SaaS 핵심 지표 7가지 완벽 정리: DAU/MAU/리텐션/NPS 측정과 개선 방법

SaaS 핵심 지표란?
SaaS 핵심 지표는 사용자 활성도·잔존율·수익성을 정량적으로 측정해 제품과 비즈니스의 건강 상태를 판단하는 지표 체계다.

왜 지금 SaaS 지표를 다시 봐야 하는가

SaaS는 소프트웨어를 소유가 아니라 구독으로 제공하는 모델이다. 클라우드 인프라 위에서 지속적으로 업데이트되고, 고객은 매달 혹은 매년 사용료를 낸다. 이 구조에서는 신규 가입자 수보다 "이미 확보한 고객이 계속 쓰는가"가 매출을 좌우한다.

문제는 많은 팀이 여전히 가입자 수나 다운로드 수 같은 허영 지표(vanity metric)에 머물러 있다는 점이다. 가입은 했지만 다시 오지 않는 사용자가 늘어나도, 대시보드에는 "이번 달 신규 가입 500명"이라는 숫자만 좋게 찍힌다. 실제로는 밑 빠진 독에 물 붓기가 진행 중일 수 있다.

이 글에서는 SaaS 팀이 반드시 추적해야 할 핵심 지표 7가지(DAU, MAU, DAU/MAU 비율, 리텐션, 이탈률, NPS, LTV-CAC)를 정의부터 계산법, 개선 방법까지 정리한다.

SaaS 핵심 지표 7가지

1. DAU (Daily Active Users, 일간 활성 사용자)

하루 동안 제품 내에서 의미 있는 행동을 1회 이상 수행한 고유 사용자 수다. 단순 로그인이 아니라 "핵심 액션"을 기준으로 정의해야 실제 사용 강도를 반영한다. 예를 들어 협업 툴이라면 "문서 열람"이 아니라 "문서 편집"을 활성 기준으로 삼는 식이다.

2. MAU (Monthly Active Users, 월간 활성 사용자)

같은 기준을 30일 단위로 집계한 값이다. B2B SaaS처럼 주중에만 쓰는 제품은 DAU 변동폭이 크기 때문에, MAU를 함께 봐야 계절성·요일 편향을 걸러낼 수 있다.

3. DAU/MAU 비율 (Stickiness)

DAU를 MAU로 나눈 값으로, 제품이 얼마나 습관적으로 쓰이는지를 보여준다. 예컨대 이 비율이 20%라면 월간 사용자 중 평균적으로 하루 6일 정도 제품을 쓴다는 뜻이다. 협업·생산성 툴처럼 매일 쓰는 제품은 이 비율이 높게 나오고, 세금 신고 소프트웨어처럼 특정 시즌에만 쓰는 제품은 낮게 나오는 게 자연스럽다. 절대값보다 자사 제품 카테고리 안에서 나타나는 추세 변화가 더 중요하다.

4. 리텐션 (Retention)

특정 시점에 유입된 사용자 그룹(코호트)이 이후에도 계속 돌아오는 비율이다. N일 리텐션(가입 후 N일째 재방문 비율)과 코호트 리텐션(주간·월간 단위로 그룹을 나눠 추적)으로 나뉜다. 리텐션 커브가 초반에 급락하다가 특정 지점에서 평평해지는 "스마일 커브"가 나타나면, 그 지점까지 살아남은 사용자는 장기 고객이 될 가능성이 높다는 신호다.

5. 이탈률 (Churn Rate)

일정 기간 동안 서비스를 해지하거나 사용을 멈춘 고객 비율이다. 로고 이탈(Logo Churn, 고객 수 기준)과 매출 이탈(Revenue Churn, 금액 기준)을 구분해서 봐야 한다. 대형 고객 한 곳이 이탈하면 로고 이탈률은 낮아도 매출 이탈률은 크게 뛸 수 있기 때문이다.

6. NPS (Net Promoter Score)

"이 제품을 지인에게 추천할 의향이 얼마나 되나요"라는 단일 질문(0~10점)으로 측정한다. 9~10점은 추천고객, 7~8점은 중립, 0~6점은 비추천고객으로 분류하고 추천고객 비율에서 비추천고객 비율을 뺀 값이 NPS다. 정성적 지표라 정량 지표와 함께 봐야 해석이 정확해진다. 점수가 높아도 실제 리텐션이 낮다면 설문 응답과 실제 행동 사이의 괴리를 의심해야 한다.

7. LTV:CAC 비율

고객 한 명이 평생 발생시키는 매출(LTV)을 그 고객을 획득하는 데 든 비용(CAC)으로 나눈 값이다. SaaS 업계에서는 통상 3:1 이상을 건강한 수준으로 본다. 이 비율이 1:1에 가까우면 신규 고객을 확보할수록 오히려 손해를 보는 구조일 수 있다.

지표를 측정하는 3단계 실전 방법

지표는 정의만으로는 움직이지 않는다. 실제로 측정 체계를 세우는 순서를 정리하면 다음과 같다.

1단계: 핵심 액션부터 정의한다

DAU, MAU를 계산하기 전에, "무엇을 하면 활성 사용자로 볼 것인가"부터 팀 안에서 합의해야 한다. 로그인만으로는 부족하다. 협업 툴이면 문서 편집, 커머스면 장바구니 담기 이상의 행동이 기준이 되는 식이다.

2단계: 코호트 단위로 리텐션을 쪼갠다

전체 사용자를 하나로 묶어서 보면 신규 유입과 기존 고객이 섞여 추세가 흐려진다. 가입 시점, 유입 채널, 요금제별로 코호트를 나눠야 "어떤 사용자군에서 이탈이 발생하는지"가 드러난다.

3단계: 지표를 퍼널·세그먼트와 연결한다

리텐션이 낮다는 사실만으로는 원인을 알 수 없다. 온보딩 퍼널의 어느 단계에서 이탈이 집중되는지, 특정 기능을 쓴 사용자와 안 쓴 사용자의 리텐션 차이가 얼마나 나는지까지 봐야 개선 지점이 보인다. 프로덕트 애널리틱스는 이런 행동 기반 세그먼트 분석에 쓰이는 접근 방식이다.

이 단계에서 GA4만으로는 한계가 뚜렷하다. GA4는 광고 채널별 유입 분석에는 강하지만, 특정 기능을 사용한 사용자 집단만 골라 코호트 리텐션을 비교하거나 퍼널 이탈 지점을 세그먼트별로 추적하는 작업은 구조적으로 어렵다. Exploration Report는 이벤트 수가 많아지면 샘플링이 발생하고, 로데이터 접근도 BigQuery 연동 없이는 집계값만 가능하다. 코드 없이 드래그앤드롭으로 이런 분석을 하려는 팀이라면 믹스패널 입문 가이드를 참고할 만하다.

케이스스터디: 리텐션 개선으로 이탈을 줄인 과정 (시나리오)

아래는 실제 기업명이 아닌, 국내 B2B SaaS 스타트업에서 흔히 관찰되는 패턴을 재구성한 시나리오다.

이 팀은 가입 후 첫 7일 이내 핵심 기능을 한 번도 쓰지 않은 사용자의 30일 리텐션이 5% 미만이었던 반면, 첫 3일 안에 핵심 기능을 사용한 사용자는 30일 리텐션이 40%를 넘겼다. 온보딩 첫 3일을 "골든 윈도우"로 정의하고, 가입 직후 핵심 기능으로 바로 안내하는 온보딩 플로우로 개편한 결과 신규 코호트의 7일 리텐션이 이전 대비 약 1.5배 개선됐다.

이탈률 관점에서는 요금제 업그레이드 직후 30일 이내 이탈하는 고객 비중이 유독 높다는 점도 발견됐다. 상위 요금제 전환 시점에 기대치와 실제 기능 사이의 격차가 원인으로 파악돼, 업그레이드 직후 온보딩 메시지를 별도로 붙이는 식으로 대응했다. 이런 패턴은 특정 기업 사례라기보다 SaaS 리텐션 분석에서 반복적으로 관찰되는 구조에 가깝다.

고객 유지 관련 일반 원칙으로는, 기존 고객을 유지하는 비용이 신규 고객을 획득하는 비용보다 훨씬 낮다는 점이 업계에서 공통적으로 지적된다. 리텐션을 소폭만 개선해도 전체 매출에 미치는 영향이 크다는 분석도 여러 차례 인용되고 있다.

도구 선택 기준을 정리하고 싶다면 사용자 분석 툴 비교도 참고할 수 있다. 데이터 분석 문화가 막 생기는 팀에는 기능이 많은 도구보다, 마케터나 PM이 쿼리 요청 없이 스스로 코호트를 만들어볼 수 있는 구조가 더 유효하다는 점은 여러 조직에서 공통적으로 확인된다.

더 읽어보기

• 프로덕트 애널리틱스란?
• 믹스패널 완벽 입문 가이드
• 사용자 분석 툴 비교 (믹스패널·앰플리튜드·포스트호그)

자주 묻는 질문

DAU와 MAU 중 어떤 지표를 더 중요하게 봐야 하나?

제품 사용 주기에 따라 다르다. 매일 쓰는 협업·메신저형 제품은 DAU와 Stickiness 비율이 핵심이고, 회계/급여처럼 특정 주기로만 쓰는 제품은 MAU와 리텐션 커브가 더 의미 있는 지표다. 두 지표를 함께 놓고 Stickiness 추세를 보는 편이 단일 지표만 보는 것보다 정확하다.

리텐션과 이탈률은 같은 개념인가?

반대 개념에 가깝지만 계산 기준이 다르다. 리텐션은 코호트 단위로 "돌아온 비율"을 보고, 이탈률은 보통 활성 고객 전체를 기준으로 "떠난 비율"을 본다. 특히 매출 기준 이탈률은 로고 이탈률과 다르게 움직일 수 있어 둘 다 확인해야 한다.

NPS는 몇 점이면 좋은 수준인가?

업종·시장마다 기준이 달라 절대값보다 자사의 시계열 추세와 경쟁사 대비 상대 위치가 더 의미 있다. NPS 점수만 높고 실제 리텐션이나 이탈률 개선이 없다면, 설문 응답과 실제 사용 행동 사이의 괴리를 먼저 의심해야 한다. GA4 같은 트래픽 분석 도구로는 이런 설문-행동 간 괴리를 사용자 단위로 추적하기 어렵기 때문에, 행동 데이터와 설문 데이터를 사용자 ID로 연결해서 봐야 한다.

지표는 만드는 것이 아니라 보는 습관이다

SaaS 핵심 지표 7가지는 개별적으로 보면 각각 다른 질문에 답한다. DAU, MAU는 규모를, 리텐션·이탈률은 잔존을, NPS는 만족도를, LTV-CAC는 수익성을 보여준다. 중요한 건 이 지표들을 따로따로가 아니라 한 사용자의 여정 안에서 연결해서 보는 습관이다. 가입 → 활성화 → 리텐션 → 이탈까지 하나의 흐름으로 추적할 수 있을 때, 어디를 고쳐야 매출이 움직이는지가 비로소 보인다.

Nitrox 블로그에서 관련 가이드 더 보기