아하 모먼트 뜻, 첫 구매 뒤 두 번째 구매를 부르는 순간

아하 모먼트는 고객이 상품의 가치를 처음 확인하는 순간입니다. 쇼핑몰에서 첫 구매 뒤 재구매로 갈라지는 경험을 찾는 순서와 예시 계산을 정리했습니다.

Nov 05, 2026

아하 모먼트는 고객이 상품의 가치를 처음 몸으로 확인하는 순간입니다. 쇼핑몰에서는 첫 구매 뒤에 어떤 경험을 한 고객이 두 번째 구매까지 오는지, 그 갈림길을 가리키는 말로 쓰면 됩니다.

광고로 신규 고객은 들어오는데 두 번째 주문이 붙지 않는다면, 쿠폰을 더 뿌리기 전에 먼저 볼 것이 있습니다. 재구매하는 고객과 하지 않는 고객이 첫 구매 이후 2주 동안 무엇이 달랐는지입니다. 이 글은 그 차이를 우리 몰의 데이터에서 찾는 순서를, 월요일에 바로 지시할 수 있는 수준으로 정리합니다.

아하 모먼트 뜻: 상품의 가치를 처음 확인하는 순간

아하 모먼트는 원래 앱·소프트웨어 분야에서 나온 말입니다. 요즘IT에 실린 해설은 신규 사용자가 제품의 핵심 가치를 처음 경험하는 순간으로 정의하고, 사용자가 제품에 자리 잡는 과정을 준비(셋업), 가치 확인(아하), 습관(해빗)의 세 단계로 나눕니다. 가치를 확인하기 전에 필요한 준비가 있고, 가치를 확인한 뒤에 습관이 붙는다는 뜻입니다.

가장 자주 인용되는 일화는 페이스북의 「10일 안에 친구 7명」입니다. 다만 같은 해설은 이 사례를 가치 확인보다는 준비 단계에 가깝다고 보고, 숫자의 원출처도 밝히지 않습니다. 그래서 이 숫자를 우리 몰에 그대로 옮길 이유는 없습니다. 중요한 것은 숫자가 아니라 방법입니다. 남은 고객과 떠난 고객을 갈라 놓은 행동을 자기 데이터에서 찾는다는 방법입니다.

쇼핑몰에 옮기면 이렇게 읽을 수 있습니다. 상품이 도착해서 써 보고 「잘 샀다」고 느낀 순간, 그 만족을 리뷰나 적립금 사용 같은 행동으로 한 번 더 확인한 순간이 후보입니다. 어떤 순간인지는 상품마다 다르기 때문에, 정답을 외우는 것보다 후보를 세워 놓고 데이터로 가려내는 편이 빠릅니다.

찾으려면 필요한 두 가지: 첫 구매 뒤 행동 기록과 비교 기준

이를 해결하려면 두 가지가 필요합니다. 첫 구매 뒤에 고객이 무엇을 했는지 남은 기록, 그리고 그 행동을 한 고객과 하지 않은 고객을 같은 잣대로 견주는 기준입니다.

첫째, 주문 데이터 바깥의 행동 기록

주문 내역만으로는 「두 번 샀다, 한 번 샀다」까지만 알 수 있습니다. 갈림길을 찾으려면 첫 구매 이후의 행동이 필요합니다. 배송 완료일, 리뷰 작성일, 적립금과 쿠폰 사용일, 상세페이지 재방문 횟수, 카카오 채널 추가일 같은 것들입니다. 쇼핑몰 관리자에서 주문·회원·리뷰 내역을 내보낼 수 있는 경우가 많아서, 우선 있는 것으로 시작하면 됩니다. 없는 항목은 지금부터 쌓기 시작하면 됩니다.

둘째, 같은 기간으로 맞춘 재구매율

두 집단을 비교할 때는 기간을 맞춰야 합니다. 첫 구매 후 90일 안에 두 번째 주문이 있었는지처럼 하나의 기준을 정하고 모든 고객에게 같은 자를 댑니다. 기간을 정하기 어렵다면 Adobe Commerce 문서의 접근이 참고가 됩니다. 이 문서는 마지막 주문 이후 경과 개월별로 다시 주문할 확률을 보고, 그 확률이 처음 반복 주문 확률의 절반 아래로 떨어지는 시점을 이탈 기준으로 삼기를 권합니다. 문서의 예시에서는 초기 반복 주문 확률이 60%이고 약 6개월이 기준점입니다. 업종과 상품에 따라 기준점은 달라지므로, 비교 기간도 우리 몰의 재구매 주기에서 정하는 것이 맞습니다.

재구매율 계산식과 기간을 정하는 법은 리텐션 계산식 글에, 고객을 가입 시점별로 묶어 보는 법은 코호트 잔존곡선 읽는 법에 정리해 두었습니다.

아하 모먼트를 찾는 순서 네 단계: 첫 구매 고객 목록 뽑기, 첫 구매 뒤 2주 행동 후보 3개 고르기, 경험한 집단과 못 한 집단의 90일 재구매율 비교, 차이가 큰 행동의 경험 집단 키우기

찾는 순서는 네 단계입니다. 한 번에 하나의 후보만 확인합니다.

후보 3개를 고르고 숫자로 확인하는 순서

후보는 많이 세울수록 좋아 보이지만, 데이터가 적은 몰은 후보가 많으면 우연한 차이를 정답으로 착각합니다. 첫 구매 뒤 2주 안에 일어나는 행동 중에서 상품 만족과 가까운 것 3개만 고르세요.

후보 행동	이 행동이 말해 주는 것	어디서 확인하나
첫 구매 후 7일 안에 리뷰 작성	받아 본 상품에 만족했다는 신호	쇼핑몰 리뷰 목록, 작성일
첫 구매 뒤 적립금·쿠폰 사용	혜택을 한 번 써 봤다는 신호	적립금·쿠폰 사용 내역
7일 안에 상세페이지 3회 이상 재방문	다른 상품이나 같은 상품을 다시 고민한다는 신호	GA4 또는 쇼핑몰 방문 로그
배송 완료 뒤 3일 안에 재방문	받은 뒤에도 몰에 다시 들어온다는 신호	배송 완료일과 방문 로그

상품 유형에 따라 후보를 바꿉니다. 영양제나 식품처럼 떨어지면 다시 사는 소모품이라면 리필 시점 안에 알림을 열어 본 고객이 후보가 되고, 패션이나 리빙처럼 한 번 사면 오래 쓰는 상품이라면 사용 후기나 활용 콘텐츠를 본 고객이 후보가 됩니다. 리필 알림을 보낼 시점은 식품 재구매 리필 알림 글에서 다뤘습니다.

첫 구매 고객이 몇 백 명보다 적다면 집단을 나눌 때 한쪽이 너무 작아져서 우연한 차이가 정답처럼 보이기 쉽습니다. 이럴 때는 후보를 하나로 줄이고 고객이 더 쌓일 때까지 기간을 길게 잡으세요.

아래는 설명을 위한 예시 숫자입니다. 첫 구매 고객이 1,000명이고, 이 중 228명이 90일 안에 두 번째 주문을 했다고 가정합니다. 전체 재구매율은 22.8%입니다. 후보 세 가지로 고객을 둘로 가르면 다음과 같은 결과가 나올 수 있습니다.

예시 숫자: 7일 안에 리뷰를 쓴 고객 150명의 90일 재구매율 42%, 못 쓴 고객 19.4%. 적립금을 쓴 300명 32%, 안 쓴 고객 18.9%. 상세페이지를 3회 이상 재방문한 400명 28%, 안 한 고객 19.3%

예시 숫자입니다. 실제 숫자는 몰마다 다릅니다.

읽는 법은 세 가지입니다. 첫째, 격차가 가장 큰 후보는 리뷰 작성입니다(42% 대 19.4%, 약 22.6%p). 둘째, 그 행동을 경험한 고객이 150명, 전체의 15%뿐이라는 점이 기회입니다. 셋째, 이 경험을 한 고객이 250명 늘어 400명이 된다면 단순 계산으로 재구매가 약 57명 늘고 재구매율은 22.8%에서 28.5% 정도가 됩니다.

다만 이 계산은 상한선에 가깝습니다. 상품에 만족한 고객이 리뷰도 쓰고 재구매도 하는 것이지, 리뷰를 쓰게 만든다고 재구매가 같은 폭으로 늘어난다는 보장은 없기 때문입니다. 그래서 마지막 단계는 시험입니다. 아직 경험하지 않은 고객 중 절반에게만 리뷰 요청 메시지를 보내고, 나머지 절반과 90일 재구매율을 견줍니다. 차이가 남으면 그 행동이 갈림길일 가능성이 커집니다.

이 재구매율이 올라가면 두 가지 숫자가 같이 움직입니다. LTV는 구매자 전환율 × 객단가 × 구매빈도 × 생애주기로 계산하는데, 재구매는 이 중 구매빈도와 생애주기를 올립니다. 계산 방법은 LTV 계산기 글에서 엑셀 칸 네 개로 확인할 수 있습니다. 또 신규 유입 수 ÷ 이탈률로 보는 CC(고객이 도달할 수 있는 규모의 천장)에서는 이탈률이 내려갑니다. 플라이휠 그로스 컨설팅은 성장판 ≈ CC × LTV로 이 두 숫자를 함께 봅니다.

리인벤팅의 해결: 후보를 찾고, 경험한 고객 수를 키웁니다

여기까지가 엑셀과 쇼핑몰 관리자 화면으로 할 수 있는 일입니다. 막히는 지점은 대개 두 곳입니다. 행동 데이터를 뽑아 집단을 나누는 일이 개발팀 요청으로 넘어가는 순간, 그리고 경험하지 않은 고객에게 메시지를 보내 시험하는 일이 캠페인 하나에 일주일에서 한 달씩 걸리는 순간입니다.

AI 그로스 CRM, 리토스는 이 두 지점을 겨냥합니다. AI 데이터 분석가가 CRM에 쓸 수 있는 20가지 이상의 고객 행동과 아하 모먼트를 분석해 캠페인 기획으로 바로 연결합니다. 첫 구매 뒤 30일 동안 재방문이 없는 고객처럼 자주 쓰는 발송 조건은 프리셋으로 들어 있고, 캠페인 하나에 콘텐츠를 여러 개 등록하면 자동 A/B 테스트가 성과가 좋은 소재로 발송을 몰아 줍니다. 한 고객이 받는 메시지 수는 발송 주기 설정으로 통제됩니다. 아임웹·카페24 연동 기준으로 당일 세팅하면 다음 날부터 발송됩니다.

전략이 먼저 필요하다면 플라이휠 그로스 컨설팅의 진단에 아하 모먼트와 유저 행동 데이터 분석이 들어 있습니다. 진단은 성장판(CC × LTV)에서 시작해서 어디부터 손대야 하는지를 정합니다. 컨설팅은 신규 유저가 아하 모먼트를 경험한 집단의 크기를 키우는 일을 목표로 삼고, 그 비율은 80% 이상을 지향 목표로 둡니다. 이 수치는 달성한 실적이 아니라 지향 목표입니다. 저도 트렌비에서 CRM을 고도화하며 LTV를 3배, CRM 매출 비중을 30%까지 올려 본 경험이 있습니다. 그 과정에서 캠페인 기획은 늘 고객 행동을 기반으로 발송 조건을 만드는 일이었습니다.

사례: 듀오링고는 작은 유지율 개선이 쌓이는 방식을 말했습니다

듀오링고는 쇼핑몰이 아니라 언어 학습 앱이지만, 무료 체험 기간과 유지율을 함께 다룬 공개 사례입니다. CX Dive가 2026년 8월 11일에 보도한 2026년 2분기 실적 설명에 따르면, 듀오링고의 CEO 루이스 폰 안은 여러 유지율 지표 중 현재 사용자 유지율(CURR)을 가장 유심히 본다고 말했습니다. CURR은 일 사용자 중 다음 날 다시 돌아오는 비율이고, 지난 1년 동안 약 1%p 올라 모든 지역과 사용자 유형에서 상승했습니다. 폰 안은 이런 작은 상승이 시간이 지나며 일 사용자 수를 크게 바꾼다고 설명했습니다.

같은 분기에 일 평균 사용자는 전년 대비 23% 늘어 5,870만 명, 유료 구독은 17% 늘어 1,270만 개가 되었습니다. 회사는 무료 이용의 마찰을 줄이고, 대부분의 상품에서 무료 체험을 7일에서 1개월로 늘렸습니다. CEO는 체험을 늘린 뒤 더 많은 사람이 들어오고 유료 전환도 늘었다고 말했습니다.

듀오링고 2026년 2분기: 일 사용자 5,870만 명으로 전년 대비 23% 증가, 유료 구독 1,270만 개로 17% 증가, 현재 사용자 유지율 약 1%p 상승, 무료 체험 7일에서 1개월로 연장

듀오링고 2026년 2분기 실적 보도(CX Dive, 2026-08-11)를 정리한 도해입니다.

쇼핑몰에 옮겨 읽을 점은 두 가지입니다. 하나는 1%p 같은 작은 개선도 고객 수가 쌓이면 큰 숫자가 된다는 점이고, 다른 하나는 가치를 확인할 시간을 충분히 주는 설계가 전환을 바꿀 수 있다는 점입니다. 쇼핑몰에는 체험 기간이 없으니, 첫 상품이 도착하고 쓰는 시간을 지나 리뷰와 재방문이 일어날 때까지를 같은 시간으로 보면 됩니다. 이 사례는 언론 보도를 근거로 했고 회사 원문 자료는 열어 보지 못했으므로, 숫자는 보도된 범위에서만 인용했습니다.

이번 주에 할 일

월요일: 최근 6개월 첫 구매 고객 목록을 뽑고, 각 고객의 90일 안 두 번째 주문 여부를 표시하게 하세요.
화요일: 첫 구매 후 2주 동안의 행동 후보 3개를 정해 담당자에게 지시하세요. 리뷰 작성, 적립금 사용, 상세페이지 재방문처럼 상품 만족과 가까운 것이 좋습니다.
수요일: 후보마다 경험한 집단과 못 한 집단의 재구매율, 각 집단의 고객 수를 표 한 장으로 받으세요.
목요일: 격차가 가장 큰 후보를 고르고, 아직 경험하지 않은 고객 중 절반에게만 그 행동을 권하는 메시지를 보내도록 지시하세요.
금요일: 90일 뒤에 확인할 날짜를 캘린더에 넣고, 그동안 비교 집단에는 아무것도 보내지 않기로 팀에 알리세요.