ROAS·CAC·LTV — 세 숫자 서로 다른 질문에 답하는 이유

분기 회의에서 마케터가 ROAS만 들고 가면 임원이 “장기 매출은?” 묻고, CAC만 들고 가면 “획득 품질은?” 묻고, LTV만 들고 가면 “광고 효율 어떄?” 묻습니다. 세 숫자가 서로 다른 질문에 답하는 도구이고, 한 숫자만 보면 의사결정의 60%가 빠집니다. 이 글은 세 숫자를 한 슬라이드에 입체적으로 두는 표준 양식과 의사결정 프레임을 정리합니다.

마케터가 이 글을 읽어야 하는 이유: 분기마다 같은 질문이 회의에서 반복됩니다. 세 숫자를 한 번에 묶어 보고 양식으로 두면 그 반복이 사라지고, 의사결정 속도가 한 단계 올라갑니다. 신규 채널 도입·예산 재배분·캠페인 종료 같은 결정이 모두 세 숫자의 균형으로 답합니다.

1. 세 숫자의 한 줄 정의

세 숫자는 서로 다른 시간 단위·서로 다른 분모에서 계산됩니다.

• ROAS = 매출 / 광고비 (캠페인 단위, 단기)
• CAC = 광고비 / 신규 고객 수 (코호트 단위, 단기)
• LTV = 매출 / 고객 수 (코호트 단위, 장기)

이 차이가 회의에서 의사결정자가 묻는 질문의 차이를 만듭니다.

2. 세 숫자가 서로 다른 답을 하는 자리

2-1. ROAS 4.0인데 LTV가 망가지는 자리

ROAS는 단기 매출 효율만 봅니다. 첫 구매가 일어났으면 ROAS는 좋아 보이지만, 그 고객이 재구매 안 하고 떠나면 LTV는 낮습니다.

• ROAS 4.0: 광고비 1원당 첫 구매 4원
• LTV: 그 고객의 12개월 누적 매출이 4원에서 끝
• 결론: 단기 효율 좋지만 장기 가치 없음. 같은 ROAS 4.0의 다른 채널보다 가치 낮음.

2-2. CAC 낮은데 LTV가 부족한 자리

CAC만 낮추는 데 집중하면 획득 품질이 떨어집니다.

• CAC $20:신규1명에$20만 씀
• LTV $25:평생매출이$25
• LTV/CAC 비율 1.25 (운영 한계, 보통 3.0+ 권장)

같은 자리에서 CAC $40인데LTV$200이면 비율 5.0으로 훨씬 좋음. CAC만 보면 첫 자리가 좋아 보이지만 LTV/CAC가 진실.

2-3. LTV 높은데 CAC도 폭주하는 자리

VIP 채널은 LTV가 높지만 CAC도 폭주할 수 있음.

• LTV $500: 평균 매출 좋음
• CAC $300: 획득에 너무 비쌈
• LTV/CAC 1.7 (한계 영역)

3. 세 숫자의 관계 — LTV/CAC 비율

세 숫자를 묶는 표준 지표가 LTV/CAC 비율입니다.

LTV/CAC 3.0+가 권장되는 이유: 운영비·고정비를 제외한 마진을 확보하고 재투자할 여지를 만들기 위해서. 이커머스의 경우 마진 30%, SaaS는 70%+ 가정하에 산정.

3-1. ROAS와 LTV/CAC의 관계

단기 ROAS와 장기 LTV/CAC는 다른 도구입니다.

ROAS만 좋고 LTV/CAC 부족이면 short-termist 함정. ROAS 낮은데 LTV/CAC 좋으면 장기 투자 자리.

4. 채널별 세 숫자 비교 — 표준 양식

분기 회의에 가져갈 표준 표.

각 채널이 세 숫자에서 다르게 평가됩니다. 한 숫자만 보면 결정을 잘못 내림.

5. 코드 한 묶음 — Python으로 세 숫자 계산

이게 글에 박는 유일한 코드입니다.

import pandas as pd

# 채널별 캠페인 데이터: spend, first_purchase_revenue, new_customers, 12mo_ltv
df = pd.read_csv("channel_metrics.csv")

# ROAS 계산 — 단기 매출/광고비
df["roas"] = df["first_purchase_revenue"] / df["spend"]

# CAC 계산 — 광고비/신규 고객 수
df["cac"] = df["spend"] / df["new_customers"]

# LTV 계산 — 12개월 누적 매출/고객 수
df["ltv"] = df["12mo_revenue"] / df["new_customers"]

# LTV/CAC 비율
df["ltv_cac_ratio"] = df["ltv"] / df["cac"]

# 의사결정 신호
def signal(row):
    if row["ltv_cac_ratio"] >= 5: return "투자 확대"
    if row["ltv_cac_ratio"] >= 3: return "유지"
    if row["ltv_cac_ratio"] >= 1.5: return "한계 — 검증"
    return "축소"

df["action"] = df.apply(signal, axis=1)
print(df[["channel", "roas", "cac", "ltv", "ltv_cac_ratio", "action"]])

이 한 묶음이 분기 회의 슬라이드의 표 양식. 채널별로 자동 계산해 행동 신호까지.

6. 함정 — 세 숫자 잘못 잡는 자리

6-1. 첫 구매만 LTV로 보기

LTV가 12개월·24개월 누적이어야 의미 있음. 첫 구매를 LTV로 잡으면 재구매·구독 효과가 빠져 LTV가 낮게 추정됨.

6-2. CAC에 모든 광고비 포함

브랜드 광고는 신규 획득에 직접 영향이 약함. 그걸 CAC에 포함하면 CAC 폭증. 채널·캠페인 분리 후 직접 획득 광고비만 포함.

6-3. ROAS와 LTV의 시간 단위 혼동

ROAS는 캠페인 기간 단위, LTV는 코호트 단위. 둘을 같은 시간으로 비교하면 의미 없음. ROAS는 분기·월, LTV는 12·24개월 누적.

6-4. Incrementality 미반영

ROAS·CAC·LTV 모두 noted purchase로 계산되는데 그 구매가 광고 없어도 일어났을 수 있음(자가 선택 편향). incrementality 검증 없이 해석하면 효과가 부풀려짐.

7. 운영 사이클 — 분기 1회 점검 표준

세 숫자를 분기 운영에 박아두는 흐름.

7-1. 매주: ROAS 모니터링

캠페인·채널별 ROAS를 매주 점검. ±20% 변동 시 알림. 단기 사고 감지.

7-2. 매월: CAC 추세

신규 고객 코호트의 CAC 변화. 인상 추세면 채널 saturation 또는 incrementality 약화 신호.

7-3. 분기: LTV 갱신 + LTV/CAC 비율

12개월 누적 LTV를 분기 단위로 갱신. 코호트별 LTV 곡선이 안정화 패턴인지 확인. LTV/CAC 비율이 분기 트렌드 어디로 가는지.

7-4. 반기: 채널별 LTV/CAC 재배분

LTV/CAC 5.0+ 채널에 예산 +20% 이동. 1.5 이하 채널은 incrementality 검증 후 축소·종료.

8. 마치며 — 세 숫자가 한 슬라이드에

마케터의 가장 중요한 세 숫자가 한 슬라이드에 함께 있을 때 분기 회의의 의사결정 속도가 한 단계 올라갑니다. ROAS만 봐서 단기 함정, CAC만 봐서 품질 부족, LTV만 봐서 광고 효율 무시 — 한 숫자 함정에서 벗어나는 가장 단순한 방법이 표준 양식 한 줄입니다.

다음 분기에 한 번만 시도해 볼 만한 것은 세 숫자를 채널별로 한 슬라이드에 두고 LTV/CAC 비율 기준으로 정렬한 표를 회의에 가져가는 흐름입니다. 의사결정자의 질문이 “어느 채널 좋아?”에서 “이 비율 어떻게 더 올릴까?”로 바뀝니다.

다음에 읽을 글

• BG/NBD LTV 예측 — LTV 모델링 깊이
• Brand lift study — incrementality로 ROAS·CAC 보정
• Marketing analytics maturity — 측정 도구 성숙도 모델

참고

• “LTV/CAC ratio benchmarks” (Bain): https://www.bain.com/insights/
• “Unit economics for SaaS” (David Skok): https://www.forentrepreneurs.com/saas-metrics-2/
• “ROAS vs LTV in DTC” (Common Thread Collective): https://commonthreadco.com/
• “Customer lifetime value” (HBR, 2014): https://hbr.org/
• “Marketing efficiency ratio” (Recast): https://getrecast.com/