CAC Payback period — 광고비를 몇 개월 만에 회수하는가

광고비 $50써서새고객한명데려왔다고끝이아닙니다.그$50을 매출로 회수하는 데 한 달 걸리는 채널과 1년 걸리는 채널은 현금흐름이 완전히 다릅니다. payback period는 LTV/CAC 비율이 못 잡는 시간 차원을 보여주는 핵심 지표이고, 마케팅 성장의 속도 한도를 결정합니다.

마케터가 이 글을 읽어야 하는 이유: LTV/CAC 5.0이라도 회수가 18개월 걸리면 그 캠페인을 매월 늘릴수록 현금이 마이너스로 갑니다. 회수 6개월 캠페인은 같은 비율 5.0이라도 빠르게 재투자 가능. payback period가 광고 예산 투입 속도의 한도를 데이터로 답합니다.

1. Payback period의 한 줄 정의

신규 고객 한 명에게서 누적 매출이 그 고객을 획득한 CAC를 넘는 시점까지 걸린 시간.

수식으로:

매출이 시간이 지나면서 누적되니, payback period는 그 누적 매출이 CAC를 넘는 첫 달.

월매출이 절반이면 payback이 두 배. 시간 대비 회수 속도가 단순한 비례 관계.

2. LTV/CAC와 payback의 차이

LTV/CAC와 payback은 둘 다 단위 경제학 지표지만 답하는 질문이 다릅니다.

LTV/CAC 5.0인 채널 두 개:

• 채널 A: payback 4개월 → 매월 재투자 가능
• 채널 B: payback 18개월 → 같은 자본으로 매월 늘리면 현금 마이너스

같은 비율인데 운영 속도가 완전히 다름. payback이 그 차이를 잡습니다.

3. 산업별 표준 — SaaS vs 이커머스

3-1. SaaS

월간 구독 모델은 매출이 매월 나옵니다. payback은 보통 12-18개월이 표준.

3-2. 이커머스

이커머스는 첫 구매가 큰 비중. payback이 짧으면 좋고, 길면 재구매 LTV에 의존.

3-3. DTC 브랜드

평균 payback 6-12개월. 12개월 이상이면 광고 자본이 빠르게 묶여 성장 속도 한계.

4. 코드 한 묶음 — Python으로 payback 계산

이게 글에 박는 유일한 코드입니다.

import pandas as pd
import numpy as np

# cohort_revenue: 코호트별 월별 누적 매출 (행 = 코호트, 열 = 코호트 시작 후 월)
df = pd.read_csv("cohort_monthly_revenue.csv")
cac_per_cohort = pd.read_csv("cac_by_cohort.csv")  # cohort_id, cac_per_user

def payback_month(cumulative_revenue_per_user, cac):
    """누적 매출이 CAC 넘는 첫 달 반환. 안 넘으면 NaN."""
    crossed = np.where(cumulative_revenue_per_user >= cac)[0]
    return int(crossed[0]) + 1 if len(crossed) > 0 else np.nan

result = []
for cohort in df["cohort_id"].unique():
    months = df[df["cohort_id"] == cohort].sort_values("month")
    cum_rev = months["revenue_per_user"].cumsum().values
    cac = cac_per_cohort.loc[cac_per_cohort["cohort_id"] == cohort, "cac"].iloc[0]
    pm = payback_month(cum_rev, cac)
    result.append({"cohort": cohort, "cac": cac, "payback_month": pm})

result_df = pd.DataFrame(result)
print(result_df)
print(f"\n중앙값 payback: {result_df['payback_month'].median():.1f}개월")
print(f"비회수 코호트 비율: {result_df['payback_month'].isna().mean()*100:.1f}%")

이 한 묶음이 코호트별 payback을 표준화. 분기마다 돌리면 추세 파악.

5. Payback이 길어지는 자리

5-1. CAC 인상

같은 LTV에 CAC가 인상되면 payback도 늘어남. 광고 saturation·경쟁 심화 시.

5-2. 첫 구매 매출 감소

할인·쿠폰으로 첫 구매를 끌어들였다면 첫 매출이 작음. 재구매 의존도 상승.

5-3. Churn 인상

월별 매출이 떨어지는 속도가 빨라지면 누적 매출이 CAC를 못 넘는 자리.

5-4. 시즌성

비시즌에 광고 늘리면 payback이 자연스럽게 늘어남. 시즌 효과 분리해서 보기.

6. Payback과 광고 예산 한도

마케팅 성장의 속도 한도가 payback에 묶입니다.

6-1. 단순 모델

매월 광고비 $X 쓰면 payback 후 매월 매출이 누적. 그 누적이 다음 달 광고비를 감당할 만큼 모이려면 payback이 짧아야 함.

같은 매월 $10K 투입에 payback 차이로 초기 자본이 3배까지 차이.

6-2. 외부 자본 의존도

payback이 길수록 외부 자본(투자·차입) 의존도가 커짐. 자본 cost 인상기에는 payback 짧은 채널이 더 가치 있음.

6-3. 운영 룰 — 12개월 이내 권장

DTC·이커머스 자리는 payback 12개월 이내가 권장. 그보다 길면 채널 다각화 또는 LTV 개선이 우선.

7. Payback 단축 전략 4가지

7-1. 첫 구매 매출 인상

번들·세트 상품·고가 카테고리 우선 노출. 같은 CAC에 첫 구매 +50%면 payback 즉시 단축.

7-2. 빠른 재구매 유도

post-purchase journey(customer-journey-orchestration)로 7일 내 재구매 트리거. 재구매 1번이 LTV 곡선을 빠르게 끌어올림.

7-3. CAC 효율 채널로 이동

LAL·Customer Match(lookalike-audience-ops)로 CAC 효율 좋은 자리 우선. 같은 LTV에 CAC가 30% 낮아지면 payback 30% 단축.

7-4. 구독·반복 모델 도입

일회성 구매 → 구독으로 전환 가능한 카테고리는 LTV 곡선 자체가 바뀜. payback이 절반 이하로 줄어드는 케이스 흔함.

8. 분기 보고에 박을 표

LTV/CAC 비율과 payback이 함께 있어야 한 슬라이드에서 의사결정 가능.

9. 마치며 — 시간 차원이 포함된 의사결정

LTV/CAC 비율만 보고 채널 의사결정하면 빠르게 자본이 묶이는 함정에 들어갑니다. payback period가 그 시간 차원을 보여주고, 마케팅 성장의 진짜 한도를 데이터로 답합니다. 분기 회의에 LTV/CAC와 payback을 한 슬라이드에 두면 채널 선택의 50%가 자동으로 결정됩니다.

다음 분기에 한 번만 시도해 볼 만한 것은 채널별 payback을 코호트 단위로 계산해 LTV/CAC와 함께 보고에 추가하는 흐름입니다. 의사결정 속도와 정직성이 동시에 올라갑니다.

다음에 읽을 글

• ROAS·CAC·LTV 세 그림 — 세 숫자 입체 분해
• BG/NBD LTV 예측 — LTV 곡선 모델링
• Customer journey orchestration — 재구매 유도

참고

• “Unit economics for SaaS” (David Skok): https://www.forentrepreneurs.com/saas-metrics-2/
• “CAC Payback Period” (KeyBanc Capital): https://www.key.com/businesses-institutions/industry-expertise/key4women/saas-survey-results.html
• “DTC payback benchmarks” (Common Thread): https://commonthreadco.com/
• “Cash conversion cycle” (HBR): https://hbr.org/
• “Cohort analysis 101” (Mode Analytics): https://mode.com/blog/cohort-analysis/