지난 편에선 캐링 카파시티 개념과 간단한 예시를 설명했다.

캐링 카파시티는 이런 거였다.

.

우리 비지니스(KPI)의 기초체력이기도 하면서
비지니스(KPI)가 성장하지도 침체하지도 않는 상태에 대한 추정값.

개념적인 부분 위주로 설명했는데
막상 캐링 카파시티를 도입하려고 하면
어떻게 해야 하는지 어려운 경우들이 많다.

오늘은 캐링 카파시티를 도입할 수 있는 방법 위주로 얘기를 해보려 한다.

이번 내용은 끝 부분에 굉장히 중요한 내용이 있으니 천천히 읽기를 권장한다.

캐링 카파시티
간단한 수식으로 미래와 한계를 엿보다

캐링 카파시티는 신규 액티브유저수 나누기 이탈률이라는
간단한 수식으로 미래와 한계를 엿볼 수 있는 멋진 수식이다.

활용만 잘 한다면 지금 우리 현재 상황과 비지니스의
한계점을 명확히 판단하고 대처할 수 있다.

멋진 미래가 끝 없이 펼쳐질 줄 알았는데
멋진 미래를 50년 뒤에나 도달할 수 있다거나
지금 상태로는 6개월 뒤에 회사가 매출 한계점에 도달할 거라는 것도 알 수 있다.

그렇기 때문에 PO나 임원은 캐링 카파시티를 중요한 지표 중 하나로 봐야 한다.

캐링 카파시티 도입에 필요한 4가지

캐링 카파시티를 측정하려면 4가지가 필요하다.

1. CC를 사용할 수 있는 비지니스 환경
2. CC의 대상이 되는 KPI의 활성과 이탈 정의
3. CC 관련 Raw 데이터
4. 엑셀 스킬

오늘은 위 네 가지 대분류로 어떻게 캐링 카파시티를 도입해야 하는지 명확하게 설명한다.

1. 캐링 카파시티를 쓸 수 있는 비지니스 환경

캐링 카파시티는 어느정도 성숙한 수준의 비지니스에만 적용 가능하다.

기본편에서 다뤘던 3가지 조건이 갖춰진 상태를 전제로 한다.

• SEO나 SEM에 대한 준비로 핵심 키워드 또는 콘텐츠 탐색 시
  우리 서비스가 노출되어 유기적 유입이 발생할 것
• 사용자가 다른 사용자에게 우리를 추천해줄 수 있는 환경이 구축되어 있을 것
• 서비스 완성도가 어느정도 정상궤도에 올라갔다고
  내부적으로 판단가능한 시점 이후일 것

이 조건들 없이는 캐링 카파시티가
관측시점마다 차이가 너무 크게 발생해서 의미가 없어진다.
유입이 있을 수 없는 환경이었다거나
서비스가 비정상이나 MVP 상태여서 이탈이 엄청나다면 수치 해석 의미가 없어지는 거다.

2. 캐링 카파시티의 KPI
활성과 이탈을 어떻게 정의할 것인가

이제 어떤 KPI에 대한 활성과 이탈을 측정하려 하는지 파악해야 한다.

주의할 점은 이 때 활성(액티브)이라는 것은 반복 가능한(Recurring) KPI여야 한다는 것이다.

이 말 정말 중요하다.

캐링 카파시티에서의 이탈이라는게
특정행동을 중단했을 때
이탈로 정의하기 때문에 반복이 불가능하면?
시작하자마자 이탈이다.

반복 불가능한 ‘회원가입’을 CC KPI로 잡으면?
이탈률 100%인 거다.

반복 가능한 건 이런 거다.
결제 – 방문 – 게임 스테이지 클리어 – 소개팅앱 상대선택 – 콘텐츠앱 콘텐츠조회.

반복 불가능해서 CC로 못쓰는 건 이런 거다.
회원가입 – 뉴스레터 구독시작 – 친구초대
(친구초대는 회원가입 후 7일 넘어가면 사용률 현저히 떨어진다).

캐링 카파시티가 다양한 지표에 대해 측정할 수 있지만
모든 지표가 CC로 쓸 수 없다는 말이기도 하다. 주의하자.

실무에서 잡을 수 있는 캐링 카파시티의 KPI

자 이제 실무에서 잡을 수 있는 캐링 카파시티의 KPI를 찾아보자.

KPI는 비지니스 상황별로 액티브를 정의하고
신규 액티브 유저에 액티브에 대한 이탈률을 나눠주면 된다.

캐링 카파시티는 공식만 쉽다.

신규액티브 나누기 액티브 이탈률.
이 공식이 쉽다고 말하며 적용까지 쉽다고 얘기하는 사람은
보고만 받은 사람이거나 이론만 아는 사람이거나 천재다.

업종별 캐링 카파시티 KPI 추천

아래는 비지니스 유형별로 추천하는 항목들이다.

• 월 과금 서비스는 – 당월 신규 결제자 나누기 이탈률(당월 결제 중단자 / 전월 전체 결제자)
• 게임서비스는 – 당월 신규 과금유저 나누기 이탈률(당월 과금 중단자 / 전월 전체 과금 유저)
• 소개팅서비스는 2가지인데 – 게임서비스처럼 결제자도 할 수 있고 소개팅 앱 상대 선택도 된다. 당월 신규 선택자 나누기 이탈률(당월 선택 중단자 / 전월 전체 선택자)
• 콘텐츠 서비스는 – 당월 신규 콘텐츠 조회 유저수 나누기 이탈률(당월 조회 중단자 / 전월 전체 조회 유저)
• 스타트업은 방문자만해도 감사한 경우가 많다.
  당월 신규 방문자수 나누기 이탈률(당월 방문 중단자 / 전월 전체 방문자수). 여기서 스타트업을 위한 방문자를 액티브유저로 볼 때는 GA4 기준의 액티브 유저인 사이트나 앱을 방문한 정도의 기준을 생각하면 된다. 스타트업이 워낙에 과금시키기가 어렵다 보니 무료 사용자라도 다시 와주기만 한다면 언젠간 전환 시킬 수 있다는 가정을 하는 거다.

전체 액티브 유저 구하기는 쉬운데 신규 액티브 유저나 이탈 유저를 구하긴 어렵다.

어떻게 할 지 모르겠는게 맞다.

GA나 MMP로 세그먼트를 짜서 CC 측정 기간기준의 신규액티브와 액티브이탈을 분석해야 하는 거라서다.

캐링 카파시티의 신규와 이탈
어떻게 세그먼트를 잡을 것인가

액티브 유저의 이탈이라는것이
이번 측정시점과 완전 동일한 기간의
이전 시점에선 해당 행동을 했던 사람이
이번 측정 시점에는 그 행동을 하지 않았다고 말하는 거다.

그러니까 행동을 안했다 라는 것에 대해 기간 기준이 추가로 존재하게 된다.
신규 라는 것도 마찬가지이고.

빨간원을 이전 시점의 전체 액티브 유저,
파란원을 이번 시점의 전체 액티브 유저라고 해보자.

그럼 지난 시점에선 있었는데 이번 시점엔 없는 A가 이탈 유저다.
그리고 이번시점과 지난 시점 모두 액티브했던게 잔존 유저인 B다.
그리고 신규로 생긴게 이번 시점의 액티브 유저인 C다.

캐링 카파시티는 신규 액티브 유저 나누기 액티브 유저의 이탈률이다.

그럼 위 구조에서 신규 나누기 이탈률은 C / (A / (A+B)) 다.

쉽지 않다.

자 그럼 이걸 어떻게 잡아내느냐.

GA4 기준으로 설명한다.
GA4에서 세그먼트 기능을 써서 이렇게 신규와 이탈 유저를 특정 이벤트에 대해 잡아낼 수 있다.

세그먼트엔 포함기준과 제외 기준이 있는데

포함기준에서 전월에 결제 이벤트를 한 사용자를 넣고
제외 기준에 당월에 결제 이벤트를 한 사용자를 넣으면 그게 A 세그먼트다.

C 세그먼트는 당월 결제자 중 전월 결제자를 빼면 된다.

당월 결제자는 바로 구해지니까 당월 결제자 빼기 C 세그먼트 사용자 수가 B다.

캐링 카파시티 구하기 쉽지 않다.
CC의 개념을 이해하고 실무에 처리할 수 있는 것만 해도
우리는 상당한 수준에 있다고 얘기해도 무방하다.

3. 캐링 카파시티 Raw 데이터 구성 방법

자 이제 실무를 잡기 위해서 위에서 가장 간단한 개념인 월 과금 서비스 기준으로 raw 데이터 구성 방법을 설명한다.

raw 데이터엔 이 기준과 항목들이 필요하다.
데이터는 전부 기준과 항목으로 구성된다.
각 기준에 따른 값이 항목이다.

기준에선 측정하려는 기간 기준인데 월 단위를 권장한다.

항목에선 신규 과금 유저수 – 전월 대비 결제 중단 유저수 – 전체 과금 유저수 이렇게 3가지다.

캐링 카파시티 측정 기간 기준은 길수록 좋다.
최소 월단위로 하고 아니면 분기 단위까지 가도 괜찮다.

일별 주별로 잡으면 캐링 카파시티가
어제는 “우리 회사 성공했어” 했다가
“내일은 우리 회사 망했어” 이런다.

적당한 평균치를 잡자.
비지니스 단위의 분석은 장기적이어야 한다.

월단위 측정이라면
매월 첫번째 주차에 엑셀에
전월의 신규 과금 유저수 – 결제 중단 유저수 – 전체 과금 유저수를 적으면 끝나는 거다.

어쩌면 이 부분은 참 간단하다.

4. 캐링 카파시티 엑셀 후가공
17가지 함수로 해석 가능한 형태 만들기

자 이제 곤란한 작업들이 시작된다. 작성했던 Raw 데이터들을 엑셀로 후가공 할 거다.

캐링 카파시티를 해석하기 편하게 만들려고 쓰게 되는 엑셀 함수는 17가지다.

eomonth – maxifs – sumifs – minifs – iferror – sum – text – date – year – rounddown – mod – index – match – countif – and – or – not. 스프레드시트는 arrayformula와 today까지.

이걸 혼합해서 메타 정보를 엄청 만들어서 작업을 하면 된다.
이 작업을 해둔 파일이 있었으나
25년 07월 서버 버전을 올리면서
사이트가 전체 증발되면서 사라졌다.

이 날 그동안 작성해뒀던 모든 글들이 사라지는 대참사가 발생되었고 
결국 복구하지 못했다. 
지금 글들은 그 때 글들의 기록을 최대한 비슷하게 쓴 글들이다. 

다만 그 사이에 AI의 엄청난 발전이 있었기에
아마 CC 관련 정보를 주고 AI에게 작업을 해달라 하면
파일을 만들어 줄 수 있을 것으로 기대된다.

캐링 카파시티 엑셀 해석
실제 CC 변동 흐름 읽기

엑셀에 있는 내용들을 설명한다.

활성 – 액티브를 월간 결제로 정의했다고 생각해보자.

각 월별로 총 활성유저 – 신규 활성유저 – 신규 이탈유저라는
3가지 항목을 넣으면 캐링 카파시티와
CC달성률 – CC에 도달하기까지 얼마나 남았는지
그 시점은 언제일지에 대한 결과값이 나오는 엑셀파일이다.

아래와 같은 부가 조건을 넣었다.

• raw 데이터는 랜덤값을 더미로 넣었으며
  초반 막 안정성이 확립된 비지니스의 값과 비슷하게 값을 보정했다.
• CC 관련값에는 데이터 편차를 최대한 안정화 시키기 위해
  3개월 기간이동평균을 사용했다.
• CC 도달 잔여일 – 도달 예상월 – 예상 월초 활성은
  해당 시점 이전 3개월 신규와 이탈값이 지속되는 상황을 가정했다.

캐링 카파시티 변동 흐름 해석

초반 막 안정성이 확립된 비지니스를 가정한
캐링 카파시티를 기준으로 해석하면 초반 CC는 너무 높거나 낮을 수 있다.
초반엔 코어 팬들이 많아서 이탈율이 낮거나 안 알려져서 유입이 적을 수 있다.

초반 이탈률이 고쳐지면서 캐링 카파시티가 조금씩 상승하고
이때부터 광고를 진행하면서 신규 액티브가 크게 증가할 수 있다.
그럼 이때 캐링 카파시티가 갑자기 폭증한다.

광고가 유지되는 동안 신규 액티브 유저수가 늘면서 캐링 카파시티는 어느정도 버텨주더니

광고가 꺼지면 신규가 줄고 이탈은 유지되며 결국 원래 있어야 할 자리로 돌아간다.

캐링 카파시티가 증가했다가 폭락했다.
근데 그게 그렇게 나쁘진 않다.
액티브 볼륨 자체를 늘릴 수 있는 역량이 있다는 증거기도 해서다.
자신감을 얻고 많은 트래픽들을 통해서 인사이트를 얻는다.

인사이트들을 통해 이탈률을 점차 고쳐나가고
바이럴이 커져나가면서 신규 액티브가 증가하고
이는 곧 캐링 카파시티의 증가로 이어진다.

캐링 카파시티는 그냥 숫자가 아니다.
이걸 해석할 수 있는 이해 역량을 동시에 갖춰야 한다.
숫자에서 텍스트를 끌어낼 수 있는 사람이 되어야 하는 거다.

캐링 카파시티 신기하지 않나.
내가 지금 이렇고 언제 어떻게 내가 무엇이 될 지 알 수 있다.
스타트업, 정기결제 서비스들은 반드시 도입하기를 권장한다.

QnA
캐링 카파시티 도입 시 자주 나오는 질문

CC는 얼마마다 체크해야 하나요?

캐링 카파시티는 한번 체크하고 끝나는게 아니라
CC측정 주기별로 계속 체크해야 한다.
월단위라면 월단위 – 분기 단위라면 분기단위.

캐링 카파시티의 성장은 비지니스의 성장이다.
CC가 늘어났다면 왜 늘어났는지 분석하고
그 성장이 지속되도록 강화해야 한다.
당연히 지속적으로 CC측정 기준에 맞춰서 반복 체크해야 한다.

결국 캐링 카파시티를 올리는 쪽으로
서비스 방향성이 결정되어야 하고
CC가 상승했다면 원인을 파악하자.
그리고 올라가는 쪽으로 지속 테스트를 하면 된다.

빠르게 성장중이어서 과거 데이터로 보면 CC가 작게 나와요

최근 빠르게 성장중이어서 신규와 이탈이 편차가 크고
캐링 카파시티 측정이 어렵다면 신규와 이탈에 대한 보정 수식 도입이 가능하다.

과거 3개월의 실제 지표에 미래 3개월에 대한
선형회기모델을 쓰고 신규와 이탈을 만든 다음
6개월 기간이동평균이나 지수평활법을 결합하여 캐링 카파시티를 재 정의 가능하다.

액티브 유저에 대해 적용 가능한 선형회기모델은 이렇다.
현재 시점의 지표값 기준으로 상승률을 곱해 다음 시점의 지표값을 예측한다.

y_t = y_(t-1) * (1 + r)^t

• y_t는 t 시점의 지표값
• y_(t-1)은 t-1 시점의 지표값
• r은 t 시점의 상승률

현재 시점의 신규 액티브유저가 100명이고 상승률이 10%라면
다음 시점의 지표값은 100 * (1 + 0.1)^1 = 110 명이다.

공식은 위의 것을 쓰면 되긴 하는데 어쩔 수 없다.
캐링 카파시티는 중요하지만 만능은 아니다.
간단한 수식은 간단한 수식으로 남겨두자.

사람들이 공감 못 하는 쓸모없는 데이터를 얻게 될 거다.

캐링 카파시티 – 마지막으로

캐링 카파시티는 하나의 비지니스에 하나만 존재하는 최종 KPI가 아니다.
유저도 매출도 반복가능한 것들에 모두 적용 가능하다.
캐링 카파시티를 이용해서 다양한 KPI의
성장 한계점을 찾고 CC를 높여나가도록 개선 구조를 설계해야 한다.

그리고 캐링 카파시티는 최초 도입이 정말 어렵다.
비지니스의 모든 방향성이 CC로 결정될 수도 있다는 것을 이해하고
내부 공감대를 만들기까지가 어렵다.

근데 이만한 방향성 지표가 또 없다. 많은 고민과 학습이 필요하다.

캐링 카파시티에 대한 것은 여기까지 얘기할 수 있도록 하겠다.