HubSpot Breeze 가격 개편: CAC 손익분기점 계산 (2026)

2026년 4월 14일, HubSpot은 Breeze Customer Agent 요금을 대화당 $1.00에서 해결된 대화당 $0.50로 낮췄습니다. Breeze Prospecting Agent는 등록 연락처별 반복 과금 대신 적격 리드당 $1를 받는 방식으로 전환했습니다. 겉으로만 보면 HubSpot Breeze 가격 인하입니다. 하지만 퍼널 수치를 대입해 보면 실제로는 위험의 가격을 다시 매긴 것입니다. 이 변화가 유리한지는 HubSpot이 정의하고 고객이 독립적으로 감사할 수 없는 한 가지 수치에 달려 있습니다.

HubSpot Breeze 가격, 수치로 보면 무엇이 달라졌나

두 Breeze 에이전트가 성과 기반 과금으로 바뀌었습니다. 지원 문의를 자동 처리하는 Customer Agent는 대화당 정액 $1.00에서 해결된 대화당 $0.50로 전환했습니다. 아웃바운드 연락처를 등록하는 Prospecting Agent는 등록 연락처별 월 반복 요금을 없애고, 팀에 전달된 적격 리드당 $1를 받습니다. 변경 사항은 2026년 4월 14일부터 적용됐으며 발표는 그 전날 나왔습니다(HubSpot 공식 발표, CMSWire).

HubSpot이 제시한 근거는 이렇습니다. Customer Agent는 8,000개 고객사에서 대화의 65%를 해결했고 해결 시간을 39% 단축했습니다(MarTech). 이 가격이 겨냥하는 시장과 비교하면, Intercom Fin은 해결 1건당 $0.99를 받고 월 최소 50건의 해결 실적을 의무로 둡니다(Fin AI 가격). HubSpot의 해결된 대화당 $0.50는 가장 가까운 성과 과금 경쟁사의 절반 수준입니다. 단순히 '사용량 기준'에서 '성과 기준'으로 바뀌었다는 사실보다 이 가격 차이가 중요한 이유입니다.

새 Breeze 모델에 실제 $5,000 규모의 사용량을 아직 투입해 보지는 않았습니다. 아래 손익분기 모델은 도입 여부를 결정하기 전에 제가 직접 만든 것입니다. 요금 변경만으로는 비용이 줄어드는지 알 수 없기 때문입니다. 답을 결정하는 것은 각 계정의 해결률입니다.

보도에서 빠진 CAC 손익분기점 계산

관련 보도는 모두 $1.00가 $0.50로 바뀌었다는 사실을 반복했습니다. 하지만 손익계산서에서 정작 중요한 식, 즉 해결 1건당 $0.50가 시도 1건당 $1.00보다 저렴해지는 해결률이 얼마인지는 계산하지 않았습니다.

인바운드 대화 1,000건 기준 기존 모델 비용: 시도 1,000건 × $1.00 = $1,000. 에이전트가 실제로 몇 건을 해결했는지와 무관한 고정 비용입니다.

인바운드 대화 1,000건 기준 신규 모델 비용: 1,000 × 해결률 × $0.50.

두 비용을 같게 놓으면 손익분기 해결률은 100%입니다. 해결률이 100%보다 낮다면 신규 모델은 기존의 대화당 정액제보다 반드시 저렴합니다. HubSpot이 제시한 해결률 65%를 넣으면 결과가 선명해집니다.

표만 보면 확실한 이득이고, 기존 정액제와 비교한 Customer Agent는 대체로 실제로 그렇습니다. 함정은 이 표가 아니라 '해결'이라는 단어에 있습니다. 같은 논리를 Prospecting Agent에 그대로 적용할 수도 없습니다. 기존 모델에는 시도당 최소 과금 자체가 없었기 때문입니다.

Prospecting Agent는 판단이 더 어렵습니다. 기존의 등록 연락처별 요금은 예측하고 상한을 정할 수 있었습니다. 연락처 N개를 등록하면 N개에 대해 지불했고, 답장이 하나도 오기 전에 CAC에 더해질 비용이 확정됐습니다. 새 적격 리드당 $1 모델은 이 고정비를 HubSpot이 판정하는 전환 이벤트에 연동된 변동비로 바꿉니다. 등록 연락처가 적격 리드로 전환되는 비율이 높다면 적격 리드당 $1가 기존 등록 정액 요금보다 더 비쌀 수 있습니다. 성과 기반 가격 책정은 할인이 아닙니다. 전환율이 낮을 것이라는 데 거는 베팅이며, 그 전환율을 측정하는 쪽이 가격까지 정합니다.

아무도 비용에 반영하지 않은 HubSpot Credits 함정

'작업이 완료됐을 때 지불한다'는 말은 종량제처럼 들리지만 실제로는 그렇지 않습니다. Breeze의 성과 요금은 선불 풀인 HubSpot Credits에서 차감되며, 공개된 환산표에서는 100 Breeze Credits가 3,000 HubSpot Credits에 해당합니다(HubSpot Credits 및 청구 안내).

이 구조는 기존 보도에서 놓친 두 가지 방식으로 단위 경제성을 바꿉니다. 첫째, 기간 말에 남은 크레딧은 매몰비용입니다. 따라서 해결된 대화당 실효 비용은 $0.50가 아니라 $0.50에 크레딧 미사용률로 인한 손실을 더한 값입니다. 해결 10,000건을 예상해 선결제하고 실제로 7,000건만 사용한 팀은 해결당 $0.50가 아니라 $0.71를 지불하는 셈입니다. 이 미사용분을 예측에 반영하기 전까지는 그렇습니다. 둘째, 선결제는 성과 기반 과금의 가장 큰 판매 논리인 '결과에 대해서만 지불한다'는 특성을 약화합니다. 실제로는 예상 성과에 먼저 돈을 내고 나중에 실적과 대조합니다. 절차만 늘었을 뿐 좌석 라이선스와 같은 현금흐름 형태입니다.

공급사가 정의한 지표로 과금하는 함정

이 지점에서 요금 문제는 단순한 구매 검토 사항이 아니라 /growth/의 문제가 됩니다. 성과 기반 과금에서는 공급사가 정의하고 측정하며 보고하는 지표를 기준으로 청구서를 발행합니다. 다시 말해, 독립적으로 감사할 수 없는 항목이 CAC에 들어갑니다.

어떤 대화를 '해결'로 봐야 할까요? 사용자가 답을 받은 뒤 채팅을 닫았다가 20분 후 같은 문제로 새 대화를 열면, 해결되지 않은 문제 하나일까요? 아니면 과금 가능한 대화 두 건이고 그중 하나는 '해결'된 것일까요? 팀에 전달된 '적격' 리드는 무엇을 뜻할까요? HubSpot의 자체 점수에 따라 HubSpot 모델이 결정합니다. SaaStr는 업계 전반의 변화를 분석하며 바로 이 유인을 직설적으로 지적했습니다. 해결당 과금이 고객의 경제성을 바꾸려면 해결의 정의가 정직해야 하는데, 그 정의를 공급사가 정한다는 것입니다(SaaStr). Constellation Research도 성과 기반 AI 가격이 측정 권한을 플랫폼으로 넘긴다는 동일한 구조적 문제를 짚었습니다(Constellation Research).

귀속 관계를 정직하게 밝혀두겠습니다. HubSpot이 해결 건수를 부풀린다고 입증할 수 없으며, 그렇다고 주장하는 것도 아닙니다. 문제는 의도가 아니라 구조입니다. 청구 이벤트와 성공 지표가 같은 수치이고 한쪽 당사자가 계량기를 소유한다면, 재무팀은 자신들이 만들지도 않았고 재계산할 수도 없는 정의에 맞춰 비용을 검산해야 합니다. 직접 셀 수 있는 좌석 수를 과금 단위로 삼는 좌석 라이선스와는 위험의 종류가 다릅니다.

방어 가능한 방법은 도입 첫날부터 자체 데이터 웨어하우스에 별도의 해결 및 적격 판정 기준을 계측하는 것입니다. Breeze가 관여한 모든 대화에 태그를 붙이고, 자체 파이프라인 전환 데이터로 적격 여부를 판정한 뒤 매달 청구서 수치와 나란히 비교해야 합니다. 두 수치가 몇 퍼센트포인트 이상 벌어지면 재협상의 근거가 생깁니다. 자체 계량기를 만들지 않았다면 남는 것은 청구서뿐입니다.

직접 모델링해 보니 성립하지 않았던 가정

당연하다고 예상했지만 계산 앞에서 무너진 가정이 두 가지 있었습니다.

첫째, 성과 기반 가격 책정이 기존 모델보다 언제나 저렴할 것이라고 봤습니다. 그렇지 않습니다. Customer Agent는 시도당 정액 요금과 비교하면 저렴하지만, Prospecting Agent는 고정된 등록당 요금과 비교할 때 적격 전환율이 높을수록 오히려 더 비싸질 수 있습니다. 이번 가격 개편은 약한 퍼널을 가진 계정에 보상하고 강한 퍼널을 가진 계정에는 불리하게 작용합니다. 등록 연락처의 8%를 적격 리드로 전환하는 팀은 25%를 전환하는 팀보다 적격 리드 관련 지출이 적습니다. 등록 연락처당 절대 비용으로 보면, 강한 퍼널을 가진 팀은 적격 리드당 $1 모델에서 기존 등록 요금보다 총액을 더 많이 낼 수 있습니다.

둘째, Fin과의 비교가 최종 판단 기준일 것이라고 생각했습니다. 대부분의 HubSpot 중심 팀에는 그렇지 않습니다. 이미 HubSpot CRM을 사용한다면 전환 비용과 데이터 모델 통합 비용이 Intercom과의 해결당 표시 단가 차이 $0.49보다 훨씬 큽니다. 실제 의사결정에 필요한 비교는 Breeze와 Fin이 아닙니다. Breeze의 성과 기반 비용과 사람이 처리하는 대화의 자체 혼합 비용을 비교해야 하며, 내부 검토 문서에는 바로 그 수치를 넣어야 합니다.

실제로 적용할 AI 에이전트 가격 의사결정 기준

1. 1

   먼저 실제 해결률과 적격 전환율을 확인합니다

   HubSpot의 65%에서 출발하지 마십시오. 최근 90일간의 지원 대화와 아웃바운드 등록 데이터를 가져와 자동 처리 가능한 문의의 해결률과 등록 연락처의 적격 리드 전환율을 직접 계산해야 합니다. 표시 단가가 아니라 이 두 수치가 결과를 결정합니다.

2. 2

   Customer Agent를 기존 정액제 기준과 비교합니다

   Cost_new = 월 대화 수 × 자체 해결률 × $0.50 ÷ 예상 크레딧 사용률입니다. 이 값이 기존의 대화당 정액 지출과 사람의 혼합 처리 비용보다 낮다면 Customer Agent의 성과 기반 요금으로 옮길 근거가 분명합니다.

3. 3

   Prospecting Agent를 0원이 아닌 기존 등록 요금과 비교합니다

   Cost_new = 적격 리드 수 × $1 ÷ 크레딧 사용률입니다. 같은 사용량에 기존 등록 연락처별 요금을 적용했을 때의 비용과 비교하십시오. 퍼널이 강하다면 기존 모델이 더 저렴한 드문 사례가 될 수 있습니다. 그렇다면 등록 기준 조건을 협상할 선택지를 남겨두어야 합니다.

4. 4

   전환 전에 자체 계량 체계를 구축합니다

   데이터 웨어하우스에서 자체 정의에 따라 해결과 적격 여부를 계측하십시오. 매달 HubSpot 청구서와 대조하고, 몇 퍼센트포인트를 넘는 차이는 회계상 반올림 오차가 아니라 계약을 다시 논의할 사안으로 다뤄야 합니다.

5. 5

   퍼널은 변하므로 분기마다 다시 판단합니다

   손익분기점은 전환율의 함수이며 전환율은 계속 달라집니다. 해결률 65%에서 유리했던 요금 모델이 85%에서는 불리할 수 있습니다. 분기별 재무 일정에 재계산을 포함하십시오.

CRM 자동화를 특정 공급사의 과금 이벤트 정의에 완전히 묶지 않고 이식 가능한 상태로 유지해야 하는 이유도 여기에 있습니다. 제가 DVNC.ae를 통해 WhatsApp 및 CRM 리드 응답 흐름의 계측을 지원한 팀들은 적격 판정 점수를 자체 파이프라인 데이터에 보관합니다. 그래야 공급사가 지표를 바꿔도 마진 한 분기를 잃는 대신 설정 변경만으로 대응할 수 있습니다.

HubSpot Breeze의 성과 기반 가격은 기존 모델보다 정말 저렴한가요?

Customer Agent는 기존 대화당 정액 $1.00와 비교하면 거의 항상 저렴합니다. 해결률이 100%보다 낮기만 하면 해결당 $0.50가 더 싸기 때문입니다. 하지만 Prospecting Agent는 기존 등록 연락처별 요금보다 반드시 저렴하지 않습니다. 등록 연락처의 적격 전환율이 높으면 적격 리드당 $1 때문에 총비용이 더 커질 수 있습니다. 두 에이전트를 따로 계산해야 합니다.

Breeze에서 해결된 대화는 어떻게 정의하나요?

HubSpot의 자체 점수에 따라 HubSpot 모델이 해결 여부를 판단하며, 청구서만으로는 그 정의를 독립적으로 재계산할 수 없습니다. 자체 해결 기준을 별도로 계측하고 매달 대조해야 합니다. 수치가 벌어질 때 이를 재협상 근거로 활용할 수 있습니다.

해결된 대화당 $0.50에 HubSpot Credits 선결제도 포함되나요?

표시 단가는 $0.50지만 요금은 선불 HubSpot Credits 풀에서 차감됩니다. 실효 비용은 $0.50를 크레딧 사용률로 나눈 값입니다. 사용률이 70%라면 $0.71에 가까워지므로 경쟁사와 비교하기 전에 미사용분을 모델링해야 합니다.

Breeze의 $0.50는 Intercom Fin의 $0.99와 비교해 어떤가요?

표시 단가만 보면 HubSpot이 절반 수준입니다. 하지만 HubSpot 중심 팀에는 이 단가 차이가 결정적 요인이 되는 경우가 드뭅니다. 통합 및 전환 비용의 영향이 더 큽니다. Breeze의 성과 기반 비용과 사람이 처리하는 대화의 혼합 비용을 비교해야 올바른 결론을 낼 수 있습니다.