매출은 몇 명의 고객에게 의존하고 있는가 — 고객집중도·재구매 구조 점검

• 재구매율이 높다는 사실과 고객집중도가 낮다는 사실은 서로 다른 질문에 답합니다. 하나가 좋아 보인다고 다른 하나까지 안전하다고 판단할 수 없습니다.
• 고객집중도는 HHI(Herfindahl-Hirschman Index)라는 수학적 도구로 계산할 수 있지만, 이 글에서 쓰는 HHI는 경쟁당국이 시장 전체의 독점·과점을 판정할 때 쓰는 것과 같은 제곱합 공식을 개별 사업자의 고객별 매출비중에 응용한 것일 뿐입니다. 미국 경쟁당국의 시장집중도 판정 기준(1,800 등)을 고객 위험선으로 그대로 가져오지 않습니다.
• 재구매율에는 업계가 합의한 단일 공식이 없습니다. 이 글은 기간 내 재구매 고객 비율, 코호트 재구매율, 기존 고객 주문 비중, 기존 고객 순매출 비중이라는 네 가지를 GAON-LAB의 분석 정의로 제시하며, 어떤 것도 '업계 표준'이라 부르지 않습니다.
• 국내 공식 통계(소상공인실태조사 조사항목 전문)를 직접 확인한 범위에서, 소상공인의 평균 재구매율이나 평균 고객집중도를 담은 공식 통계는 찾지 못했습니다. 그래서 이 글은 평균과 비교하지 않고, 같은 사업의 기간·코호트를 서로 비교하는 방법을 다룹니다.
• 고객 식별이 상당 부분 불가능하거나 첫 구매일을 알 수 없는 등 데이터가 부족하면, 억지로 숫자를 만들지 않고 '계산 불완전'으로만 표시합니다.

• 분석 단위: 사업체 1곳의 식별 가능한 고객 매출·주문
• 분석 대상: 소상공인·1인사업자가 내부에서 계산한 매출·주문 집계값
• 원자료 확인 기준 시점: 2026년 9월 22일 기준 각 기관 공식 페이지에서 직접 확인
• 계산의 중심: 국내외 평균 통계가 아니라 독자(사업자)가 직접 계산해 입력한 집계값
• 기본 모형 밖: 개인별 고객 데이터 분석, 가격·마케팅 자동화, 세무·법률 판단
• 이 글의 결론: 단일 점수나 합격선이 아니라, 계산에 필요한 정의·공식·데이터 완전성 기준과 그 결과를 함께 읽는 방법입니다.

• 고객 개인을 평가하거나 등급을 매기는 방법이 아닙니다.
• 고객 원문(명단·주문 원본·연락처 등)을 제출받아 분석하는 절차가 아닙니다.
• 개인별 미래 구매를 예측하지 않습니다.
• 고객별 등급·가격·혜택을 자동으로 결정하지 않습니다.
• 매출 증가나 재구매 증가를 보장하지 않습니다.
• 공개 통계에 국내 소상공인의 평균 재구매율·평균 고객집중도 기준값이 없어(이번 확인 범위에서), 이 글은 어떤 평균과도 비교하지 않습니다.
• 사용자가 내부에서 계산한 집계값 또는 실제 고객과 무관한 설명용 합성자료만 사용합니다.
• 점수·합격선·위험선을 만들지 않습니다. 모든 지표는 판정이 아니라 구조를 확인하기 위한 참고값입니다.

'재구매율이 높다'는 결과 하나만 보면 매출이 안정적이라고 느끼기 쉽습니다. 그런데 재구매 고객이 8명이든 80명이든, 그 매출이 실제로 몇 명에게 얼마나 몰려 있는지는 재구매율이라는 숫자 하나에 담기지 않습니다. 재구매율은 '몇 명이 다시 샀는가'를 세는 지표이고, 고객집중도는 '매출이 누구에게 얼마나 몰려 있는가'를 보는 지표이기 때문입니다.

두 지표가 각각 무엇을 답하는 질문인지는 아래 '재구매 관련 네 가지 지표'와 '고객집중도 계산식' 절에서 구체적인 공식과 함께 다루고, 두 지표를 함께 읽었을 때만 드러나는 조합은 '네 가지 구조를 함께 읽는 방법'과 세 가지 합성 사례에서 다룹니다.

아래 표는 이 글에서 쓰는 용어를 정의·단위·입력 주체·계산에서의 역할·주의점으로 정리한 것입니다. 재구매·유지·재방문·충성도·수익성은 서로 다른 개념이며, 이 글에서 같은 뜻으로 바꿔 쓰지 않습니다.

이 글은 각 기관·저자의 공식 페이지에서 원문을 직접 다운로드하거나 공식 메타데이터를 확인한 자료만 핵심 근거로 사용합니다. 아래 표의 '원문 링크' 열은 기관명·도메인으로만 표시하며, 실제로 접속해 내용을 대조한 절대 URL은 이 글 맨 아래 '분석의 한계와 참고자료' 절의 출처 목록에서 클릭할 수 있습니다.

• 확인한 소상공인실태조사 조사항목 전문 범위에서, 고객 재구매·재방문·단골·매출집중을 묻는 공식 조사항목은 없습니다.
• RFM(최근성·빈도·구매금액)은 특정 논문이 아니라 direct marketing 실무에서 유래한 통용 방법이며, 이를 단순 점수화해 미래 구매·수익성을 예측하는 방식에는 원저자들이 직접 지적한 한계가 있습니다.
• HHI는 '비중의 제곱합'이라는 수학적 정의를 가지며, 미국 경쟁당국은 2023년 기준 시장 HHI가 1,800을 넘으면 '고도로 집중된 시장'으로 판정합니다. 이 기준은 시장 전체의 기업결합 심사 문맥입니다.
• 개인정보보호위원회는 개인정보·가명처리·가명정보·익명정보·추가정보·재식별을 서로 다른 개념으로 공식 정의합니다.
• '신규 고객 확보비용은 유지비용의 5배'라는 통념은 정확한 기원을 특정하기 어려우며, 이를 널리 퍼뜨린 자료의 저자들 스스로도 과거 같은 통념을 반복 출판했다가 되짚어본 사례가 있습니다.
• 국내 학술 문헌에도 RFM을 적용한 연구가 존재하지만(이소영 외, 2004), 의료기관 외래환자 데이터를 대상으로 하며 재구매율·고객집중도는 다루지 않습니다.

• 국내 소상공인의 평균 재구매율. 확인한 공식 통계 범위에서 찾지 못했습니다.
• 국내 소상공인의 평균 고객집중도. 위와 동일합니다.
• 업종 공통의 안전한 재구매율 또는 위험한 고객집중도 기준값. 그런 기준을 뒷받침하는 공식 자료를 찾지 못했습니다.
• 일반 소매 소상공인 고객 기반을 대상으로 한 고객집중도-성과 관계의 1차 학술 수치. 확인된 연구(Patatoukas 등)는 상장기업의 B2B 거래처 데이터를 다룹니다.
• '유지율이 5% 오르면 이익이 25~95% 늘어난다'는 통념의 정확한 원 수치. 2차 문헌 사이에서도 25~85%, 거의 100%, 25~95% 등으로 서로 다르게 인용되고 있어 일치된 숫자를 확인하지 못했습니다.
• '고객 20%가 매출 80%를 만든다'는 통념의 정확한 원 논문·저자·표본. 대규모 실증연구가 있다는 언급은 확인했지만 정확한 출처는 특정하지 못했습니다.

• 분석기간
• 전체 순매출
• 식별 가능한 고객 순매출
• 미식별 순매출
• 식별 가능한 고객 수
• 2회 이상 구매한 고객 수
• 관찰기간을 모두 확보한 첫 구매 고객 수와, 그중 재구매한 고객 수
• 기존 고객 주문 건수와 전체 주문 건수
• 기존 고객 순매출
• 고객별 매출비중으로 내부에서 계산한 HHI
• 최대 고객 매출비중, 상위 5명·10명 매출비중
• 최대 고객·상위 고객군을 제외했을 때의 순매출
• 환불·취소·쿠폰·배송비·부가세를 순매출에 어떻게 반영했는지에 대한 규칙
• 비회원·현금매출·채널별 식별 누락 여부

점수나 임계값을 만드는 대신, 아래 질문으로 계산이 가능한지부터 확인합니다.

• 전체 거래 중 고객을 식별할 수 있는 범위를 알고 있습니까?
• 고객별로 첫 구매일을 알 수 있습니까?
• 분석기간 이전의 구매이력이 있습니까, 아니면 알 수 없습니까?
• 여러 판매채널을 쓴다면, 채널 간 고객 ID가 서로 연결됩니까?
• 취소·환불이 순매출 계산에 반영됩니까?
• 휴업기간·계절성 행사를 구분할 수 있습니까?
• 비회원·현금매출의 비중을 알고 있습니까?
• 전체 순매출과 고객별 매출 합계가 일치합니까, 차이가 있다면 그 이유를 설명할 수 있습니까?

부가세, 배송비, 쿠폰, 포인트, 플랫폼 부담 할인, 사업자 부담 할인, 팁·봉사료를 순매출에 포함할지 여부는 분석을 시작하기 전에 정하고, 분석기간 전체에 같은 기준을 적용합니다. 어느 쪽이 항상 옳다는 보편적 기본값은 두지 않습니다 — 업종·정산 구조에 따라 적절한 선택이 다르기 때문입니다.

아래 네 지표는 외부 문헌이 정한 보편 공식이 아니라, 이 글에서 사용하는 조작적 정의입니다. 어떤 정의를 쓰든 분자·분모·분석기간·관찰기간을 항상 함께 표시해야 다른 기간이나 다른 코호트와 비교할 수 있습니다.

아래 항목마다 기본 처리, 별도 표시 여부, 계산을 중단하거나 제한하는 조건을 미리 정해둡니다.

고정된 수치 임계값을 두지 않고, 재구매(상대적으로 높음/낮음)와 고객집중도(상대적으로 높음/낮음)를 조합한 개념적 2×2 구조로 읽습니다. '높음/낮음'은 업종 공통 기준이 아니라, 같은 사업의 다른 기간·코호트·시나리오와 비교하기 위한 상대적 표현입니다.

• 재구매 상대적으로 높음 + 집중도 상대적으로 높음 — 반복구매는 있지만 소수 고객에게 의존하고 있는지 점검이 필요합니다. 최대 고객 이탈 스트레스를 함께 확인하고, '좋다/나쁘다'를 성급히 단정하지 않습니다.
• 재구매 상대적으로 높음 + 집중도 상대적으로 낮음 — 반복구매가 여러 고객에게 고르게 분산돼 있는지 확인합니다. 수익성이나 구매주기는 이 지표들과 별개의 질문이므로 따로 살펴봐야 합니다.
• 재구매 상대적으로 낮음 + 집중도 상대적으로 높음 — 신규고객 의존과 특정 고액고객 의존이 동시에 나타날 수 있습니다. 데이터 오류나 B2B 대량주문이 섞여 있지 않은지부터 점검합니다.
• 재구매 상대적으로 낮음 + 집중도 상대적으로 낮음 — 고객은 분산돼 있지만 한 번 사고 돌아오지 않는 구조일 수 있습니다. 구매주기가 원래 긴 업종인지부터 확인합니다.

식별 가능한 고객 10명의 분석기간 순매출이 아래와 같다고 가정합니다.

설명을 단순하게 하기 위해, 식별 가능한 고객 50명이 각각 4만원씩 균등하게 구매해 순매출이 완전히 고르게 분산된 극단적인 예시를 가정합니다.

같은 데이터라도 분석기간·관찰기간을 바꾸면 결과가 달라질 수 있습니다. 특정 기간을 보편적으로 권장되는 값으로 정하지 않으며, 사업의 구매주기와 데이터 확보 범위를 기준으로 선택하고, 결과 옆에 사용한 기간을 항상 함께 표시하는 것을 원칙으로 합니다.

• 분석기간을 3개월·6개월·12개월 중 무엇으로 잡느냐에 따라 재구매 고객 수와 고객집중도가 달라질 수 있습니다.
• 코호트 재구매율의 관찰기간을 30일·90일·180일 중 무엇으로 잡느냐에 따라 재구매율이 크게 달라질 수 있습니다. 구매주기가 긴 업종에서 관찰기간을 너무 짧게 잡으면 재구매율이 실제보다 낮게 나타날 수 있습니다.
• 성수기·비수기, 휴업기간의 포함 여부에 따라 고객집중도와 매출 규모가 달라질 수 있습니다.
• 신규 고객이 급증한 시점을 분석기간에 포함하는지에 따라 재구매율이 낮게 보일 수 있습니다(신규고객은 재구매할 시간이 아직 부족하기 때문입니다).
• 고액 B2B 주문을 포함하는지에 따라 고객집중도가 크게 달라질 수 있습니다.

고객집중도가 높거나 재구매율이 낮게 나온 결과를 '경영이 부실하다' 하나로 단정하지 않습니다. 같은 결과라도 아래처럼 서로 다른 원인에서 비롯될 수 있습니다.

• B2B 대량주문이나 행사성 대형 주문이 특정 기간에 섞여 있다 — 일반 소매 고객과 성격이 다른 거래가 집중도를 일시적으로 높일 수 있습니다.
• 신규 점포이거나 개업 초기다 — 아직 재구매가 발생할 시간이 충분히 지나지 않았을 수 있습니다.
• 구매주기가 원래 긴 상품·서비스다 — 관찰기간이 짧으면 재구매가 드물게 보일 수 있습니다.
• 채널 간 고객 ID가 연결되지 않아 같은 고객이 여러 명으로 잡혔다 — 실제보다 고객 수가 많고 집중도가 낮게 보일 수 있습니다.
• 계절성 행사나 성수기가 분석기간에 포함됐다 — 특정 시기의 대량구매가 집중도를 일시적으로 높일 수 있습니다.
• 직원·관계자 구매나 가족 공동계정이 구분 없이 섞여 있다 — 실제 외부 고객 구조와 다르게 보일 수 있습니다.
• 비회원·현금매출 비중이 커서 식별 가능한 고객 수 자체가 실제보다 적게 잡혔다 — 이 경우 계산된 집중도는 '식별된 일부'만의 구조입니다.
• 휴업기간이 분석기간에 포함돼 매출·구매 빈도가 일시적으로 줄었다 — 기간을 재설계하면 다른 결과가 나올 수 있습니다.

이 계산 방법은 점수나 합격선을 만들지 않습니다. 대신 아래 질문으로 결과를 해석합니다.

• 최대 고객 또는 상위 고객군이 이탈했을 때, 남는 매출로 고정비를 감당할 수 있는가?
• 재구매율이 높다면, 그 재구매가 소수 고객에게 몰려서 나온 결과인가 아니면 여러 고객에게 고르게 분산된 결과인가?
• 고객집중도가 낮다면, 재구매율도 함께 낮지는 않은가?
• 지금 계산에 쓴 데이터는 데이터 완전성 조건을 충족하는가, 아니면 일부가 '계산 불완전'인가?
• 같은 사업의 지난 기간과 비교했을 때 이번 기간의 구조가 어느 방향으로 달라졌는가?
• 분석기간이나 관찰기간을 다르게 잡아도 같은 방향의 결과가 나오는가?

• 이번에 확인한 소상공인실태조사 통계정보보고서 범위에서, 국내 소상공인의 평균 재구매율·평균 고객집중도를 담은 공식 통계를 찾지 못해, 이 글은 어떤 사업이 '평균보다 높다/낮다'를 말해주지 않습니다.
• 재구매율 네 가지 정의는 GAON-LAB이 이 글을 위해 정리한 분석 정의이며, 업계가 합의한 단일 표준이 아닙니다.
• 고객집중도 학술 연구(Patatoukas 등)는 상장기업의 B2B 거래처 데이터를 다루며, 소상공인 소매 고객에게 그 수치를 직접 적용할 수 없습니다.
• 세 가지 합성 사례는 계산 방법을 보여주기 위한 가정이며, 실제 사업의 결과와 다를 수 있습니다.
• 이 글은 고객 개인의 미래 구매를 예측하지 않고, 고객별 등급·가격·혜택을 자동으로 결정하지 않습니다.
• 이 글의 계산은 매출·주문 구조를 점검하는 참고값일 뿐이며, 수익성(마진)·비용 구조는 다루지 않습니다.
• 고객 식별 방식, 채널 연결 규칙, 순매출 정의(부가세·배송비·쿠폰 포함 여부)를 사업마다 다르게 정하면, 같은 원자료로도 다른 결과가 나올 수 있습니다.
• 이 글이 보여주는 것은 같은 시점에 함께 관찰된 구조이며, 시간적 선후관계나 인과관계를 확정하지 않습니다.
• 매출 증가나 재구매 증가를 보장하지 않으며, 이 글의 계산 결과만으로 마케팅·가격 결정을 내리지 않습니다.

이 글의 코드를 공개하지 않아도, 아래 순서를 스프레드시트에 그대로 옮기면 같은 방식으로 계산을 재현할 수 있습니다.

1. 분석기간과(필요하면) 관찰기간을 먼저 정합니다.
2. 순매출 정의(부가세·배송비·쿠폰 등 포함 여부)를 정하고 전체 기간에 동일하게 적용합니다.
3. 고객식별 규칙(회원ID·내부 고객번호 등 안정적인 내부 고객키)과 채널 간 연결 규칙을 정합니다. 전화번호·이메일·카드정보·결제정보는 식별자로 쓰지 않습니다.
4. '분석 전 데이터 완전성 점검' 절의 질문에 하나씩 답해, 계산이 가능한 상태인지 먼저 확인합니다.
5. 식별 가능한 고객별로 순매출을 집계합니다.
6. 고객별 매출비중(고객별 순매출 ÷ 식별 가능한 고객 순매출)을 계산합니다.
7. 고객별 매출비중의 제곱을 모두 더해 HHI를 구합니다(반올림 없이 계산하고, 표시할 때만 소수 넷째 자리에서 반올림).
8. 매출 기준으로 고객을 정렬해 최대 고객·상위 5명·상위 10명 매출비중을 구합니다.
9. 재구매 관련 네 지표 중 데이터가 지원하는 지표를 골라 분자·분모·기간을 함께 계산합니다.
10. 결측·예외 처리 규칙표(표 4)를 항목별로 적용해, 별도 표시가 필요한 항목과 계산을 중단해야 하는 항목을 구분합니다.
11. 분석기간이나 관찰기간을 하나만 바꿔 결과가 얼마나 달라지는지 비교합니다.
12. 이 글이 사용한 출처의 기준 시점(표 2 참고)을 함께 기록해 두면, 나중에 값이 바뀌었는지 확인하기 쉽습니다.

아래는 광고가 아니라, 이 Research 혼자서 답할 수 있는 것과 사업장별 확인이 필요한 것 사이의 경계를 보여주는 순서입니다.

1. 먼저 표 1(조작적 정의)을 참고해, '개인정보 없이 준비할 입력값' 절의 집계값으로 표를 채워봅니다.
2. 무료 자기점검이 필요하면 경영 건강진단을 이용합니다.
3. 고객 원본이 아닌 집계값으로 더 깊이 점검하고 싶다면 소상공인·1인사업자 진단을 검토합니다.
4. 상담이 필요하면 문의를 남깁니다. 초기 문의에는 고객 명단·주문 원본·개인정보를 첨부하지 않으며, 제출 가능한 집계값과 작업 범위를 먼저 협의한 뒤 상담에서 구체적인 범위·일정·견적·산출물을 정합니다. 매출·재구매 증가는 보장하지 않습니다.

• 무료 경영 건강진단현재 경영 상태를 요약 점검하는 무료 진단입니다.
• 소상공인·1인사업자 진단 상세고객 원본이 아닌 내부 집계값으로 점검 가능한 범위를 상담합니다.
• 소상공인·1인사업자 진단 문의하기해결하려는 문제와 준비된 자료의 종류를 먼저 알려주시면 진행 가능 여부를 안내합니다.

이 글은 각 기관·저자의 공식 페이지에서 원문을 직접 확인한 자료(소상공인실태조사, Fader·Hardie·Lee의 RFM 논문, 2023 Merger Guidelines, 개인정보보호위원회 가명정보 처리 가이드라인, Ipsos Loyalty Myth #8, 이소영 외의 KCI 메타데이터)만을 핵심 근거로 삼았습니다. Patatoukas(2012)는 논문 원문 대신 저자 소속기관의 공식 뉴스룸 기사로 모집단을 확인했으며, 개념적 배경으로만 인용하고 계수·회귀분석 결과는 인용하지 않았습니다.

국내 소상공인의 평균 재구매율·평균 고객집중도, 업종 공통의 안전·위험 기준값처럼 공식 원자료에 없는 값은 만들어 제시하지 않았습니다. 이 글의 계산식과 합성 사례는 마케팅·세무·법률 자문이 아니며, 특정 고객 관리 방식이나 매출 증가를 권하지 않습니다.