[주요 BM 2] 서비스형 소프트웨어 (SaaS)
Data Analytics
이 글은 Lean Analytics: Use Data to Build a Better Startup Faster (Lean Series)내 내용을 추가, 번역, 의역, 재구성한 글입니다.
[서비스형 소프트웨어(SaaS, Software as a Service)란?]
서비스형 소프트웨어(이하 SaaS)란, 사용자의 요구에 따라 소프트웨어를 제공하는 회사로, 일반적으로 회사의 웹사이트 내에서 소프트웨어 서비스의 전달이 이루어진다. 예를 들어, 구글의 지메일(Gmail), 마이크로소프트의 아사나(Asana)처럼 웹사이트 내에서 원하는 형태의 소프트웨어를 사용하는 것이다.
[SaaS 사업의 수익원]
대부분의 SaaS 업체들은 월별(또는 월간) 구독료를 과금하는 방식으로 수익을 창출한다. 하지만 기간 기준 과금이 절대적인 것은 아니다. 소프트웨어의 형태에 따라 사용량(consumption, usage), 대역폭(bandwidth), 연산 사이클(computing cycle) 기준으로 과금하기도 한다.
그리고 이러한 과금 모델은 사용자의 서비스 사용 수준에 따른 계층/단계적인 과금(tiered model)을 진행한다. 모든 사업이 가격에 대해 신중해야 하듯, SaaS 사업은 이러한 과금 계층의 구성과 금액 수준을 최적화 시키는 것이 지속적인 과제다.
[SaaS 사업의 비용적 특징]
SaaS 사업은 추가 고객 확보에 따른 비용 증가(incremental cost of adding another customer)가 적은 편이다. 그래서 많은 SaaS 기업들이 기본 기능은 무료로 제공하고 추가 기능들에 대해서는 과금하는 프리-미엄(freemium) 모델을 차용한다.
*추가 고객 확보에 따른 비용 증가는 고객을 데려오는 데에 드는 비용인 고객 획득 비용(acquisition cost)과 다른 개념입니다.
사용자들은 제한된 무료 버전 서비스를 사용할 것이고, 이 무료 버전의 사용량/기능이 부족하면 자연스럽게 수익이 발생하는 것이다. 예를 들어, 피그마(figma)는 무료 사용자의 경우 3개의 작업 파일을 초과해서 생성할 수 없다. 더 많은 파일과 페이지가 필요한 경우에는 구독을 해야 한다.
[SaaS 사업의 주요 지표]
아래의 지표들은 SaaS 서비스에서 고객이 거치는 자연스러운 순서들과 맞닿아 있다. 이 지표들은 SaaS 사용 퍼널들의 주요 사항들을 측정하여, 퍼널의 어떤 부분에서 사업적 위험이 발생하는지 인지할 수 있도록 도울 수 있다.
모든 지표가 동일한 우선순위를 가질 수 없음을 꼭 인지해야 한다. 현재 상황에서 위험을 최소화시키고, 사업이 주력해야 하는 지표는 무엇인지를 파악한 후 집중하는 것이 사업 성공의 핵심이다.
(1) 주목도(Attention): 비즈니스가 방문자를 유치하는 효과성
- 예시: 웹사이트 방문자 수, 광고 클릭률(CTR), 소셜 미디어 팔로워 수, 검색엔진 순위 등
(2) 등록률(Enrollment): 서비스 마케팅을 위해 이러한 모델 중 하나에 의존할 경우, 방문자가 무료 또는 체험 사용자가 되는 비율
- 예시: 무료 체험 신청률, 이메일 구독자 전환율, 랜딩 페이지 전환율 등
(3) 고착도(Stickiness): 고객이 제품을 사용하는 정도
- 예시: 일간 활성 사용자 수(DAU), 월간 활성 사용자 수(MAU), 평균 세션 시간, 사용자당 평균 로그인 횟수 등
(4) 전환율(Conversion): 사용자가 유료 고객이 되는 비율과 그 중 더 높은 요금제로 전환하는 비율
- 예시: 무료에서 유료로의 전환율, 기본 요금제에서 프리미엄으로의 전환율, 업그레이드 제안 수락률 등
(5) 고객당 수익(Revenue per customer): 일정 기간 내 고객이 가져오는 수익 금액
- 예시: 월 평균 매출(ARPU), 고객 생애 가치(LTV), 연간 반복 매출(ARR), 계정당 연간 계약 가치(ACV) 등
(6) 고객 획득 비용(Customer acquisition cost): 유료 사용자를 확보하는 데 드는 비용
- 예시: 마케팅 비용 대비 신규 고객 수, 영업 비용 대비 신규 고객 수, 채널별 고객 획득 비용, CAC 회수 기간 등
(6) 바이럴성(Virality): 고객이 다른 사람을 초대하고 입소문을 내는 가능성과 그 소요 시간
- 예시: 바이럴 계수, 추천 프로그램 참여율, 소셜 미디어 공유율, 입소문(WOM) 마케팅 효과 등
(7) 상향 판매(Upselling): 고객의 지출 증가 요인과 빈도
- 예시: 크로스셀 성공률, 업셀 성공률, 추가 기능 구매율, 번들 상품 전환율 등
(8) 가동 시간 및 신뢰성(Uptime and reliability): 회사가 받는 불만, 문제 해결 요청, 또는 서비스 중단 건수
- 예시: 서비스 가용성 비율, 평균 복구 시간(MTTR), 고객 지원 티켓 해결 시간, 시스템 오류 발생 빈도 등
(9) 이탈률(Churn): 일정 기간 동안 떠나는 사용자 및 고객의 수
- 예시: 월간 고객 이탈률, 매출 이탈률, 코호트별 이탈률, 이탈 위험 고객 비율
(10) 평생 가치(Lifetime value): 고객의 전체 생애 주기 동안의 가치
- 예시: 고객 유지 기간, 누적 고객 가치, LTV:CAC 비율, 고객 세그먼트별 LTV
[SaaS 사업의 가장 큰 위험: 고객 획득 비용(CAC, Cost of Acquisition)과 이에 대한 수익]
실패하는 SaaS 회사들은 고객을 데려와서 얻는 수익에 비해 고객 획득 비용이 현저하게 높은 경우가 많다. MAU, DAU가 높다고 홍보하는 회사들이 많지만, 실제 사용자들이 회사에게 가져다주는 총 수익이 적자라면 사업은 지속가능하지 않다.
그렇기 때문에 SaaS 사업에서 처음에 집중해야 할 것은 ‘수익성(profitability)’다. 복잡한 재무 지표를 보려고 하지 말고, 일단 단순하게 매출과 비용부터 보는 것이 좋다. 본격적으로 확장하기 전, 고객 생애 가치(CLV, Customer Lifetime Value)가 확실이 고객 획득 비용보다 높다고 판단할 수 있을 때 확장해야 한다. 높은 고객 비용이 발생하는 상태에서 확장하면, 비용이 천문학적으로 더 늘어날 뿐이다.
수익이 나지 않는다고 해서 사업을 완전히 접을 필요도 없다. 분명히 만든 SaaS의 인접 시장에서 더 높은 수익성을 안겨다 줄 제품 기회가 도사릴 것이다. 기존 제품에서 실패한 것들에서 배우고, 이를 활용하여 폭발적인 성장의 기회를 찾는 것도 사업을 하는 사람으로서 필요한 역량이다.
[SaaS 사업의 사용자 점착도와 참여: 일상성과 습관, 그리고 세그멘테이션]
소프트웨어형 제품의 점착도에서 가장 중요한 것은 ‘사용자의 일상에서 습관처럼 사용될 수 있는가’다. 가장 최고의 궁극적인 참여 지표는 ‘매일 사용’하는 것이겠지만, 사용 맥락에 따라 ‘일상적인 습관적 사용’은 ‘매일’이 아닐 수 있다. 예를 들어, 세금 계산이나 프로토타이핑과 같은 툴들처럼 말이다. 즉, 사용자의 사용맥락과 밀접한 곳에서 빈번한 사용 빈도를 이끌어낼 수 있는 제품이어야 한다는 것이다.
일상적으로 습관처럼 사용되는 제품을 만드려면, ‘높은 목표와 기준’를 가지고 ‘측정’할 수 있어야 한다. 단순히 방문 빈도만 측정하는 것이 아니라, 사용자가 주에 몇 번 로그인 하는지, 로그인 한 후 얼마만큼의 체류 시간을 가졌는지, 서비스에서 어떤 것을 사용했는지, 기능을 의도한대로 사용했는지에 대해서 종합적으로 분석해야 한다.
그리고 이러한 분석은 반드시 세그멘테이션과 함께 진행되어야 한다. 여러 인구 통계학적 특성, 사용행동적 특성들을 적용해면서 집단 분류에 대표성을 가질 수 있는 기준을 찾아 분석에 의미있는 기준들을 찾아나가는 것이 필요하다. 또한, 만약 A/B 테스트를 진행한다면, 실험군과 대조군을 마련하여 효과를 통계적으로 확인하는 것이 권장된다.
[SaaS 사업에서의 이탈률과 주의사항]
(1) 이탈률의 정의
이탈률은 서비스 사용을 포기한 사람들의 비율을 의미한다. 일반적으로 ‘이탈했다’고 적용하는 기준은 (1) 계정을 탈퇴하거나 90일 이상 돌아오지 않는 경우, (2) 결제를 중지하는 경우, (3) 유료에서 무료 버전으로 전환하는 경우다.
이탈률은 일반적으로 주간, 월간, 분기 등 기간을 기준으로 측정되며, SaaS의 서비스적 특성에 적합한 기간을 적용하여 측정해야 한다. 또한, 일반 사용자, 유료 사용자와 같은 사용자/고객적 특성에 따라 분류해야 한다.
쇼피파이(Shopify)의 데이터 사이언티스트 스티븐 노블(Steven Noble)은 간단하게 계산하는 이탈률은 다음과 같이 계산한다고 말했다.
이탈률 = {(해당 기간 동안의 이탈자수) / (해당 기간 시작점에서의 고객수)} * 100
위의 예시에서 유료 사용자의 2월의 이탈률을 계산하면, (2/10)*100 = 20%다.
(2) 이탈률을 활용한 평균 고객 수명, 고객 생애 가치
평균 고객 수명 = 100 / 이탈률
평균 고객 수명은 평균적으로 고객이 서비스를 이용하는 기간, 즉 전체 고객 기반이 교체되는 데 걸리는 개월 수를 의미한다. 예를 들어, 20%의 이탈률을 가진 서비스의 고객군이라면 100/20 = 5개월 정도에 고객이 모두 사라질 것을 의미한다.
평균 고객 수명은 ‘고객 생애 가치(CLV, customer lifetime value)’를 계산 하는 데에 유용한 시작점이 될 수 있다. 고객의 평균 수명에 고객당 평균 매출을 곱하여 미래 예상 총 매출을 간단한 방식으로 도출하고, 고객 수로 나누어 각 고객당 생애 가치를 계산할 수 있다.
(3) 이탈률의 계산의 정교화
간단한 이탈률 계산의 경우, 고객의 수가 큰 폭으로 변화하는 사업의 경우에는 이탈률이 잘못 계산될 가능성이 크다. 다시 말해, 이탈률은 일반적으로 기간의 ‘단면(snapshot)’을 기준으로 계산하고 그 크기나 사용자의 특성을 반영하지 않기 때문에, 정규화되지 않아 실제와 크게 벗어날 가능성이 크다.
위의 예시를 보면, 분모가 되는 고객 수는 기간 종료시에 큰 폭으로 늘었으나, 기준점이 기간 시작점이라 20%라는 큰 이탈률이 적용되는 것이다. 이를 방지하고자 다음과 같은 계산법을 쓴다.
평균 고객 수를 사용한 이탈률 = {(해당 기간 동안의 이탈자수) / (해당 기간 시작점과 종료점의 고객 수 평균)} * 100
위에서 봤던 예시에 다시 적용해보면, 기존에는 (20/100) * 100 = 20%였지만, 평균 고객수를 활용하면 (20/150) * 100이 되어 13.33%의 이탈률이 계산된다.
하지만 달 단위처럼 이탈률 계산 기간이 넓어지는 경우, 평균 계산 또한 중간 시기의 고객 수치를 왜곡하거나, 전달의 이탈이 이번 달에 계산이 되어 이탈에 대한 대응이 늦어질 수 있는 위험성이 크다. 그렇기 때문에 더욱 정확한 이탈률을 측정하고 빠르게 대응하려면, 코호트 분석을 기반으로 이탈률을 계산하고, 이탈을 매일 측정하는 것이 좋다.
[총 정리]
린애널리틱스: 6가지 주요 BM
[주요 BM 1] 이커머스 (E-commerce) https://brunch.co.kr/@uxn00b/271
[주요 BM 2] 서비스형 소프트웨어 (SaaS) https://brunch.co.kr/@uxn00b/273
[주요 BM 3] 모바일 앱 (Mobile App) https://brunch.co.kr/@uxn00b/276
[주요 BM 4] 미디어 사이트 (Media Site) https://brunch.co.kr/@uxn00b/277
[주요 BM 5] UGC 미디어 (UGC Media) https://brunch.co.kr/@uxn00b/279
[주요 BM 6] 양면형 시장 (Marketplace) https://brunch.co.kr/@uxn00b/280
