LTV:CAC Ratio: 광고비가 오를 때 고객 생애가치로 D2C 성장을 지키는 법

광고비가 계속 오르면 신규 고객을 더 사 오는 것만으로는 성장을 지킬 수 없습니다. 고객 한 명이 남기는 이익(LTV)을 키워 LTV:CAC 비율을 지켜야 합니다. 실제로 하려면 LTV를 책임질 사람 한 명을 정하고 채널별로 마진 기준 LTV와 회수 기간을 계산할 데이터부터 갖춰야 합니다.

요약

구독 결제 플랫폼 Recharge의 블로그에 Wilson Hung이 쓴 글입니다. 저자는 Kettle & Fire의 성장 디렉터이자 업셀 도구 GetARPU의 공동 창업자입니다. 페이지에는 2021년 10월 게시, 2026년 2월 갱신으로 표기되어 있고 본문은 2019년 시점에서 씁니다. 대상은 DNVB(Digitally Native Vertical Brand, 온라인에서 시작해 직접 파는 브랜드)입니다. 저자는 20152016년을 싼 광고로 큰 고객층에 닿던 시기로 보고 20172018년부터 광고비가 오른 이유를 셋으로 꼽습니다. VC 자금의 약 40%가 Facebook·Google·Amazon으로 간다는 TechCrunch(2018) 보도, 쉬운 도구와 자금 덕에 늘어난 경쟁, 규모가 커질수록 떨어지는 광고 효율입니다. 가상 브랜드 모델에서 해마다 CPC(클릭당 비용)만 올리자 첫 구매 LTV:CAC가 2016년 2.3에서 2018년에는 적자로 내려갑니다.

해법은 비율의 양쪽을 함께 움직이는 다섯 흐름입니다. CAC(고객 획득비) 쪽은 에이전시에 맡기던 핵심 역량을 사내로 들이고 Facebook·Google 밖에서 자체 지면을 만드는 것입니다. LTV 쪽은 LTV를 책임질 사람을 한 명 정하고 마케팅을 유입 팀과 수익화 팀으로 나누고 채널마다 다른 CAC 목표를 데이터로 정하는 것입니다. 저자가 LTV를 강조하는 근거는 같은 모델에서 나옵니다. 2018년 비용을 그대로 두고 평균 구매 빈도만 20% 올리자 손해 보던 고객이 이익을 내는 고객으로 바뀌었습니다. 저자는 D2C의 좋은 시절은 끝났고 LTV를 올리면서 CAC 상승을 늦추는 브랜드가 살아남는다고 정리합니다. 아래에서 이 흐름을 받치는 개념 다섯 개를 풀고 저자가 든 사례와 실제로 돌릴 때 필요한 데이터·조직 디테일을 붙입니다.

핵심 메커니즘

Law of Shitty Click Throughs: 오래 쓸수록 광고 효율이 떨어진다는 법칙

Andrew Chen이 붙인 이름으로, 유료 마케팅에서는 규모의 효과가 대체로 거꾸로 작동한다는 관찰입니다. 같은 광고를 오래 보여 주면 사람들이 익숙해져 클릭이 줄어듭니다. 저자는 이 법칙을 성장하는 브랜드에 겹쳐 봅니다. 값싸게 닿는 핵심 고객을 다 만나고 나면 덜 맞는 고객층으로 넓혀야 하고 그 고객에게는 설명도 접점도 광고비도 더 듭니다. 광고 리서치 도구로 경쟁사 소재를 들여다보고 따라 하는 지름길도 소비자의 광고 피로를 키운다고 덧붙입니다.

언제 떠올리면 좋을까요. 새 채널이나 새 소재의 성과가 몇 주 만에 꺾일 때, 그리고 광고비를 늘린 만큼 신규 고객이 늘지 않을 때입니다. 이 법칙을 받아들이면 CAC를 시간이 갈수록 오르는 값으로 잡고 계획을 세웁니다. 가상 예시로, 정기배송 커피 브랜드가 첫 분기에 커피 애호가 관심사로 싸게 고객을 모았다면 다음 분기 확장 대상인 일반 직장인층에서는 같은 CAC를 기대하지 않는 편이 안전합니다.

LTV:CAC Ratio: 고객 한 명의 가치와 데려오는 비용의 비

LTV(lifetime value, 고객 생애가치)는 고객 한 명이 회사의 이익에 보태는 값이고 CAC는 새 고객 한 명을 데려오는 데 쓰는 돈입니다. 비율이 1보다 작으면 성장할수록 손해가 커지고 외부 자금 없이는 버티지 못합니다. 비율이 높을수록 번 돈을 다시 성장에 넣을 여지가 큽니다. 브랜드가 커지면 덜 맞는 고객이 늘어 LTV도 내려가므로, 비율은 양쪽에서 동시에 압박을 받습니다.

저자의 모델은 평균적인 DNVB와 비슷하게 잡은 가상 숫자입니다. 평균 구매 빈도를 1로 두고 해마다 CPC만 AdEspresso 기준값으로 바꿨습니다. 2016년에는 첫 구매 LTV:CAC가 2.3이라 재투자할 여력이 있었고 2017년에는 간신히 흑자였으며 2018년에는 첫 구매에서 손해를 봤습니다. 첫 구매에서 손해를 보는 브랜드는 효율을 올리거나 앞으로의 재구매에 기대야 하고 그 사이 현금 흐름이 빠듯해집니다.

Three LTV Levers: 마진, 구매 횟수, 객단가

저자는 LTV를 움직이는 레버를 셋으로 나눕니다. Gross Margin(매출총이익률)은 배송 대행 요율을 다시 협상하고 생산 수율을 올려 원가(COGS)를 낮추면 오릅니다. 고객당 구매 횟수는 제품과 사이트 설계를 손봐 구독 선택을 늘리고 해지를 줄여 올립니다. 이를 위해 개발과 UI/UX 인력을 이 목표에 배정하라고 권합니다. AOV(average order value, 객단가)는 첫 주문의 구간 할인에 그치지 말고 구독자에게 업셀과 교차판매를 하라고 합니다. 예로 다음 주문 예정 알림 메일에 상품을 덧붙이는 방법을 듭니다.

세 레버는 서로 다른 부서에 흩어져 있습니다. 원가는 운영, 해지는 프로덕트, 객단가는 마케팅이 쥐고 있습니다. 그래서 저자는 LTV를 책임질 사람을 한 명 두라고 합니다. 레버가 왜 중요한지는 앞의 모델이 보여 줍니다. 2018년의 CPC, 전환율, 객단가, 마진을 그대로 두고 평균 구매 빈도만 20% 올렸더니 적자 고객이 흑자 고객으로 바뀌었습니다.

Traffic Team과 Monetization Team: 마케팅을 둘로 나누는 조직

LTV 담당자가 생기면 다음은 조직입니다. 저자는 마케팅을 두 팀으로 나눕니다. Traffic Team은 사이트로 방문자를 데려오고 Monetization/LTV Team은 사이트 안의 전환, 업셀, 사후 수익화, 고객 유지를 맡습니다. 크리에이티브, 테스트, 데이터 같은 지원 기능은 두 팀을 함께 돕고 두 팀은 마케팅 디렉터나 VP 아래에서 조율합니다.

Beachbody에서 미디어·고객 획득을 이끌었던 Babak Azad는 두 일이 성향부터 다르다고 말합니다. 유입 최적화는 빠르게 사고파는 데이 트레이딩에 가깝고 전환과 유지는 호흡이 깁니다. 어느 쪽이 더 낫다는 뜻이 아니라 사람의 강점에 맞게 자리를 나누라는 것입니다. 다만 두 팀이 따로 놀면 안 됩니다. 질 낮은 유입은 유지율을 떨어뜨리므로, 채널마다 그 채널의 LTV에 맞춘 CAC 목표를 두어 두 팀을 묶습니다.

Channel-level CAC Target과 Payback Period: 채널마다 다른 목표와 회수 기간

모든 채널에 같은 CAC 목표를 두지 말고 채널마다 CAC와 ROAS(return on ad spend, 광고비 대비 매출) 목표를 따로 두라는 것이 다섯째 흐름입니다. 목표를 정하는 기준은 회사가 견딜 수 있는 Payback Period(회수 기간), 곧 신규 고객이 낸 이익이 데려온 비용을 넘기까지 걸리는 시간입니다. 회수 기간을 추적하고 업셀과 교차판매로 줄이며 그 사이 현금이 빠지는 기간은 자금 계획으로 메웁니다.

Azad는 세 가지를 덧붙입니다. 채널별 LTV는 매출이 아니라 마진으로 잽니다. 신규 고객이 언제까지 본전을 찾아야 하는지는 현금 흐름, 감당할 위험, 목표 같은 사업 조건이 정합니다. 그리고 LTV가 시간에 따라 어떻게 쌓이는지 Day 0, Day 130, Day 3160처럼 나눠 봅니다. 하루 예산이 크게 출렁이는 브랜드일수록 이 모델이 틀렸을 때 잃는 돈도 커집니다.

통념과 다른 주장

저자가 든 사례

에이전시 수수료를 사내 크리에이티브 팀으로 바꾸는 계산

상황	Facebook에 월 20만 달러를 쓰는 브랜드가 통상 15%의 에이전시 수수료, 곧 월 3만 달러를 냅니다(저자의 계산 예).
한 일	그 돈으로 크리에이티브 리드, 카피라이터, 디자이너를 두고 처음엔 Facebook 광고만 맡깁니다. 클릭률이 오르면 인원을 늘려 Google 광고, 랜딩 페이지, 이메일까지 넓힙니다.
결과	배운 것이 한 팀에 쌓여 효율이 복리처럼 커진다고 봅니다. 같은 방식을 테스트(CRO), 데이터, 리텐션 팀에도 적용합니다. 실제 성과 수치는 원문에서 밝히지 않음.
연결	CAC 쪽 첫째 흐름. 저자는 광고 플랫폼 알고리즘이 좋아져 매체 구매 기술의 장벽이 낮아졌고 에이전시의 가치는 크리에이티브·테스트·분석 같은 전략으로 옮겨 갔다고 봅니다. 그 역량이 LTV를 올리는 전제이니 사내에 두라는 것입니다.

Perfect Keto, Dr. Axe, Native: 광고 지면을 사는 대신 만들기

상황	Facebook·Google 경매에서는 모두가 같은 지면을 두고 값을 올립니다. 들어가기 어려운 채널일수록 경쟁이 적고 비용이 낮습니다.
한 일	Perfect Keto는 자체 팟캐스트를 만들었고 Dr. Axe는 콘텐츠 마케팅과 SEO에 투자했으며 Native Deodorant는 추천으로만 받을 수 있는 무료 미니 데오도란트 SKU를 만들었습니다.
결과	Perfect Keto 팟캐스트는 다운로드 100만 회 이상, Dr. Axe는 월 500만 이상(원문 표기 5MM/mo), Native는 추천으로 들어온 고객 10만 명 이상. Dr. Axe의 콘텐츠는 리타기팅 대상을 키워 유료 채널에도 효과를 냈다고 봅니다.
연결	CAC 쪽 둘째 흐름. 저자는 David Perell(AdWeek 인용)의 말을 빌려 도달력이 있는 창업자는 처음부터 CAC가 훨씬 낮다고 하고 Web Smith의 말을 빌려 앞으로의 브랜드는 상품보다 독자를 먼저 모은다고 합니다. Glossier가 2010년 Emily Weiss의 뷰티 블로그 Into the Gloss에서 출발한 것이 그 예입니다.

구독 적합성과 객단가로 나눈 네 칸

상황	제품마다 LTV를 키울 수 있는 방식이 다릅니다.
한 일	저자는 브랜드를 구독에 맞는 제품인지와 객단가로 나눕니다. 구독이 안 맞고 객단가가 높으면(Casper) 높은 객단가·마진이나 MVMT 같은 소셜 바이럴과 교차판매가 필요합니다. 구독이 안 맞고 객단가가 낮으면(Primal Kitchen 같은 브랜드) 주로 리테일 유통에 기댑니다. 구독이 맞고 객단가·마진이 높으면 유료 광고를 먼저 쓰고 무료+배송비, 체험 같은 제안을 할 여유가 있습니다. 구독이 맞지만 객단가가 낮으면(Dollar Shave Club, Harry’s) 초기엔 비유료 채널에 기대고 유료 광고를 키우려면 큰 자금이 필요하며 면도기에서 면도 크림으로 가는 교차판매 SKU가 도움이 됩니다.
결과	칸별 수치는 원문에서 밝히지 않음.
연결	LTV 레버 가운데 어느 것을 먼저 당길지 정하는 틀입니다.

한 주 만에 하루 광고비를 75K에서 700K 달러로

상황	Azad가 맡았던 건강·피트니스 고객사가 광고비를 빠르게 늘리려 했습니다.
한 일	한 주 만에 하루 광고비를 7만 5천 달러에서 70만 달러로 올렸습니다.
결과	Azad는 이 규모에서 LTV 모델이 틀리면 손실이 매우 커진다고 경고합니다. 증액 뒤 실제 손익은 원문에서 밝히지 않음.
연결	채널별 목표와 회수 기간 메커니즘의 사례입니다. 마진 기준, 시점별 LTV를 먼저 갖춰야 예산을 키울 수 있다는 근거로 씁니다.

기술 디테일: 채널별 LTV를 데이터와 AI로 돌리려면

아래는 원문의 흐름을 실제로 돌릴 때 필요한 것을 새로 정리한 내용입니다.

채널별 마진 LTV와 회수일을 계산하려면(LTV:CAC, 채널별 목표 메커니즘) 주문 단위 테이블 하나에서 시작합니다. 필요한 필드는 customer_id, first_order_date, acquisition_channel, order_date, revenue, cogs, shipping_cost, discount, refund입니다. 주문마다 contribution_margin = revenue - discount - refund - cogs - shipping_cost를 계산하고(revenue는 할인 전 금액), 고객을 획득 월과 채널로 묶은 코호트를 만듭니다. 코호트마다 Day 0, Day 30, Day 60 시점의 고객당 누적 마진을 구하고 채널의 CAC(그 달 채널 광고비 ÷ 그 달 채널 신규 고객 수)를 처음 넘는 날을 회수일로 둡니다. 매출이 아니라 마진으로 계산하는 것이 Azad가 강조한 점입니다.

{
  "cohort": "2026-07",
  "channel": "meta_paid",
  "new_customers": 1240,
  "cac": 38.5,
  "margin_per_customer": {"d0": 14.2, "d30": 24.9, "d60": 33.1},
  "ltv_cac_d60": 0.86,
  "payback_day": null,
  "sample_flag": "ok"
}

위 JSON은 가상 예시입니다. payback_day가 null이면 60일 안에 회수하지 못했다는 뜻이고 그 채널의 CAC 목표를 낮추거나 Monetization 팀의 업셀 실험 대상으로 넘깁니다.

구매 횟수 레버에 AI를 붙이려면(Three LTV Levers) 해지 사유부터 구조화합니다. 분류만 하는 일이라 큰 모델이 필요 없고, 사내에서 쓰도록 승인된 LLM에 JSON 출력 모드(스키마 고정)를 켜서 씁니다. 해지 설문의 자유 서술과 상담 메모를 LLM에 넣어 reason(가격·배송 주기·맛·재고 과다·기타 중 하나), fixable(true/false), quote(근거가 된 원문 구절), confidence(0~1) 필드로 돌려받습니다. temperature는 0으로 두고 같은 건을 3회 돌려 2회 이상 같은 reason이 나올 때만 채택합니다. 셋이 모두 다르거나 confidence가 0.6 미만이면 사람이 봅니다. 이렇게 나온 사유별 해지율이 LTV 담당자의 개선 과제 목록이 됩니다.

객단가 레버의 다음 주문 알림을 자동화하려면(Three LTV Levers, AOV) 추천과 문구를 나눕니다. 이 단계는 실제 실험으로 이어지니 알림을 받은 그룹과 받지 않은 그룹(가상 예시로 9:1)을 나눠 AOV 차이를 잽니다. 추천 후보는 과거 함께 산 상품의 동시 구매 규칙에서 고르고 마진이 기준(가상 예시로 40%) 아래인 상품은 후보에서 뺍니다. LLM은 고른 상품의 소개 문구만 쓰게 하고 가격·할인은 시스템 값을 그대로 넣습니다. 그래야 LLM이 할인율을 지어내는 실수를 막습니다.

광고 피로를 일찍 잡으려면(Law of Shitty Click Throughs) 소재별 CTR의 7일 이동평균을 집행 첫 14일 평균과 비교해, 30% 이상 떨어지면 교체 후보로 표시합니다(기준은 가상 예시). 사내 크리에이티브 팀이 이 목록을 주간 제작 큐로 받습니다.

실패하는 경우와 대응. 유입 채널이 비어 있는 주문(UTM 누락 등)이 15%를 넘으면 채널별 결과를 보류하고 추적부터 고칩니다. 신규 고객이 100명 미만인 코호트는 sample_flag를 small로 두고 예산 결정에 쓰지 않습니다. 구독 할인이 큰 달은 마진이 낮게 잡히므로 할인 이벤트 여부를 코호트에 함께 기록합니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할	담당	하는 일
LTV 담당자	데이터·프로덕트 배경의 리드 1명	세 레버 목표 설정, 주간 LTV 회의 주재
Traffic 리드	퍼포먼스 마케팅	채널별 CAC·ROAS 목표 적용, 예산 조정
Monetization 리드	CRM·프로덕트	업셀·해지 방지 실험
데이터 분석가	데이터팀 1명	코호트·회수일 계산, 해지 사유 분류 운영
재무	CFO 조직	허용 회수 기간과 그 사이 현금 계획 확정
크리에이티브 리드	사내 또는 전환 예정	소재 교체 큐 운영

시작 전 준비물은 네 가지입니다. 최근 12개월 주문 데이터(위 필드 포함), 채널별 월 광고비, 해지 설문 원문, 에이전시 계약서와 수수료율입니다.

기간	할 일	산출물
1주	LTV 담당자 지정, 데이터 점검(채널 누락률, 원가 필드)	담당자 공지, 데이터 점검표
2주	코호트 계산, 해지 사유 분류 시범(200건)	채널별 Day 0·30·60 마진표
3주	회수일 표 확정, 채널별 목표 초안, 재무와 허용 회수 기간 합의	채널 목표표, 다음 주문 알림 실험안
4주	판정 회의, 예산 재배분안, 첫 실험 시작	의사결정 메모

착수 회의에서 물을 질문은 이렇습니다. 지금 우리 첫 구매 LTV:CAC는 1을 넘는가? 채널마다 회수일이 며칠인가? 회사가 버틸 수 있는 회수 기간은 며칠이고 누가 정하는가? LTV가 오르면 누구의 성과가 되는가? 에이전시 수수료로 사내에 둘 수 있는 자리는 몇 개인가?

진행 판정 기준(예시)입니다. 채널 누락률이 15% 이하이고 주요 채널 셋 이상에서 Day 60 마진표가 나왔고 재무와 허용 회수 기간에 합의했으면 예산 재배분으로 넘어갑니다. 하나라도 빠지면 데이터 정비를 2주 더 합니다.

AX 적용 제언입니다. 이 글은 구독 D2C 브랜드 이야기지만 정기배송·렌탈·멤버십·구독형 소프트웨어처럼 반복 구매로 돈을 버는 엔터프라이즈 사업부에 그대로 옮길 수 있습니다. 순서는 AI 도입보다 LTV 담당자와 마진 기준 코호트가 먼저입니다. 이 둘이 서면 해지 사유 분류, 알림 문구 생성, 소재 피로 감지 같은 AI 작업이 붙을 자리가 생깁니다. 바꿔야 할 관행은 모든 채널을 같은 CAC 목표로 묶는 예산 회의와, LTV를 이메일팀의 KPI로만 두는 조직도입니다. 현업 스폰서는 마케팅 책임자와 CFO를 함께 세우는 편이 좋습니다. 회수 기간은 재무의 결정이기 때문입니다.

원문 사례

항목	내용
발표처	Recharge 블로그. 페이지 표기 2021년 10월 게시, 2026년 2월 갱신. 본문은 2019년 시점
저자	Wilson Hung, Kettle & Fire 성장 디렉터, GetARPU 공동 창업자
광고비 상승 원인	VC 자금(약 40%가 Facebook·Google·Amazon, TechCrunch 2018), 경쟁 증가, 규모에 따른 효율 하락
모델	가상 브랜드, 구매 빈도 1, CPC만 변경(AdEspresso 기준). 2016년 첫 구매 LTV:CAC 2.3, 2017년 간신히 흑자, 2018년 적자
구매 빈도 실험	2018년 비용에서 구매 빈도만 20% 올리자 흑자 전환
다섯 흐름	핵심 역량 내재화, 채널 다변화, LTV 담당자, LTV 중심 조직, 데이터 기반 결정
계산 예	Facebook 월 20만 달러, 에이전시 수수료 15% = 월 3만 달러
브랜드 사례	Perfect Keto 팟캐스트 100만+ 다운로드, Dr. Axe 월 500만+, Native 추천 고객 10만+
분류 틀	구독 적합성 × 객단가: Casper, MVMT, Primal Kitchen, Dollar Shave Club, Harry’s
인용된 사람	Andrew Chen, Chamath Palihapitiya, David Perell, Web Smith, Markus Karjalainen(Foursigmatic), Babak Azad(전 Beachbody)
증액 사례	건강·피트니스 고객사, 한 주 만에 하루 광고비 7만 5천 → 70만 달러
언급 도구	Recharge, GetARPU

핵심 개념

DNVB

Digitally Native Vertical Brand. 온라인에서 출발해 자기 사이트로 직접 파는 브랜드.

CPC

cost per click. 광고 클릭 한 번에 내는 돈.

ROAS

return on ad spend. 광고비 1달러가 만든 매출.

COGS

cost of goods sold. 판 상품의 원가.

CRO

conversion rate optimization. 방문자가 구매로 이어지는 비율을 실험으로 올리는 일.

day parting

시간대별로 광고 예산을 다르게 배분하는 일. 저자는 이를 자동으로 돌리는 에이전시 자체 소프트웨어는 여전히 가치가 있다고 봅니다.

contribution margin

매출에서 원가·배송비처럼 주문마다 붙는 비용을 뺀 이익.

SKU

stock keeping unit. 재고 관리 단위로 쪼갠 개별 상품.

내 메모

TODO: 내 생각 추가

원문: Wilson Hung, “How & Why You Need to Improve LTV:CAC Ratio”(Recharge 블로그, URL은 2019년 글 주소, 페이지 표기 2021년 10월 게시·2026년 2월 갱신). 요약·메커니즘·통념과 다른 주장·사례·원문 사례 표는 저자가 언급한 내용을 AX Review가 다시 정리했습니다. 모델의 연도별 세부 수치(객단가, 마진, CAC 등)는 원문 이미지에만 있어 노트에 옮기지 않았습니다. 기술·현업 디테일, JSON 예시, 임계값, 일정·판정 기준, 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성했으며 가상 예시는 그렇게 밝혔습니다. 직접 인용 없이 내 말로 옮겼습니다. 전체 내용은 원문에서 볼 수 있습니다.