답변
먼저 코호트 관찰 기간이 왜 통계적 타당성 문제를 일으키는지부터 짚어야 합니다. 관찰 기간이 짧을수록(예: 3개월) 아직 이탈하지 않은 초기 구매자의 가치가 그대로 남은 잔존 고객에게 과대 대표되어 LTV가 실제보다 부풀려지는 경향이 있고, 반대로 관찰 기간이 지나치게 길면(24개월 이상) 그 사이 발생한 가격 변경·경쟁 심화 같은 변수가 섞여 최신 코호트의 실제 가치를 과소평가하게 됩니다. 즉 3개월이냐 12개월이냐를 '더 정확한 쪽'으로 고르는 문제가 아니라, 각각 다른 방향의 왜곡을 갖고 있다는 걸 먼저 인지해야 합니다. 사업 운영 기간이 짧다면 애초에 선택지가 제한됩니다. 서비스 출시 18개월이라면 가장 오래된 코호트조차 6개월치 데이터밖에 없어서 12개월 LTV를 관찰값으로 산출하는 게 물리적으로 불가능합니다. 이 경우 관측된 리텐션 곡선에 통계적 추정(감쇠 함수 피팅 등)을 적용한 '모델링된 LTV'를 쓸 수밖에 없는데, 이건 관측 데이터보다는 예측력이 있지만 순수 관측치보다는 신뢰도가 낮은 값입니다 — 이 사실을 보고서에 명시하고, 확정 지표가 아니라 방향성 신호로만 제시하는 게 정직한 보고 방식입니다. 실제 보고 장표는 숫자 하나만 던지지 말고 3가지를 함께 명시하세요. ① 관측 코호트 기간이 몇 개월치 데이터인지, ② 그게 관측치인지 모델링 추정치인지 구분 표시, ③ 업종 벤치마크 구간 대비 위치입니다. DTC 업종에서는 코호트 공헌이익(CM2) 기준 12개월 누적치를 블렌디드 CAC로 나눈 값을 쓰고, 건강한 구간을 2.5:1~4:1 사이로 보는 게 실무 벤치마크로 통용되니, 자사 수치가 이 구간 어디에 위치하는지도 함께 표시하면 C-Level이 이 숫자를 얼마나 신뢰할 수 있는지 스스로 판단할 수 있는 근거를 제공하는 셈이 됩니다.