니다. 회수 기간(Payback Period)은 CAC로 쓴 돈을 되찾는 데 걸리는 기간입니다.

이 사업의 LTV가 40만 원이라면 LTV 대 CAC는 3.3 대 1이라 경험칙상 건강한 쪽에 들어갑니다. 그런데 묘목 값을 되찾기까지 아홉 달 가까이 걸리므로 그동안 버틸 현금이 따로 있어야 합니다. 광고를 두 배로 늘리면 회수 기간은 그대로여도 매달 빠져나가는 돈은 두 배가 됩니다.

회수 기간을 줄이는 방법은 대체로 세 가지입니다.

• 연간 결제 유도: 열두 달치를 미리 받으면 회수 시점이 첫 달로 당겨집니다
• 초기 이탈 낮추기: 첫 달 리텐션이 높아지면 같은 CAC를 회수할 확률이 올라갑니다
• 채널별 CAC 조정: 회수가 느린 채널의 예산을 빠른 채널로 옮깁니다

⚠️ 자주 하는 실수

거래 기간을 모른 채 길게 잡는 경우

문을 연 지 여섯 달 된 서비스에서 거래 기간을 36개월로 가정하면 LTV가 실제보다 여섯 배 부풀어 나옵니다. 데이터가 없을 때는 확인 가능한 기간으로 끊어 12개월 LTV처럼 이름에 기간을 붙이거나, 이탈률 기반 계산으로 짧게 잡는 편이 안전합니다.

상위 고객 몇 명이 평균을 끌어올리는 경우

고객 100명 가운데 97명이 5만 원, 3명이 500만 원을 남겼다면 평균 LTV는 19만 8천 원이지만 중앙값은 5만 원입니다. 평균만 보고 광고비 상한을 19만 원으로 잡으면 대부분의 고객에서 적자가 납니다. 평균과 중앙값을 나란히 두고, 상위 구매자를 따로 떼어 본 뒤 나머지 고객의 LTV로 예산을 잡습니다.

매출 기준 LTV를 이익 기준처럼 쓰는 경우

분석 도구가 내놓는 값은 대체로 매출 기준입니다. 그 값을 그대로 CAC와 견주면 마진율만큼 부풀어 있어서, 3 대 1로 보이던 비가 마진율 30%를 반영하면 1 대 1 아래로 내려갑니다. 어느 기준으로 판단할지 팀 안에서 하나로 정해 둡니다.

❓ 자주 묻는 질문

LTV와 CLV는 같은 말인가요?

같은 값을 가리킵니다. Customer Lifetime Value를 줄여 CLV나 CLTV로 쓰기도 합니다. 다만 회사마다 매출 기준과 이익 기준이 섞여 있어서, 약어보다 계산 기준을 문서에 적어 두는 쪽이 혼선이 적습니다.

신규 서비스도 LTV를 계산할 수 있나요?

계산은 하되 확정값 대신 가정을 함께 적어 둡니다. 재구매 주기가 비슷한 상품의 데이터로 거래 기간을 가정하고, 그 가정을 지표 옆에 기록합니다. 석 달 뒤 실제 재구매 데이터가 쌓이면 가정과 견줘 수치를 고칩니다.

LTV를 KPI로 잡아도 되나요?

잡아도 되지만 주 단위로 보기에는 맞지 않습니다. LTV는 거래가 끝나야 확정되는 후행 지표라 움직임이 느립니다. KPI를 정할 때는 LTV를 분기 지표로 두고, 그 아래에 재구매율과 월 이탈률처럼 이번 달에 바꿀 만한 선행 지표를 함께 둡니다.

업종 평균 LTV와 비교해도 되나요?

출처와 기간, 계산 기준이 함께 적힌 자료가 아니면 비교하지 않는 편이 맞습니다. 같은 업종이라도 매출 기준인지 이익 기준인지, 기간을 12개월로 끊었는지에 따라 값이 몇 배씩 달라집니다. 견줄 대상으로는 다른 회사의 평균보다 우리 사업의 지난 분기 값이 정확합니다.

📋 3줄 요약

1. LTV(고객생애가치)는 고객 한 명이 거래를 끝낼 때까지 남기는 이익의 합이고 객단가와 구매 빈도, 거래 기간을 곱해 구합니다.

2. 계산법은 단순 계산과 이탈률 기반, 마진 반영 세 가지이고 가진 데이터와 사업 형태에 따라 골라 씁니다.

3. LTV와 CAC의 비가 3 대 1 이상이면 건강하다고 보는 경험칙이 널리 쓰이지만 공식 기준이 아니라서 회수 기간과 함께 봅니다.

참고 자료

• GA4 사용자 전체 기간 정보, 애널리틱스 고객센터