# Compute-adjusted LTV(연산 비용 반영 LTV) 계산하는 방법

> Clean Markdown view of GeekNews topic #30959. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=30959](https://news.hada.io/topic?id=30959)
- GeekNews Markdown: [https://news.hada.io/topic/30959.md](https://news.hada.io/topic/30959.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-06-30T09:42:01+09:00
- Updated: 2026-06-30T09:42:01+09:00
- Original source: [thesaascfo.com](https://www.thesaascfo.com/how-to-calculate-compute-adjusted-ltv/)
- Points: 3
- Comments: 0

## Topic Body

- AI 제품이 동일 구독료를 받으면서도 고객마다 **추론 비용**을 크게 다르게 소비하면서, 전체 고객층의 매출총이익률이 안정적이라는 전통적 LTV의 전제가 무너지는 상황  
- 핵심은 **Compute-Adjusted LTV**로, 고정·반고정 구독 매출에 변동성 큰 연산 비용이 결합된 AI 제품의 **고객 단위 수익성**을 측정  
- 두 고객이 같은 가격을 내도 한쪽은 **추론 비용 $110**, 다른 쪽은 $15를 소비해 실제 매출총이익이 전혀 다른 구조  
- 회사 평균 매출총이익률만 보면 일부 세그먼트가 손익분기점에 머물거나 손실을 내는 사실이 가려져 **평균값의 함정**이 발생  
- 고정 AI 구독 매출과 변동 연산 비용을 동시에 가진 기업은 **세그먼트별 매출총이익**을 반드시 파악해야 가격·예측·확장에서 실수를 줄일 수 있음  
  
---  
  
### 전통적 소프트웨어 LTV의 새로운 문제  
  
- 전통적 SaaS에서는 비슷한 고객을 한 명 더 서비스하는 비용 차이가 크지 않아 **구독 매출총이익률**을 LTV에 그대로 적용 가능  
  - 기본 LTV = Cohort ARPA / Revenue Churn Rate  
  - 매출총이익 반영 버전 = Cohort ARPA × Gross Margin / Revenue Churn Rate  
- AI 제품은 추론 호출, 완성(completion), 워크플로 실행, 에이전트 작업, 생성 출력마다 **직접적이고 변동적인 비용**이 발생하며 그 비용과 사용량이 고객마다 다름  
- **ICONIQ Capital**의 2026년 1월 State of AI 보고서 인용  
  - 확장 단계 AI B2B 기업에서 모델 추론이 총매출의 평균 **23%** 차지  
  - AI 제품 평균 매출총이익률은 2024년 41%에서 2026년 약 **52%** 로 상승 전망, 다만 전통 SaaS 수준에는 여전히 미달  
  
### 같은 구독료, 다른 고객 경제성  
  
- 월 $200 AI 워크플로 제품 예시에서 파워 유저(고객 A)는 추론 비용 $110, 라이트 유저(고객 B)는 $15를 소비하지만 전통 LTV에서는 동일하게 계산  
- 높은 사용량 자체가 나쁜 것은 아니며 헤비 유저는 **고착성(sticky)** 이 높고 확장이 빠르며 제품 옹호자가 될 수 있음  
  - 다만 가격 모델이 연산 비용을 회수하지 못하면 높은 사용량이 매출총이익률을 조용히 압박하거나 파괴  
- **Jellyfish**의 2026년 4월 분석(개발자 12,000명·기업 200곳의 2026년 1분기 토큰 사용량) 인용  
  - 병합된 PR 1건당 비용이 최저 사용 구간 **$0.28**에서 최고 구간 **$89.32**까지, **319배 격차**  
- 평균 매출총이익률 사용은 구독형 AI 제품에서 오해를 유발하며, 한 세그먼트는 고수익이고 다른 세그먼트는 손익분기 수준일 수 있음  
  
### Compute-adjusted LTV 공식에 들어가는 매출  
  
- AI 매출을 세 가지로 구분  
  - ## Direct AI Revenue  
    - AI SKU, AI 애드온, AI 시트, AI 사용자 라이선스, AI 사용 패키지, AI 크레딧 번들, AI 초과사용 매출 등 **AI 기능에 직접 지불**하는 가장 깔끔한 입력값  
  - ## AI-Attributed Revenue  
    - 표준 플랜 $200, AI 플랜 $275일 때 차액 **$75**를 AI가 주된 차이라면 AI 귀속 매출로 처리 가능, 단 방법론 문서화 필요  
    - 공개 기술 기업은 AI 매출 태깅을 잘 수행 중이며 공개 시장에서 필수  
  - ## AI-Influenced Revenue  
    - AI 때문에 갱신·수주·확장이 이뤄진 **상업적 신호**지만, 매출 영향을 분리하지 못하면 단위 경제 공식의 분자로 쓰기에는 부적합해 별도 추적  
- 규칙: 가능하면 **Direct AI Revenue** 사용, 방어 가능하면 AI-Attributed Revenue 사용, AI-Influenced Revenue는 별도 추적  
  
### Compute-Adjusted LTV 공식  
  
- **Compute-Adjusted LTV = Compute-adjusted Gross Profit per Customer / Revenue Churn Rate**  
  - Compute-adjusted Gross Profit per Customer = AI Revenue per Customer − Fully Burdened AI COGS per Customer  
  - **Fully Burdened AI COGS** = Inference Costs + AI Infrastructure Costs + Support Costs + Customer Success Costs + DevOps  
- 비용은 매출총이익 수준에서 **완전 부담(fully burdened)** 으로 계산하며, 단순히 매출에서 추론 비용만 빼는 방식은 LLM 비용만 있는 경우가 아니면 과소 계상  
- Customer Success는 도입·유지에 집중하고 쿼터를 지지 않을 때만 COGS에 포함  
  
### Compute-adjusted LTV 예시: Acme SaaS  
  
- 월 $200 AI 워크플로 제품을 순수 사용량이 아닌 **구독 형태**로 판매, 매출은 고정이나 연산 소비는 변동  
- ## 회사 평균  
  - Compute-adjusted Gross Profit = $200 − $55 − $11 − $12 − $8 = **$114**  
  - Compute-Adjusted LTV = $114 / 2% = **$5,700**  
  - 전통적 LTV = ($200 − $7 − $12 − $8) / 2% = **$8,650**  
- ## 헤비 유저  
  - 추론 $110, AI 인프라/DevOps $15, 지원 $15, CS $10  
  - Gross Profit = $200 − $110 − $15 − $15 − $10 = **$50**, LTV = $50 / 2% = **$2,500**  
- ## 라이트 유저  
  - 추론 $15, AI 인프라/DevOps $8, 지원 $10, CS $7  
  - Gross Profit = $200 − $15 − $8 − $10 − $7 = **$160**, LTV = $160 / 2% = **$8,000**  
- ## 해석  
  - 두 세그먼트 모두 CAC는 $1,200 가정  
  - 고객 단위 AI 비용을 반영하면 헤비 유저는 일반 기준인 **3:1 LTV:CAC** 벤치마크 아래로 떨어짐  
  - 이는 헤비 유저가 나쁜 고객이라는 뜻이 아니라 운영자가 더 나은 질문을 던지고 가격·비용 분포 비율을 재검토해야 한다는 신호  
  - 헤비 유저의 유지 기간, 확장 속도, 플랜 이동, **공정 사용 한도(fair-use threshold)**, 단순 워크플로의 저비용 모델 라우팅, 사용 크레딧·초과사용 과금, 헤비 유저 수 등을 점검 필요  
  
### Compute-adjusted LTV를 쓸 때  
  
- AI가 구독·유사 구독 모델로 판매되고 연산 비용이 고객별로 크게 다를 때 사용  
  - 추론 비용이 매출의 **10% 초과**, 사용량이 세그먼트별로 크게 변동, LTV:CAC로 가격·CAC 예산·고객 획득을 결정할 때 특히 유용  
- 추론 비용이 작거나 균일하면 대시보드를 복잡하게 만들 필요 없음  
  - AI 연산이 매출의 **5% 미만**이고 고객 단위 변동성이 낮으면 기존 매출총이익 반영 LTV로 충분  
- 순수 사용량 가격 제품은 다른 지표에 집중, 하이브리드(플랫폼 구독 + 사용량) 모델은 두 관점 모두 필요  
  
### 최소 실행 가능 분석 (Minimum Viable Analysis)  
  
- 완벽한 데이터는 불필요하나 분포 분석을 위한 **고객 단위 사용량 데이터**는 필요  
- 고객 단위가 이상적이지만 세그먼트 단위도 좋은 시작점  
  - 라이트·코어·파워 유저로 먼저 구분, 이후 SMB·미드마켓·엔터프라이즈, 플랜 유형, 획득 채널을 추가  
- 목표는 첫날의 회계적 완벽함이 아니라 **평균 LTV가 약한 고객 경제성을 가리고 있는지** 확인하고 누락된 데이터를 발견하는 것  
  
### 실무 CFO의 결론  
  
- 과거 SaaS 플레이북은 높은 사용량을 거의 항상 긍정적으로 봤으나, AI SaaS에서는 가격 모델과 비용 구조가 뒷받침될 때만 유효  
- **Compute-Adjusted LTV**는 연산 및 관련 COGS 반영 후 구독형 AI 제품이 수익성 있는 고객 관계를 만드는지 파악하도록 지원  
  - CAC Payback, GRR, NRR, 매출총이익률, LTV:CAC를 대체하지 않으며 AI-native·AI-enabled SaaS의 단위 경제를 **확장**하는 지표  
- AI 매출총이익률이 전통 SaaS보다 낮아도 패닉할 필요는 없으나 계산을 회피해서는 안 되며, 고객 단위 AI 경제성을 이해하는 기업이 더 나은 가격 책정·예측·확장을 달성

## Comments



_No public comments on this page._