Compute-adjusted LTV(연산 비용 반영 LTV) 계산하는 방법 — AI SaaS 단위 경제의 새 기준

> AI 구독 제품에서 "같은 $200"이 고객마다 완전히 다른 수익을 만든다는 사실을 어떻게 숫자로 드러낼까? ICONIQ의 2026 State of AI 보고서는 추론 비용이 확장 단계 AI B2B 매출의 평균 23%를 차지한다고 밝혔다. 전통 LTV는 이 격차를 평균값 속에 가린다. 이 글은 Compute-Adjusted LTV 공식, Acme SaaS 예시, 그리고 CFO가 실제로 적용하는 절차를 정리한다.

• --

1. 왜 전통 LTV가 AI 제품에서 실패하는가

전통적 SaaS에서는 비슷한 고객을 한 명 더 서비스하는 비용 차이가 크지 않아 구독 매출총이익률을 LTV에 그대로 적용했다.

• 기본 LTV = Cohort ARPA / Revenue Churn Rate
• 매출총이익 반영 버전 = Cohort ARPA × Gross Margin / Revenue Churn Rate

문제는 AI 제품에서 발생한다. 추론 호출, completion, 워크플로 실행, 에이전트 작업, 생성 출력마다 직접적이고 변동적인 비용이 발생하며, 그 비용과 사용량이 고객마다 다르다. ICONIQ Capital의 2026년 1월 보고서에 따르면 AI B2B의 매출총이익률은 2024년 41%에서 2026년 약 52%로 상승하지만 전통 SaaS 수준에는 여전히 미달한다.

• --

2. 같은 구독료, 다른 고객 경제성

월 $200 AI 워크플로 제품 예시에서:

| 구분 | 파워 유저 (고객 A) | 라이트 유저 (고객 B) |

|---|---|---|

| 구독료 | $200 | $200 |

| 추론 비용 | $110 | $15 |

| 전통 LTV | $X | $X (동일) |

| 실제 GP | $50 | $160 |

평균 매출총이익률 사용은 구독형 AI 제품에서 오해를 유발한다. 한 세그먼트는 고수익이고 다른 세그먼트는 손익분기 수준일 수 있다.

• Jellyfish 2026년 4월 분석(개발자 12,000명·기업 200곳의 2026년 1분기 토큰 사용량) 결과가 더 충격적이다. 병합된 PR 1건당 비용이 최저 사용 구간 $0.28에서 최고 구간 $89.32까지, 무려 319배 격차*가 존재한다.

> 높은 사용량 자체가 나쁜 것은 아니다. 헤비 유저는 고착성이 높고 확장이 빠르며 제품 옹호자가 될 수 있다. 다만 가격 모델이 연산 비용을 회수하지 못하면 높은 사용량이 매출총이익률을 조용히 압박하거나 파괴한다.

• --

3. Compute-Adjusted LTV 공식

3.1 매출 분류: 3가지 AI Revenue

AI 매출을 구분하는 것이 공식의 첫 단추다.

• 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 지불하는 가장 깔끔한 입력값
• AI-Attributed Revenue: 표준 플랜 $200, AI 플랜 $275일 때 차액 $75를 AI가 주된 차이라면 AI 귀속 매출로 처리 가능. 단, 방법론 문서화 필요
• AI-Influenced Revenue: AI 때문에 갱신·수주·확장이 이뤄진 상업적 신호지만 매출 영향을 분리하지 못하면 단위 경제 공식의 분자로 쓰기에는 부적합. 별도 추적 권장

> 규칙: 가능하면 Direct AI Revenue 사용, 방어 가능하면 AI-Attributed Revenue 사용, AI-Influenced Revenue는 별도 추적.

3.2 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 계산한다. 단순히 매출에서 추론 비용만 빼는 방식은 LLM 비용 외 항목이 있을 때 과소 계상된다. Customer Success는 도입·유지에 집중하고 쿼터를 지지 않을 때만 COGS에 포함한다.

• --

4. Acme SaaS 실전 예시

월 $200 AI 워크플로 제품을 순수 사용량이 아닌 구독 형태로 판매. 매출은 고정, 연산 소비는 변동.

4.1 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

전통 LTV는 $2,950(34%) 과대 계상한다.

4.2 세그먼트별 분해

| 항목 | 회사 평균 | 헤비 유저 | 라이트 유저 |

|---|---|---|---|

| 추론 비용 | $55 | $110 | $15 |

| AI 인프라/DevOps | $11 | $15 | $8 |

| 지원 | $12 | $15 | $10 |

| CS | $8 | $10 | $7 |

| Gross Profit | $114 | $50 | $160 |

| LTV (2% churn) | $5,700 | $2,500 | $8,000 |

| CAC | $1,200 | $1,200 | $1,200 |

| LTV:CAC | 4.75:1 | 2.08:1 | 6.67:1 |

4.3 해석

두 세그먼트 모두 CAC는 $1,200 가정. 고객 단위 AI 비용을 반영하면 헤비 유저는 일반 기준인 3:1 LTV:CAC 벤치마크 아래로 떨어진다.

이는 헤비 유저가 나쁜 고객이라는 뜻이 아니다. 운영자가 더 나은 질문을 던지고 가격·비용 분포 비율을 재검토해야 한다는 신호다. 점검 항목:

• 헤비 유저의 유지 기간, 확장 속도, 플랜 이동 패턴
• 공정 사용 한도(fair-use threshold)
• 단순 워크플로의 저비용 모델 라우팅
• 사용 크레딧·초과사용 과금 구조
• 헤비 유저 비율(전체의 몇 %가 전체 추론 비용의 몇 %를 차지하는가)

• --

5. 언제 Compute-Adjusted LTV를 쓰고, 언제 안 쓰나

5.1 쓰는 경우

• AI가 구독·유사 구독 모델로 판매되고 연산 비용이 고객별로 크게 다를 때
• 추론 비용이 매출의 10% 초과
• 사용량이 세그먼트별로 크게 변동
• LTV:CAC로 가격·CAC 예산·고객 획득을 결정할 때

5.2 안 써도 되는 경우

• 추론 비용이 작거나 균일하면 대시보드를 복잡하게 만들 필요 없음
• AI 연산이 매출의 5% 미만이고 고객 단위 변동성이 낮으면 기존 매출총이익 반영 LTV로 충분
• 순수 사용량 가격 제품은 다른 지표(예: ARPA × Tokens per call)에 집중
• 하이브리드(플랫폼 구독 + 사용량) 모델은 두 관점 모두 필요

• --

6. 최소 실행 가능 분석(MVA, Minimum Viable Analysis)

완벽한 데이터는 불필요하나 분포 분석을 위한 고객 단위 사용량 데이터는 필요하다. 고객 단위가 이상적이지만 세그먼트 단위도 좋은 시작점이다.

• 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 것이다.

• --

7. 실무 CFO의 결론

과거 SaaS 플레이북은 높은 사용량을 거의 항상 긍정적으로 봤다. AI SaaS에서는 가격 모델과 비용 구조가 뒷받침될 때만 유효하다.

• Compute-Adjusted LTV는 연산 및 관련 COGS 반영 후 구독형 AI 제품이 수익성 있는 고객 관계를 만드는지 파악하도록 지원한다. CAC Payback, GRR, NRR, 매출총이익률, LTV:CAC를 대체하지 않으며 AI-native·AI-enabled SaaS의 단위 경제를 확장*하는 지표다.

> AI 매출총이익률이 전통 SaaS보다 낮아도 패닉할 필요는 없으나 계산을 회피해서는 안 된다. 고객 단위 AI 경제성을 이해하는 기업이 더 나은 가격 책정·예측·확장을 달성한다.

• --

8. 운영 체크리스트

1. AI Revenue를 Direct / Attributed / Influenced 3종으로 분류했는가
2. 추론 비용이 매출의 10%를 넘는가 → Yes면 Compute-Adjusted LTV 적용
3. Fully Burdened AI COGS 5개 항목을 모두 분해하고 있는가
4. 헤비 유저 세그먼트가 3:1 LTV:CAC 아래로 떨어지는가 → 가격 모델 재검토
5. 공정 사용 한도(fair-use threshold)와 라우팅 전략이 정의되어 있는가

• --

• 참고 원문*: The SaaS CFO — How to Calculate Compute-Adjusted LTV

• 함께 보면 좋은 지표*: ICONIQ 2026 State of AI, Jellyfish 2026 Q1 Token Usage Report (개발자 12,000명·기업 200곳 표본).