매출 분석 (2) ARPPU를 이용하여 매출 분석하기
입사한 지 약 6개월이 된 신입 데이터 분석가인 여러분! 이전 글에서 저와 함께 업셀링, 크로스 셀링에 대해 공부를 하고 회사에 갔는데, 팀장님께 새로운 업무를 하나 받았습니다.
1월보다 2월에 매출이 50% 증가했는데, 왜 증가했을까요? 분석해서 다음 주까지 결과 공유해줘요.
매출 분석은 아직 공부하지 못했는데…! 매출 분석 업무를 주셨네요. 매출 분석에 사용하는 지표와 이를 이용하여 매출을 분석하는 방법, 그리고 매출 분석을 전개해 나가는 과정을 이번 글에서 공부하고 이 업무를 해결해 봅시다!
매출을 쪼개서 분석하자
팀장님이 말씀하신 ‘매출’을 쪼개서 보면 매출의 변동 원인을 파악하기가 쉽습니다. 그럼, 매출은 어떻게 나눠볼 수 있을까요?
회사의 전체 매출은 각각의 고객이 낸 매출의 합으로 표현할 수 있습니다. 여기서 고객당 매출액, ‘객단가’라고도 불리는 지표가 두 가지 있습니다. 하나는 ARPU, 다른 하나는 ARPPU 인데요. 비슷한 철자인데, ARPPU에 ‘P’가 하나 더 있는 걸 보실 수 있죠. 각각의 의미와 계산식은 아래와 같습니다.
아래 도표를 보면 이해가 더 쉬우실 텐데요.
매출분석_활성사용자.jpg
일반적으로 서비스의 전체 활성 사용자는 구매하지 않은 사용자와 구매를 한 고객으로 나눠볼 수 있습니다. 전체 활성 사용자로 매출을 나누면 ARPU, 구매 고객만으로 나누면 ARPPU입니다. 구매 고객의 수는 항상 전체 활성 사용자 수보다 적기 때문에 당연히 ARPPU가 ARPU보다 더 크게 집계됩니다. 만약 무료로 사용할 수 없고 구매를 해야만 사용할 수 있는 서비스가 있다면 ARPU와 ARPPU는 같을 거예요.
매출 증가 시나리오 3가지
앞에서 ARPPU가 전체 매출액을 구매 고객 수로 나눈 값이라고 했죠.
ARPPU = 전체\ 매출액\ /\ 구매\ 고객\ 수 
이 수식을 전체 매출액 관점으로 수정해 볼게요. ARPPU에 구매 고객 수를 곱하면 전체 매출액이 됩니다. 
전체\ 매출액 = ARPPU\times  구매\ 고객\ 수
그럼, 매출액이 증가했을 때 세 가지의 시나리오를 생각해 볼 수 있습니다. 기본적인 분석 방법의 이해를 위해 간단한 수치로 살펴보겠습니다.
1. 구매 고객 수 증가
먼저 ARPPU는 전 월과 동일하고 구매 고객 수가 증가한 경우를 살펴보겠습니다.
쉬운 이해를 위해 1월과 2월의 ARPPU가 1,000원으로 동일하다고 설정했습니다. ARPPU가 동일한데 구매 고객 수가 전 월보다 증가했다면 전체 매출액이 증가합니다.
물론 실무에서는 이 예시처럼 전 월의 ARPPU와 당 월의 ARPPU가 완전히 동일하지 않은 경우가 대부분입니다. 완전히 동일하지 않아도 수치가 거의 비슷하거나, 때로는 전 월보다 소폭 감소하기도 하는데요. 만약 ARPPU가 전 월보다 감소했다면, 구매 고객 수의 증가 폭이 ARPPU의 감소 폭보다 커야 전체 매출액이 증가합니다.
2. ARPPU 증가
이번에는 구매 고객 수는 전 월과 동일하지만 ARPPU가 증가한 경우를 한 번 볼게요. 구매 고객 수가 전 월과 동일할 때 ARPPU가 증가했다면, 전체 매출액도 증가합니다.
1번과 마찬가지로 만약 구매 고객 수가 감소했다면, 구매 고객 수의 감소 폭보다 ARPPU의 증가 폭이 커야 전체 매출액이 증가합니다.
3. 구매 고객 수 증가 & ARPPU 증가
마지막은 구매 고객 수와 ARPPU 모두 증가한 경우입니다. 구매 고객 수가 100명에서 125명으로 25% 증가하고, ARPPU가 1,000원에서 1,600명으로 60% 증가했다면 전체 매출액이 두 배 증가합니다.
이 방법을 따라 분석을 해보니, 팀장님이 말씀하신 2월 매출은 구매 고객 수와 ARPPU가 모두 증가한 경우인 걸로 밝혀졌어요. 내가 매출 분석을 해냈어! 신나게 팀장님에게 가져가서 보고를 드렸습니다.
분석 잘 해봤네요. 그러면 구매 고객 수랑 ARPPU는 왜 증가한 걸까요? 각 원인도 나눠서 분석해 볼래요?
매출을 이미 구매 고객 수랑 ARPPU로 나눠봤는데, 그걸 또 나눠보라니… 어떻게 접근할 수 있을까요? 저와 한 단계 더 분석을 해보고 데이터로 낼 수 있는 해답을 같이 한 번 찾아봅시다!
시나리오별 원인 살펴보기
1. 구매 고객 수 증가
먼저 구매 고객 수가 증가한 경우를 생각해 봅시다.
위에서 봤던 도표를 다시 한번 봅시다. 전체 활성 사용자는 구매하지 않은 사용자와 구매를 한 고객으로 나눌 수 있다고 했는데요. 구매 고객이 증가한 원인을 전체 활성 사용자, 그리고 구매 고객의 비율과 연관 지어 분석해 볼게요.
매출분석_활성사용자.jpg
1-A. 전체 활성 사용자 수 증가 → 구매 고객 수 증가
첫 번째는 전체 활성 사용자가 늘어서 자연스럽게 구매 고객도 늘어난 경우입니다. 구매 고객 비율은 1월과 2월 모두 20%로 동일하다면, 전체 활성 사용자 수가 증가해야 구매 고객 수도 증가합니다. 
만약 신규 고객이 빠르게 늘면서 구매 고객의 비율이 유지되고 있다면, 전체 활성 사용자 수가 증가하는 만큼 구매 고객 수도 증가합니다. 이런 경우에는 늘어난 활성 사용자가 어디서 온 사용자인지를 살펴보시면 좋습니다. 회사에서 신규 고객 유치를 위해 집행한 마케팅이 있는지, 혹은 우리 서비스가 바이럴 된 채널이 있는지 등을 확인해 보면 전체 활성 사용자 수의 증가 원인을 파악할 수 있을 거예요. 이 분석 결과를 이용해 마케팅팀에서는 새로운 마케팅 전략을 수립할 수 있겠죠.
1-B. 구매 고객 비율 증가 → 구매 고객 수 증가
두 번째로 전체 활성 사용자 수는 전 월과 비슷하지만, 구매 고객 비율이 증가해서 구매 고객 수도 증가한 경우입니다. 전체 활성 사용자 수가 1, 2월 모두 500명이지만, 1월에는 구매 고객 비율이 20%, 2월에는 40%라면 구매 고객 수가 증가합니다.
구매 고객의 비율은 왜 증가했을까요? 1월에 구매했던 고객이 2월에도 구매하는, 구매 리텐션을 높이는 장치를 마련했을 수 있고요. 1월에 구매하지 않았던 고객을 대상으로 이벤트를 진행하거나 혜택을 제공하여, 2월에는 구매를 하도록 유도했을 수도 있습니다. 만약 카카오와 같이 이미 사용자가 많고 신규 유입이 적은 서비스라면, 이렇게 구매 고객의 비율이 증가하도록 만드는 전략을 사용해 볼 수 있습니다.
2. ARPPU 증가
이번에는 ARPPU가 증가한 경우를 보겠습니다. 여기에서 구매 패턴을 통해 증가 원인을 살펴볼 수 있어요. 아래 두 사례는 모두 ARPPU가 1월에는 15,000원, 2월에는 30,000원으로 증가한 사례인데요. 구매 패턴에 어떤 차이가 있을까요?
2-A. 전보다 자주 구매한 경우
배달의 민족, 요기요, 쿠팡이츠 같은 배달 음식 플랫폼을 생각해 봅시다. 다들 배달 음식 자주 시켜 드시나요? 제가 1월에는 배달 음식을 한 번만 시켜 먹고 15,000원을 썼는데요. 2월에도 한 번에 15,000원을 썼지만, 한 달에 2번 시켜 먹었기 때문에 저의 ARPPU는 15,000원에서 30,000원이 됩니다.
2-B. 한 번 구매할 때 더 비싼 금액을 지불하는 경우
반대로 1, 2월 모두 한 달에 한 번만 시켜 먹었지만, 1월에는 한 번에 15,000원, 2월에는 한 번에 30,000원을 썼다면, 이때도 저의 ARPPU는 15,000원에서 30,000원이 됩니다.
이렇게 구매 횟수가 증가했는지, 구매 금액이 증가했는지를 분석해보고 ARPPU의 증가 원인을 분석할 수 있습니다.
3. 구매 고객 수 증가 & ARPPU 증가
아까 팀장님에게 중간보고를 드렸던, 우리 회사의 매출 증가 원인은 구매 고객 수와 ARPPU가 모두 증가한 경우였죠. 이 경우에는 앞의 두 가지 방법을 모두 사용해서 분석하고 그 원인을 파악할 수 있어요. 지금은 매출 ‘증가’의 경우에만 얘기를 해봤지만, 매출이 감소한 경우에도 동일한 방식으로 감소의 원인을 분석해 볼 수 있습니다.
더 나아가기
‘이번 달 매출이 왜 늘었냐!’ 하는 팀장님의 질문에 이제는 답변하실 수 있을 것 같아요.
구매 고객의 비율은 비슷하지만, 전체 활성 사용자가 증가해서 구매 고객 수가 증가했습니다. 구매하는 고객들이 더 자주 구매해서 ARPPU도 증가했습니다.
전체 활성 사용자는 비슷하지만, 구매 고객의 비율이 증가해서 구매 고객 수가 증가했습니다. 한 번 구매할 때 더 큰 금액을 지불해서 ARPPU도 증가했습니다.
이런 식으로 분석 결과를 설명드릴 수 있겠죠.
사실 실무에서는 여기에서 끝내지 않고 더 구체적으로 분석해 보곤 하는데요. 매출 분석에 코호트 분석을 결합하면 더 입체적인 분석이 가능합니다. ‘코호트’는 공통의 특성을 가진 사람들의 집단을 의미합니다. ‘매출액’이라는 지표를 ‘구매 고객 수’와 ‘ARPPU’로 나누어 분석했던 것처럼, 이번에는 매출을 만들어내는 고객을 나누어 분석해 보는 것이죠. 
『그로스 해킹 (양승화 저)』

p123
 가입 기간에 따른 월별 코호트 기준으로 매 코호트의 데이터를 이렇게 쪼개서 확인하면 기간에 따른 월별 코호트 기준으로 매 코호트의 데이터를 이렇게 쪼개서 확인하면 기간에 따른 효과와 퍼널에 따른 효과를 결합해서 훨씬 더 입체적으로 매출을 분석할 수 있다.

p125
 요약된 수익화 지표 하나만 보고 의사결정을 내리기보다는 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요하다.
인용한 내용처럼 가입 기간에 따른 월별 코호트를 나눠본다면, 1) 이번 달에 가입한 신규 고객에게서 매출이 나왔는지, 2) 혹은 기존에 가입했던 고객에게서 매출이 많이 나왔는지를 살펴볼 수 있습니다. 만약 신규 고객에게서 매출이 나왔다면, 1) 기존 고객들도 우리 서비스에 가입한 첫 달에는 매출을 많이 냈는지 (= 우리 고객들의 구매 패턴이 원래 이런지), 2) 혹은 이번 달에 가입한 신규 고객만 특이한 구매 패턴을 보이는 것인지를 더 분석해 볼 수 있습니다. 만약 이번 글에서 코호트 분석을 처음 알게 되셨다면, 데이터리안의 선미님이 쓰신 코호트 분석 Cohort Analysis 글에서 그 개념과 응용 방법을 더 알아가 보세요.
또한 지금까지 얘기한 매출 분석을 실제로 하기 위해서는 우리 서비스의 전체 활성 사용자 수, 구매 고객 수, 매출 등을 직접 집계해야 합니다. 만약 우리 회사에 데이터베이스가 있고 SQL을 활용할 수 있는 환경이라면, SQL을 이용해 이 지표를 집계할 수 있습니다. SQL로 매출을 분석하고 그 결과를 해석하는 방법이 궁금하시다면 SQL 데이터 분석 캠프 | 입문반에서 학습해보세요.
이번 글에서는 매출을 구매 고객 수와 ARPPU로 나누어 분석해 보았습니다. 다음 글에서는 LTV(고객 생애 가치), LTR(고객 생애 매출)이 왜 필요하고 어떻게 계산하는지를 알아보며 매출 분석 시리즈를 마무리해 볼게요🙌
참고 자료
카카오 선물하기의 급성장을 만든 4개의 변화
그로스 해킹 : 데이터와 실험을 통해 성장하는 서비스를 만드는 방법 (양승화 저)
# 데이터리안 세미나 [실무에서 바로 써먹는 데이터 분석 스킬] 에서 발표한 내용을 재구성한 글입니다.


conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

매출과 관련한 전문용어는 왜 이렇게 많은 걸까요? 매출을 내는 일이 회사에서 가장 중요한 일이기 때문입니다.

매출 분석 (0) 10배 이상 뛰어난 데이터 분석가가 되는 법

우리는 이 판매 전략에 오늘도 넘어가고 있습니다. 분석가는 이 전략을 왜 알아야 할까요?

매출 분석 (1) 업셀링(Upselling), 크로스셀링(Cross-selling) 알아보기

이번 달 매출은 왜 증가했을까요? 단계별로 나눠서 분석을 진행해 봅시다.

매출 분석 (2) ARPPU를 이용하여 매출 분석하기

실무에서는 추산이 들어가야 하는 1인당 평균 서비스 비용, 고객 유지 비율을 생략하고 고객 당 매출을 빠르게 계산하는 경우가 많습니다

매출 분석 (2) ARPPU를 이용하여 매출 분석하기

Contents

데이터 분석 소식을
매월 받아보세요

💰 매출 분석 모아보기

함께 읽어보면 좋은 글

롤링 리텐션 Rolling(Unbounded) Retention

파워 유저 커브(스마일 커브)

카톡 제쳤던 그 사이드프로젝트, 유저 그로스를 하지 않기로 했다

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

매출 분석 (2) ARPPU를 이용하여 매출 분석하기

Contents

데이터 분석 소식을 매월 받아보세요

💰 매출 분석 모아보기

함께 읽어보면 좋은 글

롤링 리텐션 Rolling(Unbounded) Retention

파워 유저 커브(스마일 커브)

카톡 제쳤던 그 사이드프로젝트, 유저 그로스를 하지 않기로 했다

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요