SaaS 사업에서의 이탈률 분석 Part 1
단순 Churn을 넘어, Cohort & Early Churn까지
대부분의 소프트웨어 스타트업은 SaaS(Software as a Service) 모델을 기반으로 사업을 전개합니다. 그리고 SaaS의 미래를 결정짓는 핵심 지표는 결국 얼마나 많은 고객이 들어오고, 얼마나 적게 떠나는가에 있습니다.
순증(Net Growth) 고객이 꾸준히 플러스가 되는 순간부터 서비스는 성장 궤도에 오릅니다. 반대로 떠나는 속도가 유입보다 빠르면, 아무리 좋은 기능을 쌓아가더라도 사업은 버티기 어렵습니다. 그래서 우리는 가장 기본적으로 '신규 유입률 (New Customer Acqusition Rate)'와 '이탈률(Churn Rate)'을 주시합니다.
신규 유입률은 일정 기간 동안 새롭게 들어온 고객 비율을, 이탈률은 기존 고객 중에서 떠난 비율을 의미합니다. 얼핏 보면 이 두 지표만으로도 충분히 사업의 상태를 판단할 수 있을 것처럼 보입니다.
하지만 여기에는 간혹 착시가 존재합니다.
단순한 유입과 이탈의 비율만으로 서비스를 평가하면, SaaS 특유의 고객 패턴으로 인한 리스크를 제대로 읽지 못하게 되고, 결국 잘못된 판단으로 이어질 수 있습니다. 그리고, 이 오해는 성장 기회를 놓치는 치명적 오류가 되기도 합니다.
본 글에서는 이 함정을 피하기 위해 필요한, '코호트 이탈률 분석(Cohort Churn Analysis)'과 '초기 이탈률(Early Churn Rate)' 등 보다 정교한 지표의 중요성을 이야기해 보고자 합니다.
만일 어떤 서비스의 사용자 이탈률이 '3%'라고 한다면, 이 정도의 이탈률은 높은 걸까요? 낮은 걸까요?
SaaS 사업 초기에는, (상품이 시장에 적합하다면) 마케팅 활동에 따라 신규 사용자 규모가 계속 증가하다가 일정 시간에 다다르면 유사한 규모의 신규 사용자가 꾸준히 유입되는 패턴을 보이게 됩니다. 만일 이탈이 없다고 가정한다면, 이와 같은 유입 특성은 SaaS 사업이 'J'자 커브를 그리며 성장하는 이상적인 모습을 만들어냅니다.
그런데, 사용자 규모가 어느정도 도달하면 이탈자도 눈에 띄가 증가하면서, 사용자 규모가 늘어날 수록 이탈자 규모도 증가할 가능성이 높아집니다. 보통 얘기하는 '이탈'이 고정적이라면 사용자 규모에 비례해 이탈이 증가한다는 의미가 되겠지요. 문제는, 이탈은 사용자 규모에 따라 증가하는 반면, 신규 유입은 사용자 규모가 증가한다고 해서 함께 늘어날 이유는 없습니다. 신규 유입은 어디까지나 상품이 얼마나 매력적인가와 마케팅 활동에 의해 결정되지요. 따라서 시간이 지날수록 신규 유입 규모는 한계에 다다른 후 일정 규모를 유지할 가능성이 높은데, 이탈률이 고정이라면 사용자 규모가 늘어남에 따라 언젠가 이탈 규모가 신규 유입 규모를 넘어서게 될 것입니다. 그 순간부터 사업은 성장이 아닌 하락 방향으로 돌아서게 되겠지요.
때문에 이탈률이 몇%이면 안정적인가 라는 질문은 옳지 않습니다. 시간이 지나 사용자가 늘어나더라도 이탈규모가 함께 증가하지 않아 이탈률은 계속 줄어드는 구조를 만드는 것이 중요합니다.
이와 같이 마케팅 못지 않게 이탈률을 관리하는 것은 SaaS 사업의 성패에 있어 매우 중요합니다.
하지만, 앞서 말씀드린 것과 같이, 단순히 하나의 이탈률 지표를 관리하는 것만으로는 관리에 필요한 정보가 충분하지 않기 때문에 이탈률 관리가 어렵습니다. 이탈의 성격을 보다 세분화해서 살펴볼 필요가 있습니다.
초기 이탈률 (Early Churn Rate)
SaaS 업계의 연구 및 데이터에 따르면, 고객 생애 주기 중 첫 3개월(First 90 Days) 내에 발생하는 이탈이 전체 이탈의 40% ~ 60% 이상을 차지하는 것이 일반적입니다. 이와 같이 초기 이탈 고객이 전체 월별 이탈 고객 수의 절반 또는 그 이상을 차지하는 경우가 많은 이유는, SaaS 비즈니스 구조적 특성과 관련이 있습니다.
기대치 불일치 (Expectation vs. Reality): 마케팅 메시지나 영업 과정에서 가졌던 기대치와 실제 서비스 사용 경험(가치 실현, Time-to-Value) 사이에 괴리가 발생하면 이탈로 이어집니다. 많은 사용자가 해당 서비스를 제대로 이해하지 못한 채 막연한 기대치만 가지고 사용을 시작하기 때문에 초기 이탈이 쉽게 발생합니다. 이 때문에 많은 SaaS 서비스들은 초기 일정 기간 무료 체험 기간을 제공합니다.
온보딩 실패 (Onboarding Failure): 고객이 서비스의 '핵심 가치(Aha Moment)'를 경험하기 전에 온보딩 과정이 복잡하거나 불편하여 포기하는 경우가 많습니다. 때문에, 서비스 자체가 온보딩이 매우 단순하고 편해야하며, 동시에 온보딩을 지원하는 적극적인 부가 서비스가 도움이 되기도 합니다.
낮은 전환 비용 (Low Switching Cost): 특히 B2C나 저가형 B2B SaaS의 경우, 초기에는 계약 기간의 부담이 적어 마음에 들지 않으면 쉽게 해지하고 다른 대안으로 이동합니다.
SaaS 성장 관점에서 초기 이탈률은 전체 지표 중에서도 가장 먼저 개선해야 할 영역입니다.
초기 이탈 고객은 '획득 비용(CAC, Customer Acquisition Cost)'만 지출하고 '수익(LTV, Lifetime Value)'을 전혀 창출하지 못하게 만들어 투자 대비 손실이 큰 원인이 됩니다. 게다가, 초기 이탈은 서비스가 실제로 고객의 문제를 제대로 해결하지 못하고 있다는 가장 강력하고 즉각적인 신호로 작용합니다. 이는 제품-시장 적합성 (PMF: Product Market Fit)에 대한 적신호라 할 수 있기에, 반드시 초기에 정확히 파악을 해야만 합니다. 하지만 가끔은, 처음부터 해당 서비스에 적합하지 않은 Target에 대서 명확한 메시지가 포함된 마케팅이 이루어지지 않았을 경우에도 발생합니다. 다행히 후자의 경우라면, 보다 정교하고 과학적인 마케팅 활동을 통해 초기 이탈률을 개선할 수 있습니다.
초기 이탈이 높으면 첫 코호트(Cohort)의 규모와 건강성이 나빠져, 전체 고객 기반의 이탈률과 장기적인 생애가치 (LTV: Live Time Value)와 잔존율(Retention Rate)을 평가하는 데 심각한 왜곡을 초래합니다. 이러한 왜곡 때문에, 앞서 시작 부분에서 말씀드렸던 것과 같이 신규 유입률과 이탈률 만으로는 SaaS 사업의 상태를 정확히 진단하기 어렵습니다.
따라서 SaaS 사업에서 성공하기 위해서는 초기 30일~90일 동안의 이탈률을 관리하고 최소화하는 것이 전체 이탈률 관리의 핵심이라고 볼 수 있습니다.
초기 기간 동안의 이탈률을 계산하려면 코호트 이탈률(Cohort Churn Rate) 계산 방식을 사용할 수 있습니다. 코호트 이탈률은 “같은 시기에 유입된 사람들이 N 기간 이후 얼마나 이탈했는가”를 나타내는 지표입니다. 예를 들어, 8월에 신규 유입된 고객 중 10월까지 남아 있는 고객 비율은 '코호트 유지율(Cohort Retention Rate)'이 되고, 반대로 10월까지 떠난 고객 비율은 '코호트 이탈률(Cohort Churn Rate)'이 됩니다.
초기 2개월 내 이탈률(Early Churn)을 최근 3개월 평균으로 구하려면, 각 가입 월별로 2개월 이내 이탈률을 계산한 뒤 이를 평균하면 됩니다. 예를 들어, 8월 가입자의 10월 이전 이탈률, 9월 가입자의 11월 이전 이탈률, 10월 가입자의 12월 이전 이탈률을 구한 후 이 세 값을 평균내면 해당 시점의 초기 이탈률을 산출할 수 있습니다.
초기 이탈률과 더불어 살펴봐야할 개념 중에 장기 이탈률이 있습니다. Part 2 에서는 장기 고객 이탈률에 대해 살펴보겠습니다.