Business Equation: 사업을 곱셈식 하나로 써서 가장 큰 성장 레버를 찾는 법

매출을 몇 개 변수의 곱과 합으로 쓸 수 있어야 어느 변수에 사람과 돈을 더 넣을지 고를 수 있습니다. 저자들은 8가지 사업 모델의 식을 출발점으로 내놓았습니다. 우리 회사에 쓰려면 변수마다 데이터 정의와 담당자를 붙이고 AI 과제도 그 식의 어느 변수를 움직이는지로 판정해야 합니다.

요약

Lenny Rachitsky가 Dan Hockenmaier와 함께 2024년 1월 16일 Lenny’s Newsletter에 쓴 글입니다. 주장은 하나입니다. 어떤 사업이든 단순한 식으로 쓸 수 있습니다. 그 식을 쓰지 못하면 아직 사업을 다 안다고 보기 어렵습니다. 두 사람은 기술 기업에서 흔한 사업 모델 8가지를 골라 매출 또는 ARR(연간 반복 매출)을 입력 변수의 곱과 합으로 풀었습니다. B2B SaaS가 셋(좌석 과금 bottom-up, 사용량 과금 bottom-up, 영업 주도 top-down), 소비자 앱이 둘(구독, 광고), 마켓플레이스가 둘(B2C, B2B), DTC 이커머스가 하나입니다. 모델마다 Figma와 Slack, Duolingo와 Spotify, Airbnb와 Uber 같은 대표 기업을 붙였습니다.

식을 쓰면 무엇이 사업을 움직이는 입력인지, 어떤 출력을 먼저 볼지, 변수끼리 어떻게 맞물리는지가 한 장에 드러납니다. 추적할 지표와 레버리지가 가장 큰 곳도 보입니다. 저자들은 쓰는 순서도 제시합니다. 식을 만들어 팀과 그 식으로 성장을 이야기합니다. 그다음 가장 큰 변수에 자원을 더 넣고 아직 투자하지 않은 레버 하나로 실험합니다. 마지막에는 식을 전체 growth model(성장 모델)로 키웁니다. 원가가 큰 사업이면 매출 대신 contribution margin(기여이익)을 출력으로 삼고 고객 획득 비용을 몇 달 만에 되찾는지(payback period)도 함께 보라고 합니다. 이 작업은 제품, GTM, 재무, 영업 사이에 마찰을 낳을 만큼 어렵지만 일단 합의하면 모두가 같은 레버에 힘을 모아 『force multiplier』가 된다는 것이 저자들의 설명입니다. 아래에서는 식의 뼈대와 모델별 차이, 기여이익과 payback을 풀고 AI로 식을 만들고 돌리는 방법을 덧붙입니다.

핵심 메커니즘

Business Equation: 출력 하나를 입력 변수의 곱과 합으로 쓰기

왼쪽에 매출이나 ARR 같은 출력 하나를 두고 오른쪽에 그 값을 만드는 입력을 곱셈과 덧셈으로 늘어놓은 식입니다. 덧셈은 돈이 어디서 오는지(신규, 확장, 재활성), 뺄셈은 어디로 새는지(이탈, 축소), 곱셈은 단계를 거치며 얼마나 남는지(방문, 체험, 유료 전환)를 나타냅니다. 변수 아래에는 그 변수를 움직이는 요인을 다시 매답니다. 방문자 아래에는 유료 광고, SEO, 입소문, 추천이 붙는 식입니다. 두세 층을 내려가면 맨 아래 칸이 팀이 실제로 손댈 수 있는 일이 됩니다. 저자들은 이 식이 정답이 아니라 출발점이며 회사마다 고쳐 써야 한다고 강조합니다. 가상 예시로, 방문 10만 × 체험 전환 5% × 유료 전환 20% × 계정당 3석이면 3,000석입니다. 좌석당 연 120달러면 신규 ARR은 36만 달러입니다.

ARR Bridge: 더하는 세 항과 빼는 두 항

B2B SaaS 세 모델은 같은 뼈대를 씁니다. ARR = New + Expansion + Reactivation − Churned − Contraction입니다. Expansion(확장)은 업셀한 계정 수에 평균 가격 인상을 곱합니다. 업셀은 제품 안 안내, 아웃바운드 영업, 사용 한도 도달로 일어나고 가격 인상은 좌석 증가(채용, 내부 초대), 다른 상품 교차 판매, 상위 요금제 이동, 직접 가격 인상에서 옵니다. Contraction(축소)은 좌석 감소, 요금제 하향, 부가 상품 해지이고 Reactivation(재활성)은 떠났다가 돌아온 계정과 좌석입니다. 신규 계정만 보면 이 구조가 가려집니다. 같은 고객 안에서 확장과 축소가 동시에 일어나기 때문입니다.

Funnel Product: 단계별 전환율의 곱으로 쓰는 신규 매출

신규 ARR은 퍼널 단계의 곱으로 씁니다. 좌석 과금 bottom-up(Figma, Slack, Zoom)은 방문자 × 체험·무료 전환 × 유료 전환 × 계정당 좌석 × 좌석당 가격입니다. 체험 전환은 방문에서 CTA, CTA에서 가입, 가입에서 활성화로 다시 쪼개고 유료 전환은 유료 플랜 인지, 결제 흐름 완료, 제품 가치, 리드 육성에 달려 있습니다. 사용량 과금(AWS, Datadog, Twilio)은 같은 퍼널에 새 사용량 × 사용량 단가를 곱하고 유료 단계에 인바운드 영업이나 계정 관리자가 들어갑니다. 확장도 좌석이 아니라 데이터, 고객, 사용 사례가 늘며 커지는 사용량에서 옵니다. 영업 주도 top-down(Snowflake, Salesforce, Workday)은 리드 × 적격 리드 비율 × 미팅 확정 비율 × 수주율 × ACV(평균 계약 금액)이고 보통 협상한 연간 계약으로 끝납니다.

Monetization Unit: 돈을 받는 단위가 식의 마지막 항을 정한다

소비자 앱과 거래형 사업은 앞쪽에 사람이나 거래의 양을, 뒤쪽에 단위당 받는 돈을 둡니다. 구독 앱(Duolingo, Spotify, Calm)은 ARR = (신규 + 유지 + 재활성 구독자) × 구독자당 월평균 매출 × 12이고 월평균 매출은 연간·월간 결제 비중과 프리미엄·기본 요금제 비중이 정합니다. 광고 앱(Instagram, TikTok, Snap)은 활성 사용자 × 사용자당 노출 × CPM·CPC·CPA입니다. 노출은 사용자당 세션 수와 세션당 노출(광고 부하)로 나뉘고 광고 단가는 지역, 소득, 직업, 클릭 후 구매 전환 같은 사용자 품질이 정합니다. 마켓플레이스는 거래 수 × AOV(평균 주문 금액) × take rate(거래액 중 플랫폼이 가져가는 몫)이고 DTC(Warby Parker, Glossier)는 자기 상품을 팔기 때문에 거래 수 × AOV에서 멈춥니다.

Contribution Margin: 원가가 큰 사업은 출력을 바꾼다

원가가 큰 사업은 매출이 아니라 기여이익을 키워야 합니다. 기여이익은 거래 한 건의 매출에서 모든 변동비를 뺀 값이고 식은 거래 수 × AOV × CM%입니다. gross margin(매출총이익)은 직접 변동비만 뺍니다. DTC라면 상품 원가, 인센티브, 배송비, 마켓플레이스라면 결제 처리비, 인센티브, 대손입니다. 기여이익은 여기서 거래량을 따라 늘어나는 간접 변동비, 곧 마케팅과 고객지원까지 뺍니다. 저자들은 마진 부담이 큰 사업은 보통 기여이익을 기준으로 가치가 매겨지고 마진이 높은 SaaS는 ARR 배수로 평가된다고 덧붙입니다.

Payback Period: 고객 획득 비용을 몇 달 만에 되찾나

식이 담지 못하는 핵심 지표로 저자들은 payback period를 따로 다룹니다. 계산은 CAC(고객 획득 비용) ÷ 고객당 연간 기여이익입니다. 원문 예시에서 CAC가 100달러이고 연간 기여이익이 120달러면 약 0.83년, 10개월입니다. 저자들은 LTV/CAC보다 이 지표를 선호합니다. 번 돈을 얼마나 빨리 다시 성장에 넣을 수 있는지가 바로 보이기 때문입니다. 마켓플레이스는 계산이 더 복잡해, 저자들은 Dan Hockenmaier가 따로 쓴 글로 독자를 안내합니다.

통념과 다른 주장

저자가 든 사례

원문의 사례는 한 회사의 성과 기록이 아니라 사업 모델별 대표 기업과 그 식입니다. 결과 수치는 원문에서 밝히지 않았고 아래 결과 칸에는 식이 드러내는 레버를 적었습니다.

Figma·Slack형: 좌석 과금 bottom-up SaaS

• 상황: 직원이 스스로 찾아 쓰기 시작해 팀으로 퍼지는 제품(Figma, Slack, Zoom, Adobe Creative Cloud, Asana, Jira).
• 한 일: 신규 ARR = 신규 좌석 × 좌석당 가격, 신규 좌석 = 방문 × 체험·무료 전환 × 유료 전환 × 계정당 좌석으로 썼습니다.
• 결과: 레버가 획득(광고, SEO, 입소문, 추천), 전환(가입과 활성화, 결제 흐름), 확장(채용에 따른 좌석 증가, 내부 초대, 상위 요금제)에 고루 흩어져 있음이 드러납니다.
• 연결: Funnel Product와 ARR Bridge의 사례입니다.

Snowflake·Salesforce형: 영업 주도 top-down SaaS

• 상황: 영업 담당이 경영진에게 팔고 협상한 연간 계약으로 끝나는 제품(Snowflake, Box, Salesforce, Workday, Looker).
• 한 일: 신규 ARR = 리드 × 적격 리드 비율 × 미팅 확정 비율 × 수주율 × ACV로 썼습니다.
• 결과: 리드 원천이 셋으로 갈립니다. 콜드 메일·전화·이벤트 같은 직접 아웃바운드, 광고·SEO·데모 신청 같은 직접 인바운드, 그리고 채널 파트너(파트너 수 × 파트너당 리드 × 전환율)입니다. 확장 경로에 영업의 고객 관리가 더해집니다.
• 연결: Funnel Product의 영업 주도 변형입니다.

Instagram·TikTok형: 광고로 버는 무료 소비자 앱

• 상황: 사용자는 돈을 내지 않고 광고주가 내는 앱(Instagram, Google, TikTok, Meta, Snap, Twitter).
• 한 일: 매출 = 활성 사용자 × 사용자당 노출 × CPM·CPC·CPA로 쓰고 활성 사용자를 기간 중 신규 사용자와 이전 기간에서 남은 사용자로 나눴습니다.
• 결과: 사용자 수 외에 다시 돌아오게 만드는 힘(세션 빈도), 세션당 광고 부하, 광고 단가를 정하는 사용자 품질이 각각 레버로 보입니다.
• 연결: Monetization Unit의 사례입니다.

Airbnb·Uber형: B2C 마켓플레이스

• 상황: 공급을 소유하지 않고 구매자와 판매자를 잇는 사업(Airbnb, Uber, DoorDash, Etsy, eBay).
• 한 일: 매출 = 거래 수 × AOV × take rate, 거래 수 = (신규 트래픽 + 재방문 고객) × 구매 전환으로 썼습니다.
• 결과: 구매 전환이 검색, 상품 페이지, 결제 시작, 결제 완료의 네 단계로 쪼개지고 take rate는 공급자 수수료 + 수요자 수수료 + 거래당 기타 매출(구독, 금융 수수료)로 나뉩니다. B2B 마켓플레이스(Faire, Amazon Business)는 거래 수를 활성 고객 × 고객당 거래로 씁니다.
• 연결: Monetization Unit과 Contribution Margin의 사례입니다.

기술 디테일: AI로 우리 회사의 식을 만들고 돌리려면

아래는 글의 식을 우리 회사 데이터에 붙여 돌릴 때 필요한 설계로, AX Review가 새로 작성했습니다. 숫자는 모두 가상 예시입니다.

식을 데이터 구조로 저장하려면(Business Equation, ARR Bridge) 식을 슬라이드 그림이 아니라 트리 JSON으로 둡니다. 노드마다 연산(mul, add, sub, leaf), 단위, 기간, 담당자, 지표 정의(시맨틱 레이어의 metric_id 또는 SQL)를 적습니다. 값 계산은 코드가 합니다. 다섯 개를 곱하는 산수를 LLM에 맡기면 반올림과 단위에서 틀리기 쉽습니다.

{
  "id": "new_arr", "op": "mul", "unit": "USD", "period": "year", "owner": "growth_pm",
  "children": [
    { "id": "visitors",      "op": "leaf", "unit": "count",  "period": "year", "metric_id": "web.unique_visitors" },
    { "id": "trial_rate",    "op": "leaf", "unit": "ratio",  "metric_id": "funnel.visit_to_trial" },
    { "id": "paid_rate",     "op": "leaf", "unit": "ratio",  "metric_id": "funnel.trial_to_paid" },
    { "id": "seats_per_acct","op": "leaf", "unit": "count",  "metric_id": "billing.seats_per_new_account" },
    { "id": "price_per_seat","op": "leaf", "unit": "USD",    "period": "year", "metric_id": "billing.annual_price_per_seat" }
  ]
}

LLM으로 초안을 뽑으려면(Business Equation) 세 가지를 넣습니다. 우리 사업 설명 한 쪽(누가 돈을 내나, 과금 단위, 판매 경로), 기존 지표 카탈로그(이름, 정의, 테이블), 원문 8개 식 가운데 가장 가까운 것 한두 개입니다. 출력은 위 스키마의 구조화 출력으로 받고 temperature 0~0.2로 3회 돌려 트리 구조가 다른 노드만 사람이 고릅니다. 다른 회사 모델로 한 번 더 돌리면 재활성이나 축소처럼 빠진 항을 찾기 쉽습니다. 가장 흔한 실패는 LLM이 카탈로그에 없는 지표를 지어내는 경우입니다. 코드로 metric_id가 카탈로그에 있는지 검사하고 없으면 unmapped로 표시해 데이터 담당에게 넘깁니다.

가장 큰 레버를 고르려면(Funnel Product) 잎 노드를 하나씩 10% 올려 출력 변화를 계산합니다. 순수한 곱셈 사슬에서는 어느 인자를 10% 올려도 출력이 똑같이 10% 오릅니다. 덧셈 항은 출력에서 차지하는 비중만큼만 움직입니다. 그래서 레버 순위는 영향의 크기보다 그 변수를 10% 올리는 데 드는 비용과 기간으로 갈립니다. 표에 변수, 현재값, +10% 시 출력 변화, 올리는 데 드는 추정 비용, 기간을 나란히 두면 저자들이 말한 가장 레버리지가 큰 변수와 아직 투자하지 않은 레버가 함께 보입니다.

AI 과제를 식에 붙여 판정하려면(Contribution Margin, Payback Period) 과제마다 움직일 변수 하나와 예상 변화폭을 적습니다. AI 영업 보조는 미팅 확정 비율, 온보딩 도우미는 활성화 전환, AI 상담은 간접 변동비인 고객지원비에 붙습니다. 가상 예시로, CAC가 300만 원이고 고객당 연간 기여이익이 240만 원이면 payback은 15개월입니다. AI 상담으로 지원비가 줄어 기여이익이 300만 원이 되면 12개월로 줄어듭니다.

실패하는 경우와 대응. 재무가 보는 ARR과 제품팀이 보는 ARR이 다르면 식 전체가 흔들리므로 지난 분기 재무 마감 숫자와 ±1% 안에서 맞을 때까지 식을 확정하지 않습니다. 신규와 재활성을 두 번 세지 않게 계정 상태(신규, 유지, 이탈, 재활성) 판정 규칙표를 먼저 만듭니다. 월 값과 연 값이 섞이지 않게 period 필드를 필수로 둡니다. 곱셈 인자는 서로 독립이 아닐 수 있습니다. 전환율을 올렸더니 질 낮은 유입이 늘어 이탈이 커지는 식이므로, 실험 때는 바로 아래 항과 이탈 항을 함께 봅니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할	담당	4주 동안 하는 일
스폰서	CEO 또는 COO	출력(매출 또는 기여이익) 결정, 레버 합의 주재
재무	CFO 조직 1명	ARR·기여이익·CAC 정의, 마감 숫자 대조
그로스·제품	PM 1~2명	방문부터 결제까지 퍼널 변수 담당
영업	영업 리더 1명	리드, 미팅, 수주율, ACV 변수 담당
데이터	분석가 1명	지표 매핑, 식 계산 코드, 민감도 표
AX 추진	담당 1명	AI 과제를 변수에 매핑, payback 계산

시작 전 준비물: 최근 12개월 월별 매출·ARR 마감 자료, 지표 카탈로그(이름과 정의, 원천 테이블), 방문부터 결제까지 퍼널 데이터, CAC 산정 기준(영업 인건비 포함 여부), 직접·간접 변동비 목록, 진행 중인 AI 과제 목록.

주차	할 일	산출물
1주	원문 8개 식에서 가까운 모델 고르기, LLM 초안 3회와 비교	식 초안 v0
2주	제품·GTM·재무·영업 워크숍 2시간 × 2회, 변수 정의 합의	변수 정의서
3주	지표 연결, 재무 숫자 대조, 변수별 10% 민감도	레버 순위표
4주	최상위 레버 자원 결정, 아직 투자하지 않은 레버 실험 1개 설계	실험 계획서

워크숍 질문: 고객이 돈을 내는 단위는 좌석, 사용량, 계약, 거래 가운데 무엇입니까? 지난 12개월 ARR 순증에서 신규, 확장, 재활성의 몫은 각각 얼마입니까? 이탈과 축소를 따로 집계합니까? CAC에 영업 인건비가 들어갑니까? 담당자가 없는 변수는 무엇입니까? 지금까지 아무도 투자하지 않은 레버는 무엇입니까?

진행 판정 기준(예시): 세 조건을 모두 맞추면 성장 모델 단계로 넘어갑니다. 식으로 계산한 지난 분기 매출이 재무 마감과 ±1% 안에 있어야 합니다. 모든 잎 노드에 정의와 담당자가 있어야 합니다. 경영진도 레버 1개와 실험 1개에 합의해야 합니다. 하나라도 못 맞추면 3주차를 다시 돕니다.

AX 적용 제언. AI 과제 목록을 이 식의 변수 위에 올려 보면 우선순위가 정리됩니다. 변수에 연결되지 않는 과제는 보류합니다. 영업 주도 B2B(IT 서비스, 산업재)라면 리드에서 미팅, 수주로 이어지는 사슬에 AI 영업 보조와 제안서 작성 자동화를 붙입니다. 구독형 소비자 사업이라면 활성화와 유지에, 유통·마켓플레이스라면 기여이익의 간접 변동비(상담, 마케팅)에 붙입니다. 순서는 식 합의, 레버 순위, AI 과제 매핑, payback 판정입니다. 이렇게 하면 AI 투자 심의에서 쓰는 언어가 재무와 같아집니다.

원문 사례

항목	내용
발표처	Lenny’s Newsletter (2024.01.16), Lenny Rachitsky · Dan Hockenmaier 공동 집필
공통 ARR 식	New + Expansion + Reactivation − Churned − Contraction (B2B SaaS 세 모델)
1. 좌석 과금 bottom-up	방문 × 체험 전환 × 유료 전환 × 계정당 좌석 × 좌석당 가격 · Figma, Slack, Zoom, Asana, Jira
2. 사용량 과금 bottom-up	같은 퍼널 × 사용량 × 단가 · AWS, Datadog, Twilio
3. 영업 주도 top-down	리드 × 적격 × 미팅 확정 × 수주율 × ACV · Snowflake, Box, Salesforce, Workday, Looker
4. 구독 소비자 앱	(신규 + 유지 + 재활성 구독자) × 월평균 매출 × 12 · Duolingo, Spotify, Tinder, Calm, Strava
5. 광고 소비자 앱	활성 사용자 × 사용자당 노출 × CPM·CPC·CPA · Instagram, Google, TikTok, Snap
6. B2C 마켓플레이스	거래 수 × AOV × take rate · Airbnb, Uber, DoorDash, Etsy, eBay
7. B2B 마켓플레이스	(활성 고객 × 고객당 거래) × AOV × take rate · Faire, Amazon Business
8. DTC 이커머스	트래픽 × 전환 × AOV · Warby Parker, Casper, Glossier, Dollar Shave Club
기여이익	거래 수 × AOV × CM%, 직접 변동비와 간접 변동비(마케팅, 고객지원)를 모두 뺌
payback	CAC ÷ 고객당 연간 기여이익. 예시 100달러 ÷ 120달러 ≈ 0.83년(10개월)
사용 순서	식 쓰기 → 팀 논의 → 최대 레버에 투자 → 미투자 레버 실험 → 성장 모델

핵심 개념

ARR / MRR

연간·월간 반복 매출. 구독 앱은 MRR × 12로 ARR을 낸다.

bottom-up / PLG

직원이 먼저 제품을 찾아 쓰고 조직으로 퍼지는 성장. 저자들은 product-led growth와 거의 같다고 본다.

ACV

평균 계약 금액. 영업 주도 SaaS의 단가 항.

AOV

주문 한 건의 평균 금액.

take rate

거래액 가운데 마켓플레이스가 가져가는 비율. 공급자·수요자 수수료와 거래당 기타 매출의 합.

CPM / CPC / CPA

광고 노출 1,000회당, 클릭당, 전환 행동당 가격.

CAC

고객 한 명을 데려오는 데 쓴 비용.

LTV

고객 한 명이 거래 기간 동안 남기는 가치. LTV/CAC 비율로 자주 쓴다.

gross margin

매출에서 직접 변동비만 뺀 이익. 기여이익은 간접 변동비까지 뺀다.

내 메모

TODO: 내 생각 추가

원문: Lenny Rachitsky, Dan Hockenmaier, “How to describe your business as an equation”(Lenny’s Newsletter, 2024.01.16). 요약·메커니즘·통념과 다른 주장·사례·원문 사례 표는 글의 내용을 AX Review가 다시 정리했습니다. 기술 디테일과 현업 실행 디테일(JSON 구조, LLM 초안 절차, 민감도 계산, AI 과제 매핑, 4주 일정, 판정 기준)과 인포그래픽은 새로 작성했으며 숫자는 가상 예시입니다. 원문의 식 그림은 옮기지 않았습니다. 전체 식과 설명은 원문에서 볼 수 있습니다.