첫 재구매의 경제학 — “재구매율을 올리고 싶어요.” 그런데 어디를 올려야 하나요

1번째→2번째 전환율이 45%이고 2번째→3번째가 72%라면, 문제는 “재구매율 전체”가 아니라 “첫 재구매”입니다. 3번째 이후는 이미 잘 되고 있으니, 1→2번째 허들을 낮추는 데 리소스를 집중해야 합니다.

공개 연구 데이터 + 커머스 브랜드 예시 데이터 · 12개월 기준 · 주문 약 24만 건 / 구매자 약 9.4만 명. 각 장마다 라플라스에서 그 숫자를 보는 화면과 설정을 함께 적었습니다.

본 리포트의 수치는 실제 거래 데이터가 아니라, 라플라스 벤치마크 지표의 분포를 반영해 생성한 예시 값입니다. 특정 고객사의 실제 수치가 아니며 절대값이 아닌 경향 파악 목적으로 참고해 주세요.

---

PART 01 · 먼저 — 어느 화면을 여는가

메뉴 전체를 볼 필요는 없습니다. 이 리포트의 숫자가 나오는 화면만 골랐습니다.

대시보드를 새로 만들 필요는 거의 없습니다

---

PART 02 · 첫 재구매가 가장 어렵다 — 연구가 확인한 숫자

우리 데이터를 보기 전에, 기준선을 먼저 잡습니다. 1.1억 명의 쇼퍼, 25만 개 커머스 브랜드 데이터를 분석한 Smile.io 의 결과입니다.

출처: Smile.io — 110M shoppers / 250K brands 분석

첫 구매 고객 4명 중 3명은 다시 오지 않습니다. 하지만 2번째 구매를 넘긴 고객은 절반이 3번째를 사고, 그 뒤로는 확률이 계속 올라갑니다. 가장 가파른 허들이 1→2번째라는 것이 대규모 데이터에서 일관되게 확인됩니다.

이 허들을 넘기는 것의 가치도 측정되어 있습니다.

• 재구매 고객의 AOV는 신규 고객보다 약 67% 높습니다 — $98.4 vs$58.9 (Adobe)

• 신규 고객 획득 비용은 기존 고객 유지 비용의 5–25배입니다 (Harvard Business Review)

• 리텐션을 5%p 올리면 이익이 25–95% 증가한다는 고전적 연구도 있습니다 (Bain & Company)

그리고 타이밍: 2번째 구매의 약 60%는 첫 구매 후 90–100일 안에 일어나고, 100일이 지나면 확률이 10% 밑으로 떨어집니다 (Metrilo·Bluecore). 첫 재구매는 “언젠가” 일어나는 게 아니라, 유효기간이 있는 기회입니다.

여기까지는 남의 숫자입니다

---

PART 03 · 단계별 전환율 — 가장 먼저 열 화면

브랜드 A는 국내 스킨케어 브랜드입니다. 자사몰과 대형 온라인 플랫폼을 함께 운영하고, 세럼·크림·클렌저·선케어를 취급합니다. 소진형 반복구매 카테고리라 재구매가 매출의 근간입니다.

숫자를 읽기 전에

라플라스에서 보는 곳 — 유저 분석 › 첫 구매 / 재구매

설정하는 법

1. 조회 기간을 12개월로 둡니다. 재구매 주기가 1–2개월인 카테고리를 1개월로 조회하면 재구매가 실제보다 적게 나옵니다. 최소 3개월, 가능하면 12개월.

2. 유저 세그먼트를 「첫 구매 / 재구매」에서 「구매 횟수」로 바꿉니다. 1회·2회·3회… 회차별로 쪼개집니다.

3. 측정값에서 결제금액과 결제 고객수를 함께 켭니다. 전환율은 고객수로 계산해야 합니다 — 금액으로 하면 “한 명이 크게 사서” 생긴 착시를 걸러낼 수 없습니다.

4. 회차별 고객수를 앞 회차로 나눕니다. 2회 ÷ 1회 = 1→2 전환율.

5. 필터 › 판매채널에서 채널을 하나만 선택해 같은 표를 다시 뽑습니다. 왜 필요한지는 PART 05 함정 ③에 있습니다.

전환율 = 해당 단계 도달 인원 ÷ 직전 단계 도달 인원. 환불·취소 주문 제외.

나온 숫자를 읽는 법

• 가장 가파른 지점은 1→2번째입니다. 42.5% → 57.8% → 63.2% → 66.4% → 68.1%. 단계가 올라갈수록 전환율이 단조 증가하고, 4번째 이후로는 거의 평평해집니다. 벤치마크와 모양이 같습니다.

• 수준은 벤치마크의 1.6배입니다. 이 브랜드는 첫 재구매를 잘 만드는 편입니다. 그런데도 여전히 1→2가 가장 큰 손실 구간입니다.

• 3번째 이후에 리소스를 쓸 이유가 거의 없습니다. 3→4를 63.2%에서 68%로 올려도 영향 받는 모집단은 17,559명입니다. 1→2를 42.5%에서 48%로 올리면 모집단 71,480명에 작용해 약 3,900명이 더 넘어옵니다.

그림 2. 이탈 총량 66,462명 중 41,101명(62%)이 1→2 한 구간에서 발생합니다.

그래서 첫 질문은 “재구매율이 몇 %인가”가 아닙니다

다음에 볼 화면 — “1→2가 문제”까지 알았습니다. 그런데 며칠 뒤에 붙잡아야 하는지는 아직 모릅니다. PART 04의 구매 여정 차트로 갑니다.

---

PART 04 · 골든타임 — 며칠 뒤에 리마인드할 것인가

전환 판단 기간을 바꿔가며 같은 분석을 반복하면, 첫 재구매가 언제 몰려 있는지가 곡선으로 드러납니다.

라플라스에서 보는 곳 — 커스텀 대시보드 › 차트 추가 › 구매 여정 (Sankey)

설정하는 법 — 이 순서가 중요합니다

1. 데이터 소스를 주문으로 둡니다. 상품(기초 상품 주문)으로 두면 숫자가 부풀려집니다 — PART 05 함정 ①.

2. 분석 단위(차원)를 판매채널·결제수단·기기처럼 주문에 하나씩 붙는 속성으로 둡니다. 기본값이 「상품명」이라 그대로 두면 안 됩니다. 이 한 칸이 전환율을 42.5%에서 51.8%로 바꿉니다.

3. 코호트를 「N번째 구매」 = 1 로 둡니다. 이걸 비우면 “조회 기간 내 첫 주문” 기준이 되어 전환율이 과대평가됩니다.

4. 최대 단계를 6, 환불/취소 제외를 켭니다.

5. 전환 판단 기간을 비우고 한 번 — 이게 최종 전환율입니다. 그다음 30일 · 60일 · 90일 · 180일로 바꿔가며 다시 뽑아 누적 곡선을 만듭니다. 아래 그림 3이 이렇게 만든 것입니다.

그림 3. 최종 2번째 구매자(전체 30,379명 / 자사몰 5,760명)를 100%로 둔 누적 비율. 가로축 로그 스케일.

나온 숫자를 읽는 법

• 누적 50%를 넘는 시점은 약 52일입니다. 첫 재구매의 절반은 7–8주 안에 끝납니다.

• 발생 밀도가 가장 높은 구간은 15–45일입니다. 이 31일 동안 전체 첫 재구매의 30.5%p가 발생합니다 — 하루 평균 0.98%p로, 60–90일 구간(0.38%p/일)의 2.6배입니다.

• 90일 안에 66%가 끝납니다. 벤치마크의 “90–100일 안에 약 60%”와 방향이 맞습니다. 다만 “100일 지나면 10% 밑”은 해당하지 않습니다 — 120일 이후에도 27%가 남아 있습니다.

• 골든타임은 채널을 따라가지 않습니다. 자사몰의 최종 전환율은 전체보다 한참 낮은데(PART 05), 30·60·90일 누적 비율은 전체와 거의 같습니다. 타이밍은 상품 소진 속도가 결정하고, 전환율은 채널과 CRM이 결정합니다.

그림 4. 구간별 하루 평균 발생량(%p/일). 0–1일 막대는 축을 벗어납니다 — 분할 주문 의심 구간이라 PART 05 함정 ②에서 따로 다룹니다.

“52일”과 뒤에 나올 “상품군 주기 76–155일”은 다른 값입니다

단계가 올라가도 주기는 줄지 않습니다

각 단계의 최종 전환자를 100%로 둔 누적 비율. 구매 여정 차트에서 「N번째 구매」를 1과 2로 바꿔 두 번 뽑습니다.

거의 겹칩니다. 단계가 올라가면서 바뀌는 것은 전환율(42.5% → 57.8%)이고, 주기는 바뀌지 않습니다. 실무적으로는 좋은 소식입니다 — 리마인드 발송 타이밍을 회차별로 따로 설계할 필요가 없습니다. 회차별로 달라야 하는 건 타이밍이 아니라 메시지와 오퍼입니다.

다음에 볼 화면 — 타이밍이 나왔습니다. 그런데 이 숫자들은 처음에 다 다르게 나왔습니다. 무엇을 고쳤는지 먼저 짚습니다.

---

PART 05 · 숫자를 망치는 함정 4개

앞의 표들은 처음에 다른 숫자로 나왔습니다. 아래 네 가지를 정리한 뒤에야 지금의 값이 되었습니다. 모두 같은 데이터, 같은 기간, 같은 코호트입니다.

함정 ① 분석 단위를 상품으로 잡으면 전환율이 부풀려집니다

그림 5. 구매 여정 차트의 「분석 단위」만 바꿨을 때의 1→2 전환율.

원인은 한 문장입니다. 한 주문에 상품 3개가 담기면, 상품 단위로 세는 순간 그게 “3번의 구매”가 됩니다. 세트·번들·1+1 기획이 많은 브랜드일수록 부풀림이 커집니다. 이 예시에서는 9.3%p, 즉 실제보다 22% 좋게 보였습니다.

기본값이 함정입니다

함정 ② 주기 중앙값이 0일이면 재구매가 아닙니다

①을 모르고 상품 단위로 보면 이런 값이 나옵니다.

스킨케어 브랜드에서 첫 재구매의 28%가 하루 안에 일어난다는 건 있을 수 없습니다. 실제로는 같은 장바구니를 쪼갠 주문이거나, 한 주문에 담긴 여러 상품이 각각 세어진 것입니다. 상품 단위로 보면 “에센스 → 크림” 전환의 주기 중앙값이 0.0일로 나오는데, 이건 함께 산 것이지 다시 온 것이 아닙니다.

점검 기준

함정 ③ 채널을 섞어 보면 우리 실력을 오해합니다

그림 6. 구매 여정 차트에 판매채널 필터를 걸어 각각 뽑았습니다.

전체 42.5%는 플랫폼 트래픽이 끌어올린 값입니다. 첫 구매자의 71%가 플랫폼에서 들어오기 때문입니다. 자사몰만 떼어 보면 27.6% — 전체보다 14.9%p 낮고, 오히려 벤치마크(27%) 수준입니다.

이 차이는 CRM 대상이 어디에 있는지를 바꿉니다. 연락처와 발송 권한을 가진 곳은 자사몰이고, 자사몰이 바로 가장 약한 구간입니다. 반대로 플랫폼은 잘 돌아가지만 우리가 직접 개입할 수단이 거의 없습니다. 합산 숫자만 보면 이 구조가 통째로 가려집니다.

판매처와 판매채널은 다릅니다

함정 ④ 메타데이터가 비어 있으면 그 축은 분석이 불가능합니다

이 예시 브랜드는 자사몰 첫 구매 주문의 76.4%(20,870건 중 15,945건)가 카테고리명이 기본값(미분류) 으로 들어옵니다. 자사몰 상품에 카테고리를 채우지 않았기 때문입니다. 반대로 플랫폼 주문은 카테고리가 잘 들어와 있습니다.

결과적으로 “자사몰에서 어떤 카테고리로 들어온 고객이 재구매를 잘 하는가”는 답이 안 나옵니다. 분석 도구의 한계가 아니라 원천 데이터의 공백입니다. 이런 항목은 분석을 시작하기 전에 확인하고, 비어 있으면 상품 단위로 우회하거나 데이터를 채워야 합니다.

분석 전 3분 점검표

다음에 볼 화면 — 숫자를 믿을 수 있게 됐습니다. 이제 “무엇으로 첫 구매를 시키고 언제 리필을 권할지”를 상품 단위로 정합니다.

---

PART 06 · 어떤 상품이 재구매를 만드는가

1→2 허들을 낮추려면 “무엇으로 처음 들어오게 할지”와 “언제 리마인드할지”가 필요합니다. 상품군별로 재구매율과 주기를 함께 보면 둘이 한 번에 정해집니다.

라플라스에서 보는 곳 — 상품 분석 › 상품 재구매 주기 · 상품 분석 › 상품별 첫 구매 / 재구매

설정하는 법

1. 분석 단위를 기초 상품으로 두세요. 「상품」으로 두면 채널마다 다르게 등록된 상품명이 따로따로 세어져 조각납니다. 기초 상품은 채널이 달라도 같은 제품으로 묶어주는 단위입니다.

2. 조회 기간은 12개월. 주기가 긴 상품(이 예시는 최대 155일)이 있으면 짧은 기간에서는 재구매가 안 잡힙니다.

3. 상품 재구매 주기 화면에서 상품군별 주기 중앙값을 받습니다. 평균이 아니라 중앙값을 씁니다 — 평균은 1년 뒤에 돌아온 소수가 끌어올립니다(이 예시: 중앙값 41일 vs 평균 79일).

4. 상품별 첫 구매 / 재구매 화면에서 상품군별 재구매 비중을 받아 세로축에 놓습니다.

5. 두 값으로 4분면을 그립니다. 오른쪽 위와 오른쪽 아래가 완전히 다른 액션으로 갈립니다.

그림 7. 원 크기는 구매자 수.

재구매율 = 해당 상품군을 산 고객 중 같은 상품군을 다시 산 비율(주문 단위). AOV 지수는 비타민 세럼 구매 주문의 결제금액을 100으로 둔 값.

나온 숫자를 읽는 법 — 4분면으로 액션이 갈립니다

상품군에 따라 재구매율이 7.2%에서 27.4%까지 3.8배 벌어집니다. 경계선이 뚜렷합니다 — 기능성 활성 성분 세럼류는 24–27%, 클렌저·선케어·기초 크림은 7–11%입니다. 브랜드 전체 재구매율 하나로는 절대 보이지 않는 구조입니다.

“첫 구매 상품별 재구매율”은 함정 ①에 걸립니다

다음에 볼 화면 — 무엇을 언제 보낼지 정해졌습니다. 그럼 이게 돈이 되는지 확인합니다.

---

PART 07 · 2번째 구매는 더 비쌉니다 — 그런데 벤치마크만큼은 아닙니다

라플라스에서 보는 곳 — 유저 분석 › 첫 구매 / 재구매 → 측정값에 객단가 추가

그림 8. 1번째 = 100. Adobe 벤치마크(+67%)는 축 밖입니다.

회차가 올라갈수록 객단가가 올라갑니다. 다만 Adobe가 제시한 +67%와는 거리가 큽니다 — 이 예시의 2번째 구매는 +5.8%(자사몰 +10.4%)입니다. 5번째까지 가도 +14.3%(자사몰 +27.6%)입니다.

벤치마크와 벌어지는 이유는 두 가지로 볼 수 있습니다. Adobe 수치는 “신규 vs 재구매 고객”의 평균 비교로 다회 구매자가 섞여 있고, 이 브랜드는 첫 구매에 세트·기획 상품이 많아 1회차 객단가가 이미 높습니다. 중요한 것은 벤치마크에 맞추는 게 아니라, 우리 곡선이 오르는지 확인하는 것입니다. 오르고 있다면 재구매 유도는 매출과 이익을 동시에 밀어 올립니다.

자사몰 곡선이 더 가파른 게 중요합니다

---

PART 08 · 코호트 화면과는 무엇이 다른가

재구매를 보는 화면은 두 개입니다. 같은 데이터를 다른 축으로 자르고, 다른 질문에 답합니다.

라플라스에서 보는 곳 — 코호트 분석 › 재구매율 / 이탈률 / LTV

그림 9. 행 = 첫 구매 월, 열 = 경과 개월. 색이 진할수록 높습니다.

여기서 코호트 값을 더해서 “재구매율”로 읽으면 안 됩니다. 한 사람이 여러 달에 재구매하면 여러 번 세어지므로, 합계가 100%를 넘어갑니다. 코호트가 답하는 것은 “이번 달에 몇 %가 활성이었나”이고, “생애 2번째 구매까지 몇 %가 갔나”(=42.5%)는 단계 축에서만 나옵니다.

두 화면은 이렇게 나눠 씁니다.

• 코호트 — 월별 유입 품질을 비교할 때. 1월 코호트는 M1~M3에 24–26%로 유지되는데 4월 코호트는 M1이 10.3%까지 떨어집니다. 그 사이 광고 타깃이나 프로모션 구성이 바뀐 것이고, 그 시점을 찾아 원인을 봐야 합니다.

• 단계 — 어디에 리소스를 넣을지 정할 때. 그리고 CRM 발송 시점을 정할 때.

---

PART 09 · 4주 실행안

위 예시값을 그대로 실행안으로 옮기면 다음과 같습니다. 숫자는 각자의 데이터로 바꿔 쓰면 됩니다.

1주차 — 진단 (분석만)

• 유저 분석 › 첫 구매 / 재구매에서 「구매 횟수」 세그먼트로 단계별 전환율을 뽑습니다. 가장 낮은 구간이 유일한 타깃입니다.

• 같은 표를 판매채널별로 다시 뽑습니다. 합산값과 자사몰값의 차이가 곧 “CRM으로 개선 가능한 폭”입니다.

• 함정 점검표 4개를 돌립니다. 주기 중앙값 0일이 보이면 여기서 멈추고 데이터를 먼저 고칩니다.

2주차 — 타이밍 확정

• 커스텀 대시보드 › 구매 여정 차트를 만들고 전환 판단 기간을 30·60·90·180일로 바꿔가며 누적 곡선을 만듭니다. 누적 50% 시점과 발생 밀도가 가장 높은 구간을 찾습니다. 이 예시는 각각 52일, 15–45일.

• 크로스셀 리마인드는 누적 50% 시점보다 앞에 둡니다. 이 예시 기준 D+28–38. 중앙값에 맞춰 보내면 절반은 이미 다른 곳에서 샀습니다.

• 동일 상품 리필 리마인드는 상품군 주기 중앙값보다 조금 앞입니다. 이 예시 기준: 비타민 세럼 D+60–68, 보습 크림 D+55, 장주기 세럼류 D+105–135, 클렌저·선케어 D+125–150.

• 구매 회차별로 타이밍을 나누지 않습니다(주기는 회차와 무관). 나누는 것은 오퍼입니다.

3주차 — 발송

• 전략 설계 › 유저 세그먼트에서 조건을 만듭니다: 1회 구매 + 마지막 구매 후 N일 경과 + 미재구매. 이 명단이 1→2 허들의 정확한 모집단입니다.

• 유저 분석 › 전환 타겟 추출로 CSV를 내려 알림톡·문자 발송 도구에 올립니다.

• 가장 약한 채널(이 예시는 자사몰, 27.6%)부터 붙입니다. 개선 여지가 가장 크고 발송 수단도 여기 있습니다.

• 메시지는 산 상품 기준으로 갈라야 합니다. 재구매율 7–10%대 상품군에는 같은 상품 리마인드가 아니라 세럼류 크로스셀을 보냅니다.

4주차 — 검증

• 발송군 vs 미발송군의 1→2 전환율을 같은 기준(주문 단위, 동일 기간)으로 비교합니다.

• 단계별 곡선을 다시 뽑아 1→2만 올라갔는지 확인합니다. 2→3 이후가 함께 움직였다면 세그먼트가 새고 있습니다.

• P & L 분석 › 마진율 / 공헌이익률에서 객단가 지수 곡선이 유지되는지 봅니다. 할인으로 전환을 산 경우 2회차 지수가 100 밑으로 떨어집니다 — 재구매를 늘리고 이익을 줄인 셈입니다.

---

정리

1. 재구매율은 단계로 쪼개야 의미가 생깁니다. 하나의 평균값은 어디를 손볼지 알려주지 않습니다. 42.5% → 57.8% → 63.2%로, 벤치마크와 모양이 같고 허들은 1→2에 있었습니다.

2. 1→2에만 리소스를 넣습니다. 모집단이 가장 크고 전환율이 가장 낮은 유일한 구간입니다. 이 예시에서는 전체 이탈의 62%가 이 한 구간에서 나왔습니다.

3. 타이밍은 누적 곡선에서 결정합니다. 누적 50%가 52일, 발생 밀도가 가장 높은 구간이 15–45일. 동일 상품 재구매 주기는 상품군별로 68일~155일(2.3배 차이)이므로, 크로스셀 리마인드와 리필 리마인드의 시점을 따로 잡아야 합니다.

4. 단위·채널·메타데이터를 먼저 확인합니다. 분석 단위를 상품으로 두면 22% 좋게 보이고, 채널을 합치면 실력을 14.9%p 과대평가합니다.

5. 벤치마크는 목표가 아니라 방향입니다. 27% 벤치마크의 1.6배였지만, 그래도 4.1만 명을 첫 재구매 전에 잃었습니다.

이 리포트를 우리 데이터로 재현하는 최소 설정

본 리포트의 수치는 실제 거래 데이터가 아니라, 라플라스 벤치마크 지표의 분포를 반영해 생성한 예시 값입니다. 특정 고객사의 실제 수치가 아니며 절대값이 아닌 경향 파악 목적으로 참고해 주세요. 공개 연구 수치는 각 항목에 출처를 표기했습니다. 화면 이름과 설정 항목 이름은 릴리스에 따라 조금 다를 수 있습니다.