Ch7. 예측·지표 운영
ARR 예측 정확도를 높이고 파이프라인 건전성을 유지하는 계량 운영
예측은 숫자 맞추기가 아니라 운영 품질의 결과입니다.
정확한 예측을 위해서는 단계 신뢰도와 영업 행동 데이터가 함께 관리되어야 합니다.
핵심 지표
| 지표 | 계산식(정의) | 목표 |
| ----------------- | ---------------------------------- | ----------------- | --------- | --------- |
| Win Rate | Won ÷ Closed | 분기별 개선 |
| Forecast Accuracy | 1 - | Forecast - Actual | / Actual | ±10% 이내 |
| Stage Conversion | 다음 단계 이동 ÷ 현재 단계 수 | 병목 단계 개선 |
| NRR | (기존 + 업셀 - 축소 - 이탈) ÷ 기존 | 110%+ |
용어
Forecast Accuracy에서 Forecast는 예측 매출(또는 ARR), Actual은 실적 매출(또는 ARR)을
의미합니다.
가중 파이프라인 예측식
| 단계 | 권장 확률(예시) |
|---|---|
| Qualified | 20% |
| Solution Fit | 45% |
| Commercial | 70% |
| Commit | 90% |
코호트 기반 예측 보정
월별 코호트를 분리하지 않으면, 신규 성장과 기존 계정 축소를 구분하기 어렵습니다.
2026 NRR 벤치마크
2022~2024 하락 추세가 회복되면서, 2026년 NRR은 안정세를 보입니다.
| 세그먼트 | 중앙값 | 상위 25% | 하위 25% |
|---|---|---|---|
| Enterprise (ACV $50K 이상) | 118% | 130%+ | 105% |
| Mid-Market (ACV $15~50K) | 108% | 120% | 98% |
| SMB (ACV $15K 미만) | 97% | 110% | 88% |
| 전체 | 101% | 118% | 92% |
출처
ChartMogul SaaS Retention Report 2026, Gainsight CS Index 2026
AI 기반 예측 (2026)
AI 예측 모델이 기존 가중 파이프라인 방식을 보완합니다.
| 방식 | 예측 정확도 | 특징 |
|---|---|---|
| 영업 직감 기반 | 50~60% | 주관적, 편향 존재 |
| 가중 파이프라인 | 65~75% | 단계 확률 의존 |
| AI 시그널 기반 | 최대 92% | 구매 신호·행동 데이터 분석 |
AI 예측은 이메일 응답 패턴, 문서 열람 행동, 챔피언 활동 빈도 등 **행동 신호(buying signals)**를 분석해 딜 성사 가능성을 예측합니다.
좌석 압축이 Forecast에 미치는 영향 (2026)
SaaSpocalypse로 좌석 기반 SaaS의 $285B 시가총액이 증발하면서, 예측 모델에도 좌석 축소 시나리오를 반영해야 합니다.
| 리스크 | Forecast 반영 방법 |
|---|---|
| 기존 고객 좌석 축소 | 갱신 Forecast에 좌석 감소율(10~30%) 시나리오 추가 |
| 신규 딜 좌석 수 보수 추정 | AI 에이전트 도입 계획 확인 후 좌석 수 조정 |
| 가격 모델 전환 과도기 | 좌석→사용량 전환 시 일시적 ARR 감소 구간 모델링 |
AWS Sales AI Agent의 파급 효과
AWS가 2026-03-24 세일즈·BD·기술 전문가 업무 자동화 AI 에이전트를 발표하면서 SaaS 주가가 추가 하락했습니다. 클라우드 인프라 벤더의 세일즈 AI 진입은 좌석 기반 SaaS의 구조적 축소를 가속하므로, Forecast에 이 트렌드를 반영하세요.
Forecast 품질 관리
- Commit/Pipeline/Upside 구간 정의를 고정합니다.
- 단계별 증거 기반 체크리스트를 운영합니다.
- 월말 몰림(end-loading) 거래 비중을 모니터링합니다.
- Forecast와 실제 차이의 원인을 분류해 반복 원인을 제거합니다(가격, 일정, 승인, 경쟁).
- 좌석 압축 시나리오를 분기별 Forecast 보정에 포함합니다.
판정 원칙
예측 오차 자체보다 오차의 원인을 반복적으로 제거하는 것이 중요합니다. 같은 원인으로 2분기 연속 오차가 발생하면 프로세스 결함으로 간주하세요.