SaaS 사업에서의 이탈률 분석 Part 2

단순 Churn을 넘어, Cohort & Early Churn까지

지난 Part 1에서는, SaaS 사업을 관리함에 있어 단순히 '신규 유입률 (New Customer Acqusition Rate)'와 '이탈률(Churn Rate)'만을 주시할 경우 발생할 수 있는 위험과 함께, 특히 사업 초기에 관리해야 할

초기 이탈률 (Early Churn Rate)에 대해 살펴보았습니다.

https://brunch.co.kr/@weekendlibrary/53

이번 글에서는 초기 이탈률과는 반대로, SaaS 사업의 지속적인 성장 동력과 체력을 가늠하는 장기 고객 이탈률에 대해 살펴보겠습니다.

장기 고객 이탈률 (Long-Term Churn Rate)과 이탈까지의 기간 분포 (Time-to-Churn Distribution)

장기 고객 이탈률(Long-Term Churn Rate)'은 오랜 기간 사용한 고객의 이탈을 의미하며, 장기 고객 이탈률이 높다는 것은 서비스의 지속적인 가치 제공과 성장 동력에 대한 심각한 문제를 시사합니다.

장기 고객 이탈률도 마찬가지로 코호트 분석을 통해 계산할 수 있으며, 경과 기간(N)을 다르게 하여 각 기간별 이탈자 분포와 고객 생애 기간(Life Time)을 유연하게 확인할 수 있습니다.

'장기'라고 얘기할 만한 기간의 기준은 SaaS 비즈니스 모델에 따라 다릅니다. 보통 3개월에서 1년 단위의 계약을 하는 B2B 서비스의 경우는 1년 이상은 되어야 '장기' 사용자라 할 수 있는 반면, 월 단위 구독 계약인 B2B2C 유형의 경우에는 잦은 이탈과 재가입이 관찰되는 경우가 많은 만큼 만 6개월을 '장기'로 볼 수도 있을 것입니다.

만일 1개월 이상 단기 사용자부터 1년 이상 사용하시는 분들까지, 서비스 사용자의 사용 기간 분포를 알고 싶다면, 현 시점 기준으로 12개월 전을 기준 시점으로 하여, 해당 월에 가입하신 사용자들을 대상으로 N을 1부터 12로 변화시켜 코호트 이탈률을 계산해보면, 12개의 슬롯으로 이루어진 일종의 히스토그램을 그려볼 수 있습니다. 예를 들어 이 글을 쓰고 있는 25년 12월에 해당 분석을 하고 싶다면, 24년 12월 가입자를 대상으로, N=1 (가입 후 1개월 내 이탈률), N=2 (가입 후 2개월 내 이탈률), ... N=12 (가입 후 12개월 내 이탈률)을 구한 후 12개 슬롯으로 구성된 막대 분포 그래프를 그릴 수가 있습니다. 이러한 이탈 분포 그래프와, 현재까지 사용 중인 잔존율(Retention Rate)을 함께 활용해 이탈 고객의 특성을 파악하는 것입니다. 보통 고객 생애 가치(LTV)를 구할 때는 평균 생애 기간을 이용하지만, 서비스 초기 (런칭 후 1~2년)에는 데이터가 충분하지 않아 서비스의 평균 생애 기간을 바로 정의하기 어렵습니다. 이때는 이와 같은 이탈까지 기간 분포, 즉 이탈 히스토그램 (Churn Histogram)을 이용해 서비스 현황을 이해하고 전략을 수립하는 데 도움이 됩니다.

이탈 분포 및 잔존율

장기 고객의 이탈은 초기 이탈과 달리 단순히 온보딩 문제로 치부할 수 없으며, 제품의 성숙도나 시장 상황의 변화와 직결됩니다. 만일, 이탈 히스토그램에서 일정 개월 이상 사용하다 이탈한 장기 고객의 이탈 비율이 높다면 다음과 같은 가능성을 의미합니다.

가치 정체 (Stagnation of Value): 고객이 더 이상 제품에서 새로운 가치나 개선된 효율성을 느끼지 못하고 있음을 의미합니다. 고객의 요구사항은 발전하는데 제품이 그 속도를 따라가지 못할 때 발생합니다.

경쟁 우위 상실: 경쟁사 제품이 존재할 경우, 경쟁사 제품이 더 혁신적인 기능이나 더 나은 가격 구조를 제공하기 시작하여, 기존 고객이 제품의 '전환 비용(Switching Cost)'을 감수하고도 떠날 만큼 경쟁사 제품의 매력을 느끼는 상황입니다.

고객 성장에 따른 미스매치 (Outgrowing the Product): 특히 B2B SaaS의 경우, 고객사가 성장하면서 제품의 기능이나 확장성(Scalability)이 고객의 새로운 니즈를 충족시키지 못하는 경우입니다.

물론, 일부 고객은 해당 SaaS를 사용할 비즈니스를 더이상 운영하지 않아 이탈하는 경우도 일부 존재합니다. COVID19와 같이 전 세계적인 불황이 갑자기 확산하던 시절에는, 안타깝게도 이러한 불황이 이커머스와 관련된 SaaS 고객에게도 영향을 미쳐 이탈로 이어지는 경우가 있었습니다.

하지만 일반적으로는, 위에서 기술한 것과 같이 장기 고객 이탈은 제품-시장 적합성의 장기적 문제 또는 경쟁 우위 상실을 의미하므로, 코호트 분석을 통해 이탈 시점의 상황과 원인을 파악하고, 이탈 전에 선제적으로 고객에게 개입하는 것이 매우 중요합니다.