매출 추정 템플릿 — SaaS·D2C·플랫폼 3유형 산식
매출 추정은 사업계획서에서 가장 자주 부풀려지는 영역이며, 그래서 심사위원이 가장 빠르게 신뢰도를 검증하는 영역이기도 합니다. 좋은 매출 추정은 큰 숫자가 아니라 '가정→산식→결과'가 일관된 작은 숫자입니다. 이 글은 SaaS·D2C·플랫폼 세 가지 사업 유형별 매출 추정 산식과, 가정을 검증하는 방법을 정리했습니다.
#매출 추정의 두 접근 — Top-Down vs Bottom-Up
Top-Down은 시장 규모에서 점유율을 곱해 매출을 도출합니다. 빠르지만 신뢰도가 낮습니다. Bottom-Up은 단위 거래에서 출발해 누적합니다. 작성에 시간이 걸리지만 심사위원·투자자가 검증 가능한 형태입니다.
| 접근법 | 산식 예시 | 장점 | 위험 |
|---|---|---|---|
| Top-Down | TAM 1조 × 점유율 0.1% = 10억 | 빠름, 야망 표현 | 근거 부족, 즉시 의심 |
| Bottom-Up | 고객 수 × 단가 × 전환율 × 구매 주기 | 검증 가능, 신뢰 | 작성 시간 큼 |
#SaaS — ARR 누적형 산식
SaaS는 월·연 구독 기반이라 ARR(연간반복매출, Annual Recurring Revenue)이 핵심 지표입니다. 신규 가입·이탈·업셀이 모두 ARR에 영향을 주므로, 단순 '고객 × 가격'이 아닌 누적·이탈 모델이 필요합니다.
| 변수 | 예시 값 | 설명 |
|---|---|---|
| 월 신규 가입 | 100명 | 마케팅 채널별 합산 |
| 월 이탈률 (Churn) | 5% | 기존 고객 중 해지 비율 |
| 월 평균 단가 (ARPU) | 29,000원 | 유료 플랜 평균 |
| MoM 누적 고객 수 | 신규 - 이탈을 누적 | 복리 성장 모델 |
| 연 ARR | 월말 고객 × ARPU × 12 | 리포팅 표준 |
SaaS 매출 추정의 가장 큰 함정은 churn을 0으로 두거나 비현실적으로 낮게 잡는 것입니다. 산업 평균 월 churn은 B2C SaaS 5~7%, B2B SaaS 1~3% 수준이며, 초기 SaaS는 더 높을 수 있습니다. 본인 상품의 첫 6개월 cohort 데이터로 검증하세요.
#D2C — 단가 × 구매주기 산식
D2C(Direct-to-Consumer) 브랜드는 '한 번 구매당 매출'과 '재구매 주기'가 핵심입니다. 이커머스·식품·생활용품 등이 해당합니다. SaaS와 달리 ARR 개념이 약하고, AOV(평균객단가)·구매주기·재구매율이 매출 추정의 핵심 변수입니다.
| 변수 | 예시 값 | 산식 위치 |
|---|---|---|
| 월 방문자 수 | 50,000명 | 마케팅 결과 |
| 전환율 (CR) | 1.5% | 방문자→구매자 |
| 평균객단가 (AOV) | 45,000원 | 주문당 평균 매출 |
| 월 재구매율 | 20% | 기존 구매자 중 재구매 |
| 월 매출 | 방문 × CR × AOV + 재구매 매출 | 합산 |
#플랫폼 — 양면 GMV 산식
플랫폼은 공급자(Supplier)와 수요자(Consumer)를 연결하고 거래액(GMV)의 일부를 수수료로 가져갑니다. 매출 = GMV × 수수료율 구조이며, 매출보다 GMV가 더 큰 신호로 작동합니다.
| 변수 | 예시 값 | 설명 |
|---|---|---|
| 등록 공급자 수 | 1,000명 | 유효 활성 공급자 |
| 월 활성 사용자 (MAU) | 30,000명 | 수요자 측 |
| 월 거래 건수 | 8,000건 | 성사된 거래 |
| 평균 거래액 | 120,000원 | 건당 |
| 월 GMV | 거래 건수 × 평균 거래액 = 9.6억 | 유통 거래 총액 |
| 수수료율 | 10% | 플랫폼 수입 비율 |
| 월 매출 | GMV × 수수료율 = 9,600만 | 실제 인식 매출 |
플랫폼의 매출 추정에서 가장 중요한 검증 포인트는 'liquidity(유동성)'입니다. 공급자 1명당 월 거래 건수, 수요자 1명당 월 거래 건수가 일정 수준 이상이어야 플랫폼이 작동합니다. liquidity 가정을 명시하지 않으면 GMV 숫자만 큰 비현실 추정이 됩니다.
#시나리오 분석 — Base / Best / Worst
단일 매출 추정은 한 가정만 깨져도 무너집니다. Base(기본)·Best(낙관)·Worst(보수) 3개 시나리오를 함께 제시하면 검증 가능성이 크게 올라갑니다.
| 시나리오 | 전제 | Year 1 매출 (예시) |
|---|---|---|
| Worst | 전환율 ½, churn 1.5배 | 1.2억 |
| Base | 현실 가정 그대로 | 3.5억 |
| Best | 전환율 1.5배, churn ⅔ | 7.2억 |
#가정 검증 — 출처와 데이터 백업
매출 추정에서 사용한 모든 가정은 출처가 있어야 합니다. '경험상 그럴 것이다'는 가정이 아니라 추측입니다. 검증된 가정은 다음 4가지 출처 중 하나에서 옵니다.
- 본인 상품의 베타·MVP 데이터 — 가장 강력한 근거
- 경쟁사·유사 사례의 공개된 KPI — IR 자료·보도·업계 리포트
- 산업 평균 통계 — 통계청·KOSIS·한국전자정보통신산업진흥회 등
- 전문가 인터뷰·설문조사 — 인터뷰 일자·횟수·인터뷰이 속성 명시
'전환율 1.5%' 같은 핵심 가정은 표 옆에 출처를 함께 기재하세요. 출처 표기 형식 예시 — '국내 이커머스 평균 전환율 약 1~2% (자체 베타 5주 측정)' 또는 '경쟁사 IR 공개 자료 기준'.
#흔한 실수 6가지
- Hockey Stick (J곡선) 그래프만 제시 — Year 1·2 평탄, Year 3 폭증 — 근거 없음
- Churn 0% 가정 — 모든 신규가 평생 유지 가정
- 전환율을 산업 평균의 2배 이상으로 임의 설정
- 마케팅 비용 증가 없이 신규 가입 선형 증가 가정
- 계절성·시장 환경 변화 미반영
- Base만 제시하고 Worst·Best 시나리오 누락
#자가 점검 체크리스트
- 본인 사업 유형이 SaaS·D2C·플랫폼·하이브리드 중 무엇인가?
- 유형에 맞는 산식을 사용했는가? (단순 '고객 × 가격' 회피)
- Bottom-Up 산식의 모든 변수에 출처 또는 직접 측정 근거가 있는가?
- Worst·Base·Best 3개 시나리오가 함께 제시되었는가?
- Churn·재구매율·전환율 가정이 산업 평균 범위 내인가?
- Year 1 ~ Year 3 추정이 마케팅 비용 증가와 연동되어 있는가?
- Top-Down 결과와 Bottom-Up 결과 차이가 합리적인 범위인가? (10배 이내)