같은 "재구매"인데 숫자가 다르다? — 라플라스 재구매 분석 3가지 완전 정리

라플라스 대시보드에는 재구매를 측정하는 기능이 세 가지 있어요.

같은 기간을 조회해도 세 기능의 숫자가 서로 다르게 나오는데, 잘못된 게 아니에요. 각 기능이 서로 다른 질문에 답하기 위해 만들어졌기 때문입니다.

이 글에서는 세 기능이 어떻게 다른지, 그리고 실무에서 언제 어떤 걸 봐야 하는지 정리했습니다.

---

한눈에 보는 비교표

---

1. 첫구매 / 재구매 차트

어떤 질문에 쓰나요?

"이번 달 들어온 주문 중에서, 처음 사는 사람이 낸 주문과 다시 사는 사람이 낸 주문의 비율이 어떻게 되지?"

어떻게 계산하나요?

각 고객의 전체 주문 이력에 순서를 매겨요. 그리고 조회 기간에 들어온 주문이 그 사람의 몇 번째 주문이었는지를 보고 첫구매/재구매로 나눕니다.

예시 — 고객 A의 주문 이력

• 1월 10일 주문 → 첫 번째 주문이니까 첫구매

• 3월 15일 주문 → 두 번째 주문이니까 재구매

• 4월 20일 주문 → 세 번째 주문이니까 재구매

이때 조회 기간을 어떻게 잡느냐에 따라 결과가 달라져요.

• 3~4월만 조회하면 → 첫구매 0건, 재구매 2건

• 1~4월 전체를 조회하면 → 첫구매 1건, 재구매 2건

알아두면 좋은 점

• 주문 건수 기준이라, 한 사람이 같은 기간에 첫구매 1건과 재구매 1건을 동시에 가질 수 있어요.

• 그래서 "첫구매 유저수 + 재구매 유저수"가 전체 유저수보다 많이 나올 수 있습니다.

• 조회 기간을 바꾸면 같은 주문이라도 다른 카테고리로 분류될 수 있어요.

실무 예시

쇼핑백 B2B 브랜드의 3월 마케팅 캠페인 이후 4월 데이터를 봤더니:

• 첫 구매 3,972건 / 재구매 2,744건 (재구매 비중 40.9%)

• → 4월 주문의 41%가 기존 고객의 반복 구매

• → 신규는 꾸준히 들어오고 재구매도 잘 일어나고 있음 → 고객 기반이 건강하다는 신호

이런 판단에 좋아요

• 주별·월별로 신규 vs 기존 고객 주문 비중 트렌드 보기

• 마케팅 캠페인 켜기 전후로 신규 유입 효과 측정

• 시즌별 재구매 비중 변화 추적

---

2. 유저 세그먼트

어떤 질문에 쓰나요?

"우리 고객 중에서 한 번만 사고 안 오는 사람이 몇 명이고, 단골은 몇 명이지?"

어떻게 계산하나요?

이건 고객 한 명 단위로 계산해요. 그 사람이 지금까지 총 몇 번 샀는지를 세서 카테고리를 정합니다.

• 고객 A: 총 3회 구매 → 재구매 고객

• 고객 B: 총 1회 구매 → 1회 구매 고객

• 고객 C: 총 5회 구매 → 재구매 고객

라플라스에서는 이렇게 보여줘요.

• 1회 구매 유저수 — 딱 한 번만 산 사람

• 2회 구매 유저수 — 정확히 두 번 산 사람

• 3회 구매 유저수 — 정확히 세 번 산 사람

• 재구매 유저수 — 두 번 이상 산 모든 사람

알아두면 좋은 점

• 고객 단위라서 한 사람은 반드시 하나의 카테고리에만 속해요.

• 날짜 필터는 "누구를 볼지" 추리는 용도예요. 그 사람의 구매 횟수는 가입 이후 전체 이력 기준으로 계산됩니다.

• 예: "최근 90일 안에 구매한 고객"으로 필터링해도, 그 사람의 총 구매 횟수는 가입한 이후 전체를 봅니다.

실무 예시

쇼핑백 B2B 브랜드 — 최근 90일 안에 구매한 활성 고객 6,702명을 세그먼트로 보면:

• 1회 구매: 3,654명 (54.5%)

• 2회 구매: 1,085명 (16.2%)

• 3회 구매: 585명 (8.7%)

• 재구매 고객 합계: 3,048명 (45.5%)

여기서 뽑을 수 있는 액션:

• 활성 고객 중 절반 가까이가 이미 재구매 고객

• 1회만 산 3,654명은 이탈 위험군 → 재구매 유도 캠페인 타겟으로 적합

• 3회 이상 산 충성 고객 585명에게는 VIP 혜택

이런 판단에 좋아요

• 고객 구조(1회성 vs 단골) 파악

• CRM 캠페인 대상 추출 (1회 구매자 → 재구매 유도, 다회 구매자 → 로열티)

• RFM 분석과 연계한 고객 등급 설계

---

3. 코호트 재구매율

어떤 질문에 쓰나요?

"1월에 처음 산 고객이 2개월 뒤, 3개월 뒤에도 다시 사는가? 시간이 지나면서 얼마나 빠져나가는가?"

어떻게 계산하나요?

처음 산 시점이 같은 고객들을 한 묶음으로 만들어요. 이 묶음을 코호트라고 부릅니다. 그리고 시간이 지나면서 그 묶음 중 몇 명이 다시 사는지 추적해요.

예시 — 1월 코호트 (1월에 처음 산 100명)

• +1개월 뒤(2월): 25명이 다시 샀다 → 재구매율 25%

• +2개월 뒤(3월): 18명이 다시 샀다 → 재구매율 18%

• +3개월 뒤(4월): 15명이 다시 샀다 → 재구매율 15%

예시 — 2월 코호트 (2월에 처음 산 80명)

• +1개월 뒤(3월): 20명이 다시 샀다 → 재구매율 25%

• +2개월 뒤(4월): 12명이 다시 샀다 → 재구매율 15%

알아두면 좋은 점

• 시간이 지나면서 얼마나 떨어져 나가는지 볼 수 있는 유일한 지표예요.

• 코호트끼리 비교하면 "최근에 들어온 고객이 예전 고객보다 더 잘 남는가?"를 판단할 수 있어요.

• 경과 기간을 세는 방식(달력 기준 / 첫 구매일 기준 등) 옵션이 있어 상황에 맞게 선택할 수 있어요.

• "정확히 그 시점에 산 사람"으로 볼지, "그 시점까지 누적으로 한 번이라도 산 사람"으로 볼지도 선택할 수 있어요.

실무 예시

쇼핑백 B2B 브랜드 시나리오:

여기서 읽을 수 있는 것:

• 12월 코호트의 +1개월 재구매율이 40%로 개선됨 → 연말 프로모션으로 들어온 고객의 품질이 좋다

• +3개월에서 재구매율이 뚝 떨어짐 → 2개월 시점에 리텐션 캠페인을 넣어야 한다

• B2B 소모품 특성상 +1개월 재구매율이 35~40%면 건강한 수준

이런 판단에 좋아요

• 고객이 언제쯤 빠져나가는지 진단

• 시기·채널별로 어떤 고객이 더 오래 남는지 비교

• LTV(고객 생애 가치) 추정의 기초 데이터

• CRM 캠페인 타이밍 잡기 (언제 리마인드를 보내야 이탈을 막는가)

---

왜 숫자가 다르게 나오는지 — 한 가지 시나리오로 완전 이해하기

고객 5명의 구매 이력으로, 세 지표가 어떻게 다르게 나오는지 살펴봅시다. 조회 기간: 3월 1일 ~ 3월 31일

각 지표가 3월에 보여주는 결과

① 첫구매/재구매 차트 — 3월에 발생한 주문이 그 사람의 몇 번째 주문이었나

• 첫구매: 2건 (C의 첫 주문, E의 첫 주문)

• 재구매: 3건 (A의 두 번째, D의 세 번째, E의 두 번째)

• 합계: 5건 (E가 양쪽에 동시에 카운트됨)

② 유저 세그먼트 — 3월에 산 사람을 그 사람의 전체 구매 횟수로 분류

• 1회 구매 유저: 1명 (C만 — B는 3월에 안 샀으니 제외)

• 재구매 유저: 3명 (A=2회, D=3회, E=2회)

• 합계: 4명 (3월에 산 사람만)

③ 코호트 재구매율 — 1월 코호트 기준 +2개월 시점

• 1월 코호트 = A, D

• +2개월(3월)에 다시 산 사람: 2명 중 2명 → 재구매율 100%

같은 3월, 세 가지 다른 답

세 숫자 모두 맞습니다. 단지 서로 다른 질문에 답하고 있을 뿐이에요.

---

실전 의사결정 가이드 — 언제 뭘 봐야 할까?

"이번 달 장사는 잘 되고 있나?" → 첫구매 / 재구매 차트

매출 모니터링 회의에서 "이번 달 재구매 비중이 올랐나, 내려갔나"를 빠르게 확인할 때. 광고 켠 주와 끈 주의 신규 유입 차이를 비교할 때.

"우리 고객 중 누구한테 뭘 보내야 하지?" → 유저 세그먼트

CRM 캠페인 대상을 뽑을 때. "한 번만 사고 떠난 3,654명한테 재구매 쿠폰을 보내자" 같은 의사결정. 고객 등급(VIP / 일반 / 이탈위험)을 설계할 때.

"우리 비즈니스가 구조적으로 건강한가?" → 코호트 재구매율

분기 전략 회의에서 "리텐션이 개선되고 있는가?"를 볼 때. 투자·경영 보고에서 LTV 추정과 CAC 회수 기간을 산출할 때. "몇 개월 차에 고객이 빠져나가는가?"를 진단하고 CRM 타이밍을 잡을 때.

---

정리

세 지표는 서로 대체제가 아니라 보완제예요.

• 재구매 차트로 트렌드를 감지하고

• 유저 세그먼트로 타겟을 뽑고

• 코호트로 구조적 건강도를 진단

이렇게 함께 보는 게 가장 효과적인 활용법입니다.

잠깐, 그 전에 — 라플라스는 어떻게 채널이 달라도 같은 고객으로 인식할까?

D2C 브랜드는 보통 한 채널만 운영하지 않아요. 자사몰에서 사고, 네이버 스마트스토어에서도 사고, 카카오 선물하기로도 받는 같은 고객이 있죠.

문제는 각 채널이 서로의 고객 정보를 모른다는 점이에요. 같은 사람이 다른 채널에서 산 걸, 각 채널은 별개의 신규 고객으로 카운트해버립니다. 그래서 자사몰만 보면 재구매율이 낮게 나오고, 네이버만 보면 또 다르게 나와요. 어느 쪽도 진짜 고객의 모습이 아닙니다.

라플라스는 고도화된 자체 알고리즘으로 채널을 가로질러 유저를 식별합니다. 자사몰·네이버·카카오·쿠팡 어디서 주문이 발생했든, 같은 사람은 한 명으로 인식해요.

그래서 가능해지는 것:

• 첫 구매와 재구매를 정확하게 측정 — 자사몰에서 처음 산 고객이 다음 달 네이버에서 또 샀다면, 라플라스에서는 재구매로 잡힙니다

• 고객의 채널 간 이동 추적 — 네이버에서 처음 만난 고객이 결국 자사몰로 옮겨가는 흐름, 카카오 선물하기로 받아본 사람이 자사몰 단골이 되는 패턴까지 보여요

이 정확한 유저 식별이 있기 때문에, 아래에서 보는 세 가지 재구매 지표가 모두 신뢰할 수 있는 숫자로 나옵니다.

우리 브랜드의 재구매율, 정확하게 보고 계신가요?

채널이 갈라져 있으면 진짜 재구매율은 보이지 않습니다. 라플라스는 자사몰·네이버·카카오·쿠팡을 하나로 묶어, 정확한 고객 단위 분석을 제공합니다.

지금 라플라스 애널리틱스에서 재구매율을 정확히 확인해보세요 >