재구매율(Retention Rate)과 이탈률(Churn Rate)의 상관관계: 리텐션 커브(Retention Curve)의 평탄화 시점 포착 및 그로스 지표 관리

재구매율(리텐션율)과 이탈률(처n율)은 같은 현상을 반대 방향에서 보는 지표로, 특정 기간에 재방문·재구매한 고객 비율이 리텐션율이라면 그 나머지가 이탈률입니다. 두 지표는 항상 더하면 100%가 되므로 하나만 알면 다른 하나는 자동으로 계산되지만, 보고서를 만들 때 어느 쪽을 강조하느냐에 따라 받아들이는 인상이 크게 달라집니다. "이탈률이 20%"라는 표현과 "리텐션율이 80%"라는 표현은 같은 숫자인데도, 전자는 문제를 부각하고 후자는 성과를 부각하는 뉘앙스 차이가 있어 보고 목적에 맞게 골라 쓰는 것이 실무적으로 중요합니다.

리텐션 커브는 유입 시점을 0으로 놓고, 이후 1주차·1개월차·3개월차처럼 시간이 지나며 그 코호트 중 몇 퍼센트가 여전히 활동하고 있는지를 그래프로 그린 것입니다. 대부분의 서비스는 유입 초기에 급격하게 이탈이 발생하고, 시간이 지날수록 이탈 속도가 점점 느려지는 패턴을 보입니다. 이 커브의 모양 자체가 서비스의 건강도를 보여주는 중요한 신호이며, 단순히 "이번 달 리텐션율이 몇 %"라는 한 시점의 숫자보다 훨씬 많은 정보를 담고 있습니다.

건강한 서비스의 리텐션 커브는 초기에 급격히 떨어지다가 어느 시점부터는 더 이상 떨어지지 않고 수평에 가깝게 유지되는 '평탄화' 구간이 나타납니다. 이 평탄화 지점의 값이 바로 그 서비스에 진짜로 정착한 핵심 고객층의 실질 규모를 의미합니다. 예를 들어 3개월차 이후 리텐션율이 25%에서 더 이상 떨어지지 않고 유지된다면, 유입된 사용자의 4분의 1은 장기 충성 고객으로 안착했다고 해석할 수 있습니다.

반대로 리텐션 커브가 시간이 지나도 계속 우하향하며 평탄해지는 지점 없이 0에 가깝게 수렴한다면, 이는 서비스에 정착하는 핵심 고객층 자체가 형성되지 않고 있다는 위험 신호입니다. 이런 패턴이 나타나면 신규 유입을 늘리는 마케팅에 예산을 더 쓰기보다, 왜 고객이 정착하지 못하는지 제품·서비스 자체의 문제를 먼저 점검해야 합니다. 마케팅으로 아무리 신규 유입을 늘려도, 정착시키는 힘이 없다면 밑 빠진 독에 물 붓기가 될 뿐입니다.

리텐션율을 몇 퍼센트포인트만 개선해도 장기 누적 매출인 LTV에는 신규 유입 확대보다 훨씬 큰 영향을 미치는 경우가 많습니다. 신규 유입은 매번 CAC를 다시 지불해야 하지만, 기존 고객의 리텐션을 높이는 것은 추가 획득 비용 없이 누적 매출을 늘리는 효과를 주기 때문입니다. 이런 이유로 그로스 전략을 세울 때 신규 유입 확대와 기존 고객 리텐션 개선 중 어디에 우선순위를 둘지는, 현재 리텐션 커브가 평탄화되고 있는지 여부를 먼저 확인한 뒤 결정하는 것이 합리적입니다.

같은 시기에 유입됐어도 매체별로 리텐션 커브의 모양이 크게 다른 경우가 흔합니다. 할인 프로모션이나 경품 이벤트로 유입된 코호트는 초기 유입 규모는 크지만 리텐션 커브가 가파르게 떨어져 낮은 지점에서 평탄화되고, 반대로 콘텐츠·오가닉 검색으로 유입된 코호트는 초기 규모는 작아도 상대적으로 높은 지점에서 평탄화되는 패턴이 자주 관찰됩니다. 이 차이를 매체별로 비교해보면, 단기 유입량을 늘리는 매체와 장기적으로 건강한 고객층을 만드는 매체를 구분해서 예산을 배분하는 근거를 얻을 수 있습니다.

리텐션 커브가 평탄해지는 시점을 더 일찍, 더 높은 지점에서 만들고 싶다면 온보딩 초기 경험을 개선하는 것이 가장 직접적인 방법입니다. 첫 방문·첫 구매 이후 짧은 기간 안에 서비스의 핵심 가치를 다시 한번 상기시키는 메시지(웰컴 메일, 재방문 유도 알림)를 설계하면, 초기 급격한 이탈 구간의 기울기를 완만하게 만드는 데 도움이 됩니다. 이런 온보딩 개선의 효과는 다음 코호트의 리텐션 커브를 이전 코호트와 비교해보는 방식으로 검증할 수 있습니다.

콘텐츠 구독 서비스처럼 매일 접속하는 업종은 몇 주 안에 리텐션 커브가 평탄화되는 신호가 보이지만, 가전·가구처럼 재구매 주기가 긴 업종은 평탄화 여부를 판단하려면 최소 6개월에서 1년 이상의 관찰 기간이 필요합니다. 서비스 특성을 고려하지 않고 너무 이른 시점에 "커브가 평탄해지지 않는다"고 성급하게 판단하면, 실제로는 아직 관찰 기간이 부족했을 뿐인 경우를 심각한 리텐션 문제로 오판할 수 있습니다. 자체 데이터가 아직 충분히 쌓이지 않은 신생 서비스라면, 유사 업종의 벤치마크 커브를 잠정적인 비교 기준으로 참고하되, 자사 코호트 데이터가 최소 3개월 이상 쌓인 뒤에는 반드시 자체 데이터 기준으로 다시 검증하는 것이 안전합니다. 벤치마크와 자사 데이터의 괴리가 크게 나타난다면, 그 차이 자체가 서비스의 구조적 특성(온보딩 방식, 재구매 주기)을 되짚어보는 유용한 출발점이 될 수 있습니다.