brunch

You can make anything
by writing

C.S.Lewis

by ASH Sep 28. 2022

토스 PO 세션 1~7편 총 정리

Carrying Capacity부터 Q&A까지

한 5달 전, 링크드인, 커리어리, 페이스북, 브런치, 서핏, 서플 등을 도배한 주제가 하나 있다. 바로 토스 이승건 대표가 유튜브를 통해 말한 Carrying Capacity (이하 C.C)다. 이승건 대표는 C.C를 구성하는 단 두 가지 요소, Inflow와 Churn으로 간단하게 제품의 한계와 가능성을 알 수 있다고 했다. 토스와 이승건 대표가 해당 영상을 올린 주목적은 채용이었지만, 해당 영상을 본 사람들의 관심은 모두 C.C에 쏠렸다.


그도 그럴 것이 모든 스타트업들이 다양한 수치와 공식을 이용해서 현재를 진단하고 미래를 예측하기 위해 노력하고, 이러한 과정을 거치며 나름대로의 희망을 품고 있었을 것이다. 그런데 Inflow와 Churn이라는 가장 기본적인 수치를 계산하는 것만으로도 프로덕트의 최대 가능성을 알 수 있다니, 모든 사람들의 관심이 쏠리는 건 당연했다.


일각에서는 너무 좋은 공식이라고, 이런 공식을 이제라도 알아서 다행이라고 말했고, 다른 한편에서는 C.C는 그럴 듯 하지만 정확한 공식은 아니다, 간과한 것이 많다는 반대 의견이 나왔다. 두 의견 다 이해가 간다. 개인적으로 C.C 공식을 실제로 만들고 있는 프로덕트에 적용해 봤는데, C.C로 계산한 값이 실제 수치와 거의 유사하게 나왔다. 개인적으로는 직접 공식을 써보며 공식에 대한 신뢰가 생겼다.


사실 C.C에서 중요한 것은 C.C 공식이 맞냐 틀리냐 여부가 아니라, PO Session 마지막 영상에서 밝혔듯, 쉽고 심플한 공식을 만들어 낸 그 사고 과정 자체에 있다. 공식이든 비즈니스 모델이든 프로덕트든 심플하지 않으면 살아남기 어렵다. 토스를 보면 프로덕트 자체도 굉장히 심플하게 되어 있다. 거기다가 토스에서 주로 쓰는 공식인 C.C도 심플하다. 심플함을 추구하는 문화가 조직 전체에 잘 배어있는 느낌을 준다.


여기저기서 C.C에 관한 아티클들을 보며 사람들의 관심이 C.C에만 멈춘 게 아쉬웠다. C.C 이후 Retention의 중요성, Activation 보다 Retention을 먼저 개선해야 할 것, MAU와 C.C의 차이, 이승건 대표의 winning strategy 등 C.C만큼 중요한 개념들이 많이 나왔지만, C.C만 사람들의 관심을 반짝 받고, 그 이후 진짜 중요한 개념들이 주목을 못 받은 게 아쉽다. C.C를 언급한 맨 처음 영상의 조회 수는 12만, 바로 다음 영상은 7만, 마지막 영상은 7천, 날이 갈수록 관심이 떨어지는 게 조회수를 통해서도 쉽게 보였다. (사실 개인적으로 winning strategy는 strategy보다 mentality가 더 어울리지 않나 하는 생각이 든다. 보면서 전략보다는 멘탈리티, 태도에 관한 느낌을 더 많이 받아서.)


위 문단의 반복이지만, 사람들이 C.C 말고, C.C 공식을 만들어 내기까지의 심플함, Activation 개선보다 Retention 개선이 우선이라는 것, 헛된 성공에 대한 희망을 품는 게 아닌 실패가 기본이라는 마인드를 바탕으로 빠르게 핵심 가설만 검증하는 것, 이 세 가지를 꼭 기억하고 적용하면 좋겠다.


아마 새로운 아이템 100개 만들면 99개는 실패할 것이다. 그리고 그게 당연하다고 받아들이면서 시간과 비용 낭비를 최소화하면서 PMF를 찾고, PMF를 찾았을 때는 Activation이 아닌 Retention에 집중하고, C.C를 늘리기 위한 꼭 필요한 Action들만 진행하고. 이렇게 한다면 성공할 가능성이 조금이나마 더 높아질 것이다.


아무튼 토스 PO Session 1편부터 7편까지 전 편을 정말 인상 깊게 봐서, 주요 내용들을 다 요약했고 이를 다시 한번 더 정리해서 올린다. 스크롤이 너무 길어서 1~3편 요약, 4~7편 요약 정도로 나눌까도 생각했지만, 또 그렇게 되면 C.C 내용이 많은 전편에만 몰릴 것 같아서 글 한편에 모든 내용을 다 담았다. 또 개별 영상을 요약한 콘텐츠들은 있어도, 1~7편 전체 내용을 한 번에 정리한 콘텐츠는 없기도 했고. 이 글은 요약본이라, 더 정확하고 세부적인 내용까지 알고 싶다면, 토스 유튜브에서 꼭 한번 보길 추천한다. 그리고 1편만 보는 게 아니라 꼭 7편까지 모두 봤으면 좋겠고.




1. 토스 리더가 말하는 PO가 꼭 알아야 할 개념


1) 데이터 그로스 모델링 사전 질문


Q1. 만약 서비스에서 파워 유저들이 다 어떤 행동을 한다는 걸 발견했다고 가정. 그래서 모든 유저들에게 이 행동을 하도록 만듦. 이게 과연 도움이 될까? 안될까?


A1. 정답은 yes and no. 그럴 수도 있고 아닐 수도 있음. 인과 관계라면 맞지만, 상관관계에 불과하다면 연결고리는 끊어지면서 상관관계가 없는 것처럼 보일 것.


근데 정말 중요한 건 그런 행위를 했을 때, churn rate이 올라가는지를 봐야 함. churn rate이 올라간다면 사실은 아무 변화가 없는 것이고 churn rate이 올라가지 않는다면 파워 유저로 전환되고 있다고 말할 수 있음. 전체 retention과 churn에 영향을 주는지를 잘 봐야 함.


Q2. 만약 서비스가 24시간 동안 장애를 겪고, 다음날 트래픽이 많이 빠져 있음. 이게 과연 서비스에 장기적으로 안 좋은 일일까? 아니면 괜찮은 일일까.


A2. 만약 트래픽이 좀 줄었다고 하더라도 Inflow와 churn만 보면 됨. 이 두 가지 값에 변동이 없다면 지금 MAU가 좀 내려앉았다 하더라도 다시 회복한다는 것. 참고로 대부분의 경우 이런 일시적 장애가 Carrying Capacity에 영향을 주는 일은 드묾.


Q3. 당신은 하루에 10만 명의 유저가 방문하는 서비스를 운영 중이다. 경쟁자 역시 마찬가지. 근데 하루에 10만 명이 오는 것과 매주 70만 명이 오는 것은 과연 상관이 있을까 없을까?


A3. Carrying Capacity 개념 없이 보면, 매일 들어오는 유저수를 늘리는 것이 굉장히 중요하다고 생각할 수 있다. 하지만 언제나 같이 봐야 하는 것은 당신이 매일 일으키는 변화들이 매일 Churn 되는 유저를 늘리는지를 봐야 함.


PO로서 MAU를 높이는 게 아니라, Carrying Capacity를 높이는 게 성장을 위한 길임. MAU 늘어날 때 churn rate에 영향이나 악영향을 주지는 않는지 확인해 봐야 함.


Q4. 광고를 계속 틀면 유저가 늘 것이라고 가정. 과연 맞을까 틀릴까?

A4. 정확히 Carrying Capacity에 도달할 때까지만 늘어난다.


Q5. 서비스 알림 시스템에 문제가 생겼다. 그래서 유저들에게 새로운 활동들에 대해 알릴 수가 없게 됐다. 그래서 실제로 매일 오는 유저수가 좀 감소함. 이게 과연 걱정할 일일까?

A5. 들어오는 유저수 말고 나가는 유저도 변하는지 봐야 함.


위 다섯 가지 질문에 대해 답을 줄 수 있는 핵심 개념이 Carrying Capacity



2) Carrying Capacity란? (한계 수용 능력)


2.1) 개념

‘호숫가의 물의 높낮이가 어디까지 올라올까?’ 호숫가 물의 높이는 사실은 그 땅의 지형과 상관없음. 아래 두 가지에 따라서 호숫가의 물이 얼마나 차오르는지가 결정됨.

• ‘호숫가에 물을 채우는 비(Inflow)’의 양과

• 꽉 차 있는 호수의 물의 양에 따라서 점점 늘어나는 ‘나가는 물의 양(Churn)'  



2.2) 비즈니스 적용

비즈니스로 보면 호숫가의 물이 월 활성 유저수(MAU). Carrying Capacity가 물의 양을 결정하고, 물의 양을 결정하는 데는 Inflow와 Churn 외에는 아무런 상관이 없음.



2.3) Total Customer

Total Customer는 New Customer Today와 Lost Customers Today, 단 두 가지 요소만 영향을 미침. Total Customer의 양을 정하려면 먼저 Customer를 정의해야 함. 그리고 Customer는 결국 Active User가 무엇이냐를 정의해야 하는데, Active User를 어떻게 정의하느냐가 굉장히 중요. 아래는 Customer 관련 정의의 예시

• Active를 어떻게 정의할까?

◦1. 95% 이상의 Visitor가 꼭 하게 되는 활동

2. Page by Page, Repeatable 하고, Meanungful 한 액션인가?

• Churn은 어떻게 정의하나?

얼마를 안 써야 안 오는 거라고 정의할까? 1일? 4일?

상식적으로 이 정도를 안 썼으면 Loss 될 것 같다를 정한다. (나중에 바꾸면 안 됨!)

ex) 샤잠: 한 달에 한번 쓰는 앱, 3개월을 Churn으로 정의

ex) 토스 송금: 30%가 이전달에 온 적이 없는 유저



3) Carrying Capacity


3.1) 정의 및 계산

매일 새로 오는 유저 수를 매일 잃게 되는 유저의 비율로 나누게 되는 것.

Carrying Capacity = # Of New Daily Customers / % Customers You Lost Each Day

• # Of New Daily Customers의 Time Frame은 적절한 감을 가지고 설정.

• 토스는 보통 Weekly로 함, 너무 길면 이터레이션에 따른 측정이 어려워짐.

제품이 본질적으로 얼마나 많은 유저를 데리고 있을 수에 있는지에 대해 계산하게 만든 공식.


3.2) 예시

Inflow 양이 줄어들면 → MAU가 조금씩 줄어들면서 → Churn 되는 n% 유저의 비율도 줄어들고 → 다시 새로운 평형점에 도달할 때까지 MAU가 줄어듬. 위 상황에서 Churn 되는 n%의 유저가 10분의 1로 줄어들면 Carrying Capacity는 10배가 됨.


3.3) 중요성

Carrying Capacity는 제품이 가지는 본질적인 체력에 대한 얘기. 광고, 마케팅, 푸시 등을 다 걷어내고 제품의 순수한 유저를 모으는 힘의 능력. 유저를 수용하고 흡수한 것처럼 들고 있는 능력에 대한 것. 이 본질적인 체력이 튼튼해야 MAU를 더 키울 수 있음.


3.4) 유입 유저 수 계산

유입 유저 수는 일주일 안에 알 수 있음. 즉, 제품을 런칭하면 ‘매일 이 서비스로 들어오는 유저 수가 얼마지?'를 바로 알 수 있음. 광고하면 늘어나긴 함. 근데 천년만년 광고할 것인가? 광고는 돈이 드니까 언젠가 끄게 됨. 언젠가 끄게 되면, 들어오는 양은 다시 원래대로 회복됨. 회복이 되면 다시 원래 평형점으로 돌아가게 됨. 그래서 광고를 한 의미가 없음.


3.5) 이탈 유저 수 계산

내가 유저를 얼마나 빨리, 즉 몇 % 씩 잃는가. MAU 대비 몇 퍼센트가 항상 날아가는가. 이걸 계산하는 데는 길어야 두 달, 짧게는 한 달 안에 정확하게 측정 가능.


3.6) 결론

1/ 즉 어떤 서비스를 런칭했을 때, 그 서비스가 리텐션이 있다고 가정할 경우 Carrying Capacity는 보통 1~2달 안에 계산 가능. 그리고 이 Carrying Capacity가 MAU의 최종 도착지가 된다는 것. 그래서 # Of New Daily Customers와 % Customers You Lost Each Day 이 두 가지의 값을 본질적으로 바꾸지 않으면 MAU는 늘어나거나 줄어들 수 없음.


2/ ‘매일 광고, 마케팅 다 빼고 가만히 있을 때 매일 들어오는 유저수가 얼마냐’ 그리고 ‘전체 MAU 중에 우리가 몇 퍼센트를 잃고 있냐’ 이 두 개의 숫자를 변화시키는 제품 개선 활동 외에는 전부 MAU를 바꾸는 데 일절 영향을 주지 못함. 즉, 이 두 가지 숫자를 바꾸는 것만이 유의미한 것.


3/ 그래서 현재의 Carrying Capacity의 80% 정도까지 빠르게 키우도록 광고를 하고 그 이후에는 Carrying Capacity 자체가 커지도록 제품 개선을 하는 것도 좋은 전략.


4/ 근데 광고나 마케팅을 항상 하고 있음. 이렇게 되면 광고를 꺼도 매일 들어오는 본질적인 유저의 수가 얼마인지 알 수가 없고, 그래서 Carrying Capacity를 계산하는 게 불가능함.


참고 1/ 광고, 마케팅 중에 Carrying Capacity를 계산하는 법

2가지가 있음. 첫 번째는 마케팅이나 광고를 통해서 트래킹 되는 데이터를 다 발라낸 나머지 유저수로 계산하는 것. 근데 이건 정확하지 않음. 왜냐면 마케팅이나 광고를 하면 Organic User, 즉 New User Customer는 그냥 늘기 때문. 그래서 정확히 계산하려면 광고를 꺼야 함. 광고를 딱 2달만 끄면 MAU가 어디까지 도달하는지 정확히 알 수 있음.


참고 2/ Carrying Capacity와 마케팅 관의 연관성

마케팅 활동을 통해 일시적인 Inflow Boosting은 가능하지만, 결국 광고를 끄면 그대로 다시 주저앉음. Carrying Capacity가 변하지 않았기 때문. 결국 근본적인 Carrying Capacity의 향상은 제품 개선을 통한 Inflow와 Retention 향상, Churn 감소 외에는 방법이 없고, 이것은 마케팅 활동으로는 바꿀 수 없음.


3.7) 요약

1/ Carrying Capacity는 결국 ‘내 서비스가 도달할 최종적인 유저수'라고 할 수 있음. 이 값은 서비스를 운영하고 3-6개월 안에 알 수 있기 때문에, 파이낸셜 프로젝션을 통해서 엑셀에서 정확히 예측 가능함. 또한 제품의 성장을 미리 예측할 수 있다는 점에서 매우 중요.


2/ 결국 Carrying Capacity에 영향을 주는 건 Inflow (New User + Resurrection)과 Churn Rate 두 가지에 의해 결정됨. 사실 서비스의 성장 한계는 churn이 결정함.


3/ 여기서 또 고려해야 할 점 두 가지는

• 서비스의 Organic Inflow는 서비스의 특성에 따라 결정되며 일정한 숫자로 유지된다.

• Churn Rate (1-Retention Rate)는 전체 유저에 대해 일정한 비율로 유지된다.

그리고 완전히 새로운 종류의 서비스를 론칭하면 새로운 서비스의 가치를 중심으로 새로운 Inflow와 churn이 형성됨. 즉, 새로운 Carrying Capacity가 생기는 것.




2. 유저를 떠나지 않게 만드는 단 하나의 개념


1) C.C 관련 질문


Q1. 24시간 동안 다운 타임이 있어도 트래픽이 줄었다가 회복된다고 했는데, 다른 대안이 많은 요즘 CC가 많이 떨어질 것으로 생각됐는데, 토스 초기 모델은 그런 적이 없나?


A1. 실제로 토스는 CC가 다 회복됨. 대안이 있어도, 아무런 문제 없이 회복이 되었음. 아마 대부분의 서비스가 유사할 것.


Q2. Outflow는 비율 단위인데, 왜 Inflow는 정수 단위일까? 일반적으로 Churn Rate는 유저 수에 비례하지만, 신규 유저 수는 그렇지 않기 때문?


A2. 맞음. Churn Rate는 유저수에 비례, 신규 유저 수인 Inflow는 유저 수에 비례하지 않는 정수 값이기 때문.


Q3. C.C에 시간이라는 개념을 넣으면 어떻게 변화될지? 복리처럼 천천히 일정하게 변하는 게 아니니까 속도에 가속도가 붙는 영향도 함께 봐야 하지 않을까?


A3. 사실 맞음. 현재 MAU와 CC의 차이가 굉장히 크면 빠른 속도로 CC에 따라붙고 → CC가 따라붙는 것에 의해서 MAU의 증가 속도는 점점 한계 체감을 보이면서 느려지는 게 사실.


근데 사실 많은 경우 CC와 MAU의 갭을 만드는 게 중요. 얼마나 빨리 올라가냐 하는 것은 사실은 그렇게까지 중요한 요소는 아님. 그래서 시간 개념을 더해서 계산해도 실용적으로 쓸 수 있는 건 잘 없지 않을까 싶음.



2) P/M Fit을 찾은 뒤 우리는 무엇을 해야 하는가?


2.1)‘PMF를 찾았다’의 정의

1/ Plateau Retention Curve.

PMF를 찾았다/못 찾았다를 가르는 가장 중요한 기준이자, 사실상 거의 유일한 기준은 Retention Plateau가 생겼냐 안 생겼냐. 리텐션 커브를 봤을 때, 시간이 지남에 따라 한 번이라도 사용했던 유저가 계속 사용하는 게 아니라, 계속 빠져서 하나도 안 쓰게 되는 경우에는 제품이 PMF를 찾지 못한 것으로 볼 수 있음.


반면, 어느 시점에 가면 지속적으로, 주기적으로 시간이 지나도 계속 사용하는 사용자들이 생기면 PMF가 있다고 보통 이야기를 함. 이는 결국 시간이 지나고, 광고를 굳이 안 하더라도 스스로 재방문해서 사용하는 유저가 있다는 것.


2/ 스타트업과 스타트업이 아닌 걸 가르는 가장 중요한 기준.

제품, 시장, 고객에 대한 불확실성의 크기. ‘누구에게 어떤 형태의 제품을 팔고 어떻게 돈을 버냐’. 이 세 가지가 점점 확실해지면 경영의 단계로 넘어감. 불확실성을 확실성으로 옮겨나가는 과정이 린 스타트업 개념.



2.2) PMF를 찾은 것의 의미

PMF를 찾아서 리텐션 Plateau가 생겼다는 건 2가지가 해결됐다는 의미. 첫 번째 우리 제품이 어떠한 구조여야 한다. PMF를 찾았기 때문에 제품과 시장의 핏이 있는 것이므로 제품의 형태는 이제 찾은 것. 동시에 고객도 찾은 것. 그렇다면 고객은 리텐션 커브에서 평평함을 담당하는 계속 쓰기로 결정한 사람들.


PMF를 찾았다면?

그렇다면 Retention Plateau 그래프를 가지고 무엇을 해야 하느냐? PMF를 찾은 뒤에 바로 해야 하는 것은 리텐션 커브를 분석하는 일. 리텐션에 대한 분석과 개선이 가장 첫 번째로 해야 하는 일.


그래서 AARRR은 뒤에서부터 계산해야 함. Retention 개선 → Activation 개선 → 마케팅에서 Acquisition 해야 함. (*반대로 고치면 스타트업 지옥 버전이 됨.)


리텐션으로 떠나지 않는 아주 강력한 서비스를 만들고 그다음에 유저들이 들어오는 길을 꽃길로 만들고 그다음에 광고해야 함. (*이걸 보통 하지 못하는 이유는 불안감 때문.)



2.3) 리텐션 그래프를 계산(분석)하는 방법 3가지


1/ 이탈 그룹에 대한 Usability Test

떠난 유저들을 인터뷰해야 함. ‘이들은 왜 떠날까?’ UT를 하는 가장 중요한 이유. UT가 CC를 늘리기 위한 기준이 됨. 새로운 CC를 어떻게 추가할까에 대한 힌트가 바로 UT. ‘우리가 현재의 서비스 현재 형태로 데려오지 못한 유저들은 과연 무엇을 쓰는가’, ‘우리가 그럼 어떻게 이 유저들조차 데려올 수 있을까’ 이에 대한 분석이 필요.


2/ 유지 그룹에 대한 Data Analysis

얘네들은 왜 계속 쓰는 거야? 누가 쓰는 걸까? 왜 계속 쓰기로 결정했지? 그 핵심은 뭐였을까? 유지 그룹과 이탈 그룹을 가르는 기준은 뭘까? 이 질문에 대한 답들은 데이터 분석을 통해서 찾아야 함.

결국 유지 그룹이 현재 고객, 이탈 고객이 확보해야 하는 미래의 고객들.



3) Aha Moment에 대하여


1/ Retention&C.C

리텐션을 찾았다는 건 CC를 계산할 수 있게 됐다는 걸 의미함. CC를 계산할 수 있게 됐다는 것은 우리가 어디까지 도달할지에 대해서 생각할 수 있음을 의미. 또 CC라는 벽에 MAU가 도달하면 성장이 멈춤.


2/ 이탈 그룹에 대한 Usability Test

유저 테스트에서는 우리가 채우지, 만족시키지 못하는 Usecase가 뭔지를 알 수 있게 하고, 장기적으로 우리가 CC를 높이기 위해서 어떠한 기능이 필요한지를 알 수 있음. * 질문은 부정문으로 하지 말 것.


보통 5번 정도의 UT 만으로도 어떤 문제에 대해 ‘아 이거구나' ‘이래서 쓰는구나, 안 쓰는구나'에 대한 일관된 답을 들을 수 있음. * 토스는 20번 정도 함. → 시장 기회에 대해서 직감을 느끼고 패턴을 발견하는데 20번 정도는 해야 알 것 같음. 물론 5번 정도로도 일관된 답은 알 수 있지만 거기서 어떤 숨은 기회를 발견하기 위해서는 20번 정도 해야 함.


이런 유저 테스트는 리텐션을 개선하는 데 아무 도움이 안 됨. 이 Use case를 커버하면 리텐션이 올라갈 것 같지만, 사실은 새로운 서비스를 개발해야 하기 때문에, 당장 해야 하는 것은 리텐션 개선. Usability Test는 장기적으로 나중에 CC에 도달했을 때, 그다음 아이템을 찾는 용도이기 때문에 천천히 해나가면 됨.



3.1) 유지 그룹에 대한 Data Analysis

지금 당장 해야 할 것은, 우리 앱을 계속 쓰기로 한 고객들이 누구고 왜 쓰는가에 대한 분석을 먼저 급하게 해야 함. 계속 사용하는 유저가 Flat 한 곡선을 그린 것을 보고 PMF를 찾았다고 말할 수 있음. 그러면 이제 드디어 ‘우리 고객은 누구지'라는 문제를 풀 수 있는 상태가 된 것.

• Basic Segment

◦Key Demographics (Sex, Age, Industry, Company Size, ETC) → 기본적으로는 페르소나에 대한 이해가 필요.

◦Time

◦User source

페르소나에 대한 이해도 중요하지만, 왜 어떤 유저는 남고, 어떤 유저는 안 남는가에 대한 근본적인 데이터 분석이 훨씬 더 중요.



3.2) AHA MOMENT 정의

1/ 결국 남는 유저들은 남게 되는 공통적인 특징이 있음. 그것을 Aha Moment라고 함. 리텐션을 개선하는 핵심은 Aha Moment 운동을 사내에 일으키는 것. 제품 방향성 상실을 막기 위해서라도 아하 모먼트 운동이 필요.


2/ Aha Moment는 제품의 핵심 가치를 경험하는 순간을 의미. Aha Moment를 통과하면 이 서비스를 계속 쓰게 되고, Aha Moment를 쓰지 못한 유저가 계속 쓰지 않게 되는 것을 말하는 그 구간. 즉, 서비스를 계속 쓰게 만드는 특이점(Singularity)을 뜻함.


3/ 그래서 이 행동을 한 유저의 95%는 리텐션이 생긴다고 볼 수 있는 상황. Aha Moment를 겪는 유저가 많아지면 Retention Plateau가 올라갈 수 있는 것.



3.3) Retention Plateau

Retention Plateau가 있을 때, 이게 어느 수치에 도달하는지가 굉장히 중요. 토스가 기준으로 삼는 건 20% - 40% - 70% 세 덩어리.


1/ Retention Plateau가 20% 일 때

괜찮기는 한데, Border Line임(한계선). 20% 보다 낮다면 이걸로는 회사를 만들 수 없음. 20% 언더면 리텐션이 없다고 보는 게 맞음. 리텐션이 20%면 꽤 괜찮은 회사를 만들 정도는 됨. 근데 아주 큰 비즈니스를 만들 수는 없음. 산업마다 편차는 있겠지만 대략 2,000-3,000억 정도 되는 회사 정도 가능.


2/ Retention Plateau가 40% 일 때

유니콘을 만들 수 있음. 꽤 괜찮고 큰 회사를 만들 수 있음.


3/ Retention Plateau가 70% 일 때

세상을 바꿀 수 있고, 산업을 혁신할 수 있음. 전체 인구의 대부분이 쓰는 서비스가 되기 때문. 그 서비스는 결국 세상을 바꾸는 힘을 가지게 되는 회사.


리텐션의 높이가 기업의 Valuation을 결정. 전 국민을 쓰게 했을 때 우리가 결국 어디에 MAU에 랜딩 할 지에 대해서 감을 잡을 수 있음.



3.4) AHA MOMENT의 특성

1/ 정량적으로 정의되는, 유저가 서비스에 남게 되는 결정적인 순간

• 팀원들이 ‘우리 서비스의 Aha Moment는 이거야’라고 너무 심플하고 일관되게 얘기할 수 있는 정량적으로 정의되는 순간.

• 초기 토스의 Aha Moment는 4일 이내 2번 이상 송금. 4일 이내에 2번 이하 송금하거나, 2번 이상 송금했더라도 4일이 넘어가면 남지 않았음.

• 회사가 얼마나 Aha Moment에 집중할 수 있느냐가 향후 스케일을 많이 결정한다고 함.  


2/ 정성적으로도 상식적인 인과관계가 있는 순간 Simplicity, not Science

• 아주 단순한 순수. 팀원들이 무지성 추종을 하게 되는 단순한 한 문장 (O)

• 복잡하고 정교한 분석 결과 (X)

• Aha Moment를 추구해서 리텐션을 개선해야 될 때쯤 되면, 조직이 너무 복잡해지고 어려워짐. 모든 회사 구성원들이 딱 하나만 보고 좇는 그런 말들이 필요함.


3/ 연역 추리와 귀납추리 모든 과정을 통해 찾는 것이 적절하다. Aha Moment는 리텐션 개선을 위한 Silver Bullet이 아니다.

• Aha Moment를 정교하게 만들고, 모든 유저가 이에 몰입하게 만들며 얻을 수 있는 증가 폭은 20-30% 정도에 불과.

• 나머지는 UT를 통해서 CC를 늘리는 작업을 해야 함.  


3.5) Aha Moment 예시

• 페이스북: 첫 10일 동안 7명의 친구와 연결시킬 것. 이게 되면 남고, 그렇지 않으면 안 남음. 이 개념은 유저가 몇 억 명이 될 때까지도 유효했다고 함.

• 슬랙: 특정 팀 안에서 2,000개의 메시지가 작성되면 팀 전체가 남음.

• 드롭박스: 한 개의 기기에서 폴더에 하나 이상의 파일을 세이브했을 때.

• 트위터: 30명을 팔로우할 때.

• 링크드인: Y일 안에, X명과 연결이 될 때.


인과 관계가 있는 걸 찾아서, 무지성으로 그것만 하면 리텐션이 생기는. 정말 마법 같은 One-Sentence를 찾으면 됨. 아하 모먼트는 대체로 “XX라는 행동을 가입한 지 YY라는 날짜 안에 ZZ번 한다(Doing XX, ZZ times in YY days)"의 형태로 나타남.

• XX: 핵심 가치에 대한 액션.

• YY: 특정 잊어버리기 전의 날짜. 현대인들은 어떤 서비스에서 좋은 경험을 해도 그 기억을 오랫동안 하거나 나중에 상기하는 건 쉽지 않음. 서비스가 남긴 경험과 충격을 완전히 잊어버리기 전에 써야 계속 쓰기로 마음의 결정을 하는 것. 일정기간 이후 시간이 너무 지나버리면 그 서비스를 계속 쓰는 걸 잊어버림.

• ZZ: 한번 경험으로 바로 리텐션이 되는 경우는 거의 없음. 대부분의 경우는 2번에서 10번 사이의 경험 횟수가 있어야만 리텐션이 생김.


만약 실행이 불가능한 Aha Moment가 나왔다면? (ex. 첫 3일 안에 40명의 친구와 연결하기)

• 리텐션이 있다고 하더라도 제품을 심각하게 재검토해야 함.

• XX라고 하는 행위를 다시 생각하고, 더 강화시켜야 함.

너무 난도가 높은 아하 모먼트가 나오거나, 95%가 하는 행위를 찾을 수가 없다면 우리가 할 일은 더 매력적이고 나아서, 더 유저가 와우하게 되는 그 액션을 만들어 내야 함. 즉 제품 개선 필요. PMF도 못 찾고, Retention도 없는데, 아하 모먼트 찾겠다고 하면 안 됨.




3. 유저를 끌어당기는 서비스 개선


1) 아하 모먼트 구하기 101 (Retention)


1.1) 액션 XX 후보군 찾기


1/ 액션 XX = 어떤 액션을 특정 기간 내에 Z번 한 것. 액션 XX는 직관이나 노가다를 통해 구할 수도 있음. Shap Value 같은 도구를 이용해 리텐션에 영향도가 높은 액션의 후보군을 뽑아볼 수도 있음. Shap Value에서 리텐션에 영향도와 임계점이 명확히 보이더라도, RPV/교차 값을 구해서 충분한 조건을 만족하는지 확인해야 함. (* Shap Value? 특정 액션을 한 유저와 안 한 유저들이 Feature Value에 있어 상승, 하락할 때 경향성이 일치하는지를 보는 것.)


2/ XX를 구한 후에는 안 좋은 상황들을 Rule Out 하는데 집중해야 함. 이는, 액션 XX를 한 유저와 리텐션 된 유저의 교집합을 최대한 늘리는 동시에, 교집합이 아닌 부분을 최대한 줄여야 한다는 뜻. 중요한 것은 액션을 한 사람의 95% 이상이 Retain 되어야 함.



1.2) 액션의 횟수에 따른 RPV (Retain Probability Value)와 교차값을 만듦


RPV = Retain 된 유저가 이 액션을 할 확률

교차 = “액션을 했거나 OR Retain 된 유저" 중 “액션 AND Retain 유저"의 비율

• 1: 어떤 액션 XX의 후보군을 만들고, 액션의 횟수에 따른 RPV 및 교차 값을 구함.

• 2: 그리고 교차가 최대이면서도, RPV가 95% 이상인 액션 XX를 찾을 때까지 이 과정을 반복.



1.3) RPV와 교차값을 구하는 과정


ZZ에 따라서 모든 유저들을 A, B, C, D로 MECE 하게 나눌 수 있음.

• A: 액션 XX를 했고 Retain 된 유저

• B: 액션 XX를 안 했고 Retain 된 유저

• C: 액션 XX를 했고 Retain 안 된 유저

• D: 액션 XX를 안 했고 Retain 안 된 유저

RPV = A/(A+B)

교차 = A/(A+B+C)

이러한 엄격한 과정의 최종 목적은 액션을 한 사람과 Retain이 된 것이 인과관계여야 함을 찾는 것.


1.4) RPV는 95% 이상, 교차는 최대인 ZZ 값을 찾기

교차 영역은 최대가 되는 ZZ 값의 RPV가 95% 이상이 아니라면, 다른 액션 XX를 찾아서 1번부터 반복.

위 두 조건을 만족하더라도 Sample Size가 충분히 크지 않으면 다시 1번부터 찾아야 함.



2) Activation

1/ Activation의 진짜 정의는 회원 가입 과정이나 퍼널이 아님. Activation은 고객이 겪는 첫 번째 행복한 경험. = The First Happy Experience. 이를 첫 번째로 하는 과정까지의 경험을 Activation이라고 함.


2/ The First Happy Experience와 Aha Moment의 차이점

• 차이 없음. 같은 것  

• 고객이 겪는 이 첫 번째 행복한 순간이 바로 그 아하 모먼트의 액션 XX  


3/ Activation을 개선한다는 것은 더 많은 유저가 더 빨리, 더 손쉽게 액션 XX를 하게끔 만드는 것. 그래서 Activation의 개선 과정은 퍼널의 개선 과정이 아님. 그래서 Activation을 개선하려면 The First Happy Experience의 정의가 필요함.


4/ 즉, 우리 앱의 핵심 가치를 경험하게 만드는 액션 XX는 무엇인가에 대한 정의가 되어야 하고, 이게 정의가 된 다음에, 최대한 많은 유저가 그 액션 XX를 하게끔 만드는 과정이 Activation의 개선 과정. 그래서 Retention에서 Aha Moment를 정의하고 발굴하지 않으면, Activation에서 무엇을 목표로 해야 하는지 알 수 없음.



2.1) Activation 개선 과정에서 중요한 것


1/ Activation을 개선할 때, 퍼널을 개선하는 과정이라면 퍼널 개선에 있어서 중요한 건 전환율 (Conversion Rate)이 아닌 기간.

• 단계별 전환율이 중요한 게 아니라, 얼마 만에 다음 퍼널로 넘어가는지 그 기간이 중요.

• Conversion을 볼 때는 어느 정도의 기간 동안 그런 일이 일어나느냐를 반드시 같이 봐야 함.

• 반드시 전환율을 볼 때는 시간을 같이 봐야 핵심적인 것을 할 수 있음.

• 그래서 더 단기간 안에 많은 Conversion을 일으키는 것이 중요.


2/ 목표는 퍼널이 아닌 더 많은 유저가 더 빠르게 Aha Moment를 경험하도록 만드는 것. 화면 UX, UI를 더 능숙하게 바꾸는 것은 기본. 사실 이건 디자인 측면이고, PO라면 전략적으로 Aha Moment를 더 빨리, 더 많이 경험하게 만드는 것이 퍼널 개선의 핵심.


3/ Activation 퍼널은 모든 Growth Dynamics에 영향을 줌. 그래서 매우 중요함. Churn 된 유저가 다시 돌아오면 Resurrection (부활) 유저라고 하는데, 이 부활하는 유저의 양이 나중에는 정말 매우 중요해짐.


4/ C.C에 도달하면 대부분의 유저가 부활 유저. 신규 유저는 거의 없게 됨. 부활 유저는 앱을 삭제했을 수도 있고, 회원 탈퇴를 했을 수도 있음. 그러면 부활 과정에서 Activation 과정을 다시 겪게 됨. 그래서 이 개념으로 봤을 때, Activation이 2배 개선되면, Inflow가 2배가 되고, C.C도 2배가 됨.


5/ Activation 퍼널은 Viral Growth를 설계하고 있다면 더 중요해짐. Viral 구조에서 모든 유저가 다 거쳐야 하는 퍼널이 Activation 퍼널. 그래서 Viral K를 1 이상으로 만들기 위해서는 Activation의 전환율이 매우 중요.

• Activation 전환율이 10% 밖에 되지 않으면 Viral K를 만드는 것은 거의 불가능.

• 근데 Activation 전환율이 50%가 되면, Viral K가 5배 증가하는 상황이 됨.


6/ Viral Growth, Resurrection, Inflow 등 모든 지표에 영향을 주는 굉장히 기본적인 숫자이기 때문에 Activation 퍼널을 잘 만드는 것은 매우 중요. Activation 퍼널의 통과율이 그 서비스가 도달할 수 있는 MAU를 정하기도 함. Activation 통과율이 거의 90% 이상이 나와줘야 Inflow, C.C가 몇천만 이상이 될 수 있음.


7/ 차이가 크면 안 됨. Activation 퍼널 분석을 할 때 화면 단위로 보면 안 됨. Activation은 그래프 기준으로 봐야 개선을 할 수 있음. 차이가 크면 유저들이 왜 제대로 전환이 안되는지 알기 힘듦. (ex. 화면 단위로 이탈률 그래프를 그린 경우) 따라서 차이가 큰 경우 버튼 누르는 것 여부 단위로 더 잘게 쪼개서 봐야 함. 이렇게 해야 대체 어디서 떨어져 나갔는지를 알 수 있음. 그래서 단계별 그래프를 그렸을 때, 계단식으로 너무 큰 격차가 있지 않도록 그래프를 만들고 퍼널 개선에 집중해야 함.


8/ 연관 분석 필요. Whom, Why they are Converting vs Not Converting. 대체 누가 전환이 되고, 누가 전환이 되지 않고, 누가 전 단계에 남아 있는지를 분석해야 함. 아하 모먼트를 찾는 과정과 비슷.




4. 바이럴 성장이란 무엇인가


1) 지난 세션 QnA

Q1. Retention Plateau를 볼 때 Y축(Active)은 잘 이해가 가는데, X축(Time)은 기간이 어떻게 되나? 어느 기간 동안 Plateau를 보나?


A1. 정확히는 Plateau가 생기는 상황을 봐야 함. Month 0부터 ~ Month 3 정도까지 기간에 Plateau가 생기면 이상적이지만, 현실은 그렇지 않음. 평형점을 세 꼭지 정도라도 보는 게 가장 이상적으로 Plateau가 생겼다고 말할 수 있음. Plateau가 Month 3~4 정도에 생기면 좋고, 그게 안된다면 더 오래 봐야 함. 결국 Plateau가 생길 때까지 봐야 함. 보통 6개월 이상 걸리기는 함.


Q2. Retention Period가 길어져서 Retention Plateau 측정이 애매해지는 서비스 쪽으로 갈 때는 어떻게 하시나요?


A2. 이런 제품은 스타트업이 하면 안 되는 제품인 경우가 많음 (이승건 대표 생각. airbnb 같은 경우는 그럼 뭐지..?) 왜냐면 제품 개선 주기가 6개월 ~ 1년 단위로 되면 너무 많은 시간이 걸림. 급성장을 만들어야 하는 스타트업 입장에서는 불리한 서비스가 되는 경우가 많음.


그래도 봐야 한다면 Monthly Retention을 Weekly Retention으로 나눠서 본다던지 시간 단위를 짧게 해서 보는 게 좋음. 짧게 봐도 애매하면 기다리는 수밖에 없음.


세상의 모든 것을 숫자로 표현하고 예측할 수 있다?

라플라스의 악마: 현재 숫자를 알면 미래를 알 수 있음. PO는 이러한 멘탈리티가 필요.  대부분의 사건들은 대부분 모델링이 가능하고 정확하게 예측할 수 있음.


  

2) 데이터 그로스 모델링

1/ Inflow

• 1: New (Organic)

• 2: Resurrection / Skeptics (Organic)

• 3: Paid

• 4: Viral (사실 이것도 Organic이지만, 개념상의 설명을 위해 구분함)    


2/ Churn

전체 C.C를 모델링하기 위해서 중요하게 봐야 하는 것은 완전 신규 유저, 부활 유저, 이탈 유저.

Organic과 Organic이 아닌 것의 차이?

• Organic은 C.C에 영향을 주고, Organic이 아닌 건 C.C에 영향을 주지 않음.  



2.1) Organic (C.C에 영향) Inflow


1/ New

앱스토어에 올렸거나 런칭했는데 그냥 들어오는 유저들. 유저들로부터 서비스가 발견되는 것.

ex) Word of Mouth, SEO, Media, Fluke. 그래서 더 많은 사람들이 상시적으로 서비스를 발견하게 만드는 것이 굉장히 중요함.


2/ Resurrection

Churn 된 유저가 부활하는 것. 다시 시도하게 되는 순간들이 분명히 존재함. New와 Resurrection이 Organic과 C.C에 영향을 줌.


2.2) 이외 Inflow

1/ Referral (C.C에 영향 O)

* 이것도 엄밀히 따지면 Organic. ‘Trackable’ Invitation. Trackable 여부가 word of mouth와의 가장 큰 차이점.


* Viral Growth

측정할 수 있으면 Viral 혹은 Referral. 측정할 수 없으면 Referral이 아님. 새롭게 만들어지는 Viral Growth는 기존 Inflow에서 유래. 그래서 Viral Growth가 장착되어 있는 서비스는 MAU가 커질수록 Inflow가 늘어남. 이론적으로는 Viral K가 1 이상이면 무한대로 성장 가능.


2/ Paid Marketing (C.C에 영향 X)

Paid Marketing 진행할 때는 Volume, CVR%, Budget (Cost) 세 가지 요소만 고려하면 됨. 어떤 채널에 Marketing을 진행할지는 위 3가지 요소만 고려해서 결정하면 됨.



3) Network Effect

서비스를 사용하는 유저수의 증가가 서비스 가치의 증가를 불러일으키는 경우를 의미함. Network Effect가 근본적으로 있는 서비스는 MAU가 증가할수록, Retention이 증가함. 이는 즉 서비스를 쓰지 않을 이유인 Churn이 줄어든다는 것. 즉, Network Effect가 있는 서비스는 MAU가 늘면 Churn이 감소함. 모든 서비스들이 소셜미디어, 커뮤니티, SNS적 기능이 있어야 하는 이유이기도 함.


3.1) 그럼 Viral Growth와 Network Effect 중 무엇이 더 중요할까?

• Viral Growth: 신규 유저가 자연 성장한다 (Inflow)

• Network Effect: 한 번 들어온 유저는 절대 벗어나지 못한다 (Churn)

장단점이 있음. Viral Growth가 있는데, Retention이 없으면 C.C가 주저앉을 수 있음. 즉, Viral Growth만으로는 MAU를 늘리기 힘들 수 있음. Network Effect만 있으면 성장하는 속도가 굉장히 느릴 수 있음. 그래서 둘 다 있어야 함.



4) Viral Growth

신규 유저가 새로운 유저를 가져오는 비율.

• 신규 유저 1명이 새로운 유저를 1명 데려오면 Viral K가 1

• 신규 유저 1명이 새로운 유저를 2명 데려오면 Viral K가 2

• 신규 유저 2명이 새로운 유저를 1명 데려오면 Viral K가 0.5


4.1) 특징

Sequential 하다 (1~n차 효과가 있음). 고정된 숫자로 표현이 가능. Time Decayed 경향이 있어 Curve로 나타남. Viral K는 대부분의 경우 1이 되지 않음.

• 0.2 - good

• 0.4 - great, amazing

• 0.7 - outstanding  

그래서 그렇게 중요하지 않음. 1을 넘길 수가 없다. 0.7도 전 세계 역사상 거의 존재하지 않음. 진짜 중요한 것은 Amplification Factor라는 수치가 중요함.


4.2) Amplification Factor

Amplification Factor = 1 / (1-Viral K)

이 것의 의미는 내가 광고로 1명을 데려왔을 때, 그 광고로 데리고 온 유저 1명이 Viral K를 이용해서 데리고 올 텐데, “Paid로 한 명을 데려오면 결과적으로 몇 명을 데리고 온 효과가 된 것이지?”를 계산하는 것. Viral K는 보통 0.2 ~0.4 사이에 위치하기 때문에 Amplification Factor의 값이 훨씬 중요함.




5. 지속 가능한 성장을 만드는 방법


1) 바이럴 성장 만들기 (Designing Viral Growth)  


1.1) Virality = Payload * Conversion Rate * Frequency

보통 많은 바이럴 제품들이 이 세 가지 중 한 가지에 집중해서 바이럴을 터트림

• 1/ Payload: 바이럴 루프 한 번에 몇 명에게 그 메시지가 도달?

• 2/ Frequency: 한 바퀴 안에서 유저가 그 메시지를 얼마나 겪게 되냐

• 3/ Conversion Rate: 그 메시지를 한번 봤을 때 신규 유저로 전환되는 비율이 어떻게 되냐



2) CC를 목표로 잡을 때, 기억해야 할 3가지 팁


2.1) Growth는 MAU가 아니라 CC를 높이는 것


1/두 목표의 차이점

지속 가능하지 않은 것은 장기적으로 무의미하다. 하나는 지속 가능하지 않은 것도 하게 만들고, 하나는 지속 가능하지 않은 것은 어차피 무의미하니까 안 하게 한다. MAU를 목표로 하는 순간 아래 것들은 다 할만한 것들이지만, CC를 목표로 하는 순간 아래 것들은 다 할 필요가 없는 것들.

• 지속 가능하지 않은 것들의 예시

◦프로모션 마케팅 (일시적 마케팅)

◦다크 패턴 푸시

◦한동안만 가능한 회원가입 퍼널에서의 Tweak 

◦리텐션이 보장되지 않은 Paid Marketing

◦법률적 혹은 PR 이슈로 인해 결국엔 문제가 될 제품 경험이나 퍼널

◦잠시만 노출할 예정인 홈 화면 인텔리전스    


2/ 그런 어떤 CC값을 목표로 하는 게 맞을까?

Use Case (그 서비스가 타겟하는 유저의 행동)의 Broadness와 Frequency가 중요. 이 두 가지를 고려한 것이 CC의 최종 값.


3/ Broadness : 얼마나 많은 사람들이 쓰냐

4/ Frequency : 얼마나 자주 쓰냐

우리가 제공하는 서비스는 인터넷 서비스이거나 모바일 서비스이기 때문에 결국 그 오프라인에서의 행위가 얼마나 온라인으로 전환될 수 있느냐. 오프라인 대비 온라인의 비중. 혹은 도달 가능한 한계를 아는 게 굉장히 중요.

• →Online Penetration : 경쟁에서 이기고 더 큰 CC에 도달하기 위해서 기업이 온라인 전환을 가속해야 할 수도 있습니다.

◦전체 트래픽의 40%가 온라인이다. 그럼 이 40%짜리를 내가 다 먹을 수 있냐?

• → Competition Divide Opportunities : 이렇기 때문에 더 빨리 성장하는 게 더 많이 성장하는 데 중요합니다.

◦다 못 먹음. 경쟁자랑 나눠먹음.

• → Maximum CC(total addressable market) : 당신 회사의 벨류에이션의 최댓값

◦경쟁까지 고려했을 때, 내가 어디까지 도달할 수 있는가 이 전체 시퀀스를 봐야 함.

◦그래서 맥스 CC가 도달 가능한 최대의 값 = 이게 회사 기업 가치의 최댓값

• → Current MAU

◦온라인 서비스라면, Frequency는 월 3~4번이 임계점.

◦월 3번이 안 되는 빈도수를 가지고 있는 서비스는 Retention Plateau를 만드는 것이 거의 불가능.

◦그래서 사실은 CC의 측정이 거의 불가능해짐.

◦Frequency가 3, 4번 이하라고 하면 스타트업이 할만한 서비스는 아님.

◦시작하자마자 3번 정도에 도달하는 게 커머스


2.2) Broadness: 신규 수요?

신규 수요를 창출한다? 그럴 수 있지만 그런 일은 쉽게 일어나지 않음. 그런 일을 기대하고 사업을 시작하면 안 됨. 현재 시장에 있는 시장을 전환시킬 생각을 해야 함.  


2.3) Frequncy

한 달에 4번 이상하는 서비스를 공략 필요. 4번 이하인 서비스를 공략하면 성장이 거의 불가능할 수도 있음.

CC에 가장 큰 영향을 주는 것은 어떤 지표들일까?

Carrying Capacity = #Of New Daily Customers / % Customers You Lost Each Day

• Churn: 제일 중요

• Retention: First Month Drop을 얼마나 잃어버리느냐 

• Activation > Acquisition: 이 순서대로 나가야 하는데 많은 기업들이 반대로 일을 함.   


2.4) 참고

1/ Cohort Retention Plateau와 WAU 대비 MAU 비율의 차이가 있을까?

• WAU 대비 MAU 비율 : 특정 액션으로 인해 영향을 받은 것을 구분하기 어려움

• Cohort Retention Plateau : 특정 액션으로 인해 영향을 받은 것을 구분해서 볼 수 있음.


2/ 하고 있는 일이 긍정적인 변화를 주는지 매주 어떻게 알 수 있을까?

7d trailing CC, 30d trailing CC 두 개를 비교 추적하면 매주 나의 행동이 미치는 영향을 이해할 수 있음.

• 7d trailing : 최근 7일간의 값을 모아서 오늘의 값을 측정하는 것.

◦즉, 지난 7일간의 Inflow와 지난 7일간의 Churn

7d trailing만 보지 않는 이유는 꼭 내가 잘해서만이라기보다는 Seasonality 혹은 외부의 변인 등에 대해서도 쉽게 흔들릴 수 있기 때문. 따라서 이런 것들을 잡아내기 위해서는 30d trailing을 길게 보는 것이 중요.


3/ 다음 3가지 차이와 그 효과를 꼭 구분할 것

제품 구조. 제품 구조는 아래 3가지 요소의 곱이 결국 그 제품이 일으키는 임팩트의 총량

• Top Funnel : 총 노출 규모

• Wow Factor : 입소문의 영향

• Recurring Value (Retention) : 입소문과 상관없음 (기업의 가치를 결정)  

* 참고: Wow Factor가 있다고 Recurring Value가 있는 게 아니고, Wow Factor가 없다고 Recurring Value가 없는 게 아님.




6. 토스는 이렇게 성장했습니다


새 아이템을 만들 때마다 항상 들었던 이야기: “근데 그걸 왜 써? 언제 써?”


위 질문에 대해 잘 될 이유를 수백 가지 만들어서 이야기함. 내가 만든 그 이유들에 나까지 속아버림. 잘 될 것이라고 센척하는 것이 강한 것이라 착각했고 모든 질문에 바로 답할 수 있는 것이 잘하는 것이라 착각.  



1) 살고자 하는 자의 생각의 흐름

• 이건 정말 잘 될 거야

• → 잘 될 거니까 이거도 미리 개발하자

• → 잘 될 거니까 광고도 열심히 개발하고 많은 사람들에게 노출시키자

◦숫자가 안 오르는 느낌이 들기 시작

• → 화면 디자인이 잘 안 돼서 그래, 이 부분 설명이 잘 안 돼서 그래

◦디자이너 “아닌 거 같은데” 그러나 소심하게 따라감

• → A 기능이 부족해서 그래, B기능도 구현하면 될 거야

◦개발자 “?” (개발 1달 소요) 의문점이 들지만 그냥 따라감

• → 왜 안되지? 그럴 리 없어 S급 개발자랑 버짓 없는 마케팅 비를 더 넣자

• → 이 모든 과정을 거친 후 처음으로 고객을 만나 이야기를 듣는다. 이게 바로 진실의 순간  



2) 아직도 이번 스프린트가 지표를 바꿀 것이라고 생각을 하시나요?


2.1) 5년 동안 8번 망하면?  

한번 더 망한다고 해서 심리적으로 아무런 타격이 없음. 다음 아이템이 잘 될 거라고 생각하지 않음.


2.2) 바뀐 마인드 셋

처음부터 ‘이거 대박이야, 세상을 바꿀 거야'가 아니라 ‘이거 어차피 안될 거야. 그러니까 핵심만 검증하고 빨리 다음 아이템으로 넘어가자. 안된다는 것만 빨리 확인하고 넘어가자'로 바뀜. 즉 실패를 하는데 걸리는 비용과 시간이 엄청나게 감소  


2.3) 토스 검증을 통해 깨달은 것

1/ 잘될 제품은 예쁘지 않아도, 노출이 적어도 잘 된다는 사실을 절실하게 깨달음.

2/ 핵심 가설 하나만 딱 잘 구현하면 된다.

3/ 핵심 가설을 잘하고 그다음에 다른 기능을 넣었을 때 더 잘되는 거지, 더 잘될 아이템을 지금 때려 박는다고 되는 게 아니다.

4/ 고객 개발, 모델링과 분석이 계획을 만들어 준다. 내가 아니라.

5/ “내가 어떻게 해야 한다, 내가 만든 계획대로 해야 한다”가 아니라 고객들한테 물어봐서 알게 되는 것.

6/ 팀이 생각하는, 팀이 원하는, 내가 원하는 기능을 만들어서 내는 게 아니라, 고객이 원하는 기능을 내보내야 함.    



3) 죽고자 하는 자의 생각의 흐름

• 이것도 안 될 거야

• → 어차피 안 될 거니까 정말 핵심 가설만 개발하자

• → 안될 제품에 괜히 이런저런 기능 개발하지 말자. 디자인 예쁘게 하지 말자. 어차피 버릴 거니까.

• → 안 될 거니까, 잘 된다고 확신하기 전엔 절대로 유저들에겐 알리지 말자. 알려도 최소로.

• → 제품도 변변찮은데 고객을 만나 이야기를 듣는다. 감동의 순간.

◦뭔가 숫자가 잘 나오는 느낌이 들기 시작.

• → 그럴 리 없어. 그래 봤자 여기까지 일거야. 하지만 혹시 모르니 퍼널을 좀 개선해 볼까?

◦디자이너 “뭘 어떻게 설명해야 할지 너무 명확해서 디자인이 편해요"

• → 유저들이 이런 기능을 필요하다고 하네? 그것도 붙여볼까?

◦개발자 “디자이너 설명 없이도 뭘 해야 할지 알겠어요.” (개발에 1주 걸림)

• → 왜 계속 크지? 그럴 리 없어. S급 개발자랑 마케팅비를 더해보자.  



3.1) 메이커들의 반응

메이커들이 개념을 이해하는데 어려워한다면 그 기능은 100% 망한다. 내부 팀원도 이해를 못 하는 기능을 어떻게 외부의 사람들에게 설명하고 팔 수 있나? 그런 기능은 성공할 수 없다.



3.2) 보수적인 마인드

사실 많은 팀이 자신감이 없어서 “우리 잘 될 거야” 하고 센척함. 근데 진짜 자신감이 있으면 부정적일 수 있다. 안될 거라는 겸손이 진짜 강함이라는 것을 알게 됨. 성공을 바라는 팀원들에게도 실패인 게 정상인 환경 자체가 정상임을 알려줌. 부정적인 커뮤니케이션도 서슴지 않을 수 있어야만 성공한다는 것을 깨달음. 빠른 포기와 실패 선언, 유연한 생각이 팀원들에게 최선이라는 것을 알게 됨.  


4) Winning Strategy!

Winning Strategy가 센척하고, 강한 척하고, 성공을 향해서 집요한 집착을 하고, 이게 다일 것 같지만, 하지만 실제로 승리는 겸손함, 자신의 약함을 인정한다는 것에서 온다는 것을 알게 됐음. 성공은 실패가 주는 패배감을 진정으로 두려워하지 않을 때 시작된다. 실패, 사람들의 시선 이런 것들을 두려워하지 않는 그런 용기를 갖게 되면 성공함. 이걸 할 수 있는 사람들에게만 성공이 주어짐.




7. 토스는 되는데 우린 안된다고 생각했다면


1) Carrying Capacity


Q1.1 Carrying Capacity는 현실에 적용하기 어려운 개념이다. 서비스에 바로 적용하기 어렵다. CC 공식 자체는 많은 제약 조건 하에서 동작하는 것이기 때문.


A1.1 1/ 실제로 CC에서 말하는 여러 가지 이야기들, 즉 무엇을 개선하기 위해서 움직여야 하는가를 생각하는 게, 그 생각의 프로세스를 받아들이는 게 가장 중요.


2/ Viral Growth를 이용한 사용자 수의 변화의 경우에는 Affiliation Factor = 1/(1-Viral K)를 고려해야 함. Viral Growth를 하면 MAU와 Inflow가 정비례하기 때문에 MAU의 증가가 C.C의 증가를 일으킴. Viral K가 1을 넘으면 그럼 무한 성장이 가능할 수도 있음. 다만 시간이 지날수록 유저당 Virality는 떨어지게 됨.


3/ Viral K는 Time Decay의 경향이 있음. Time Decay는 굉장히 빠르게 일어남. 토스 측정 기준으로는 처음 이틀 간이 굉장히 빠르게 떨어짐. 측정할 만큼 의미가 있는 바이럴리티의 경우에는 일주일 이내에 끝나는 경우가 대부분. 그래서 가입 일주일이 지난 유저는 롱테일로 바이럴리티에 기여는 하지만, 기여분은 급격히 낮아짐. 그래서 보통 신규 가입 일주일 이내의 고객만이 Viral K에 기여.  


4/ 신규 사용자 수는 기존 사용자 수에 비례하는 게 아니라, 보통의 경우 가입한 지 일주일 이내의 신규 사용자 수에 비례. 그래서 서비스의 크기는 아무리 커져도 Viral K는 올라가지 않는 경우가 훨씬 많음. 그래서 대부분의 경우 신규 사용자 수는 고정. 


5/ Viral K는 NAU에 영향을 주고 이는 Inflow에 영향을 줌 > Inflow가 올라가니까 CC에 영향을 주고 그러면 MAU의 캡이 올라가면서 긍정적인 효과가 있다. 그러나 첫 번째 NAU가 MAU는 아님. Viral K가 있으면 Paid Marketing에 긍정적인 영향을 주지만, CC에 영향을 주지는 않는다. 모든 것을 고려하더라도 CC에 영향을 주는 것은 Inflow와 Churn 밖에 없음.  



2) C.C 이의 있어요 (링크)


Q2.1 ‘시장의 크기'가 정말 중요한 요인이다. 여기서의 시장의 크기는 우리 프로덕트를 사용할만한 사람, 잠재고객이 얼마나 있느냐의 문제. 토스 CC 개념으로 생각하면, 작은 시장인데도 불구하고 큰 CC가 나올 수도 있음. Total Customer 수를 결정하는 데는 시장의 크기가 엄청나게 큰 영향을 미친다. 그래서 스타트업은 큰 시장 (즉, 많은 사람들이 문제를 느끼는 시장)을 공략해야 함.  


A2.1 1/ 시장의 크기가 작다면 애초에 CC 자체가 작게 나올 것. Inflow 조차도 이미 기존의 시장에 영향을 받는 상수. Inflow를 측정하는 시간부터 이미 시장의 크기는 Inflow에 반영이 되어 있는 것. 시장의 크기가 작은 데 CC가 엄청나게 높은 값이 나오는 현상은 나올 수 없음. 그래서 시장의 크기조차도 이미 CC에서 볼 수 있는 것.  


Q2.2 신규 유저수는 계속 변화한다. 상수가 아니다 굉장히 큰 시장을 갖고 있다고 하더라도 매일 들어오는 신규 수가 고정되는 일은 거의 없다. 이게 고정되어 있지 않은데 CC가 기본 체력이라고 말할 수 있을까?


A2.2 1/ 매일 들어오는 신규 유저 수가 변하는 것을 본적이 거의 없다. 실제로 신규 유저수는 거의 대부분의 경우 상수. 또한 MAU에 기반하지도 않기 때문에 상수. Viral K가 지속적으로 유지되는 일도 거의 없기 때문에 대부분의 경우 상수.


2/ 시장의 크기에 상관없이 매일 들어오는 신규 유저 수는 거의 대부분 고정. 절대적인 골든 룰에 대해서 말하는 게 아니라, 대체로 어떻다 정도를 말하는 것.


3/ 토스의 4년 간의 신규 가입자(NAU) 참고. 바이럴 제품이 성공해서 튀는 기간이 있었지만, 이는 소수의 제품으로 인한 일시적인 효과였지 기본적인 Organic Inflow는 거의 유지되고 있었음. 4년 동안 토스의 기능이 20여 개에서 60여 개로 3, 4배 늘었지만, 신규 가입자는 거의 변하지 않았다. 즉, 실제로 대부분의 경우 신규 유저수는 거의 변화가 없음.    


Q2.3 이탈률도 계속 변한다. 상수가 아니다


A2.3 1/ 이탈률이 변하는 경우를 거의 못 봄. 리텐션이 올라가면 이탈률이 내려갈까? 어느 정도는 그렇다. 리텐션이 높다는 것은 이탈할 가능성이 떨어진다는 거니까.


2/ 근데 그렇지 않음. 이탈률과 리텐션은 엄연히 다른 개념이기 때문. 이탈률과 리텐션을 역의 개념으로 보면 오류가 늘어날 수 있음. 리텐션이 올라간다고 이탈률이 낮아지지 않는 경우가 많음. 리텐션이 올라가도 이탈률이 그대로인 경우가 훨씬 많음.


3/ 리텐션은 보통 월 단위로 측정. Churn의 경우는 빠르게 보기 위해서 한 달 단위로 측정하는 경우가 많음. 그러나 실제 이탈률은 한 달 단위로 측정할 수 없음. 서비스를 떠나는 게 이탈이기 때문. 서비스를 떠날 때까지는 좀 기간이 필요. 보통 전체 유저의 95%가 더 이상 돌아오지 않는 시점이 보통 3개월. 보통 이때를 이탈이라고 정의 내리는 게 일반적.


Q2.4 Paid 마케팅의 경우 LTV > CAC면 훌륭한 마케팅 방법이다


A2.4 1/ CAC가 1,000원이라고 가정. Monthly Retention이 50%에 Plateau 하는 제품을 만들었다고 가정. 그러면 천 원에 데리고 온 유저 중에 절반 만이 남음. 절반 유저들의 LTV가 만 원이라고 가정.


2/ 근데 이는 Churn 유저를 고려하지 않은 것. 이탈한 유저 데리고 와도 또 절반이 날아감. 즉 LTV, CAC Ratio가 아무리 맞아도 이탈한 유저들에게 계속 돈을 쓰면 앱 전체의 평균 고객 획득 비용은 계속 올라감.


3/ 실제로 이렇게 작동하지도 않음. 나머지 애들은 첫 CAC 가격인 1,000원에 반응하지도 않음. 좋은 비율이 나오지도 않고, 그래서 LTV를 상회하게 됨. 그래서 Paid Marketing은 지속 가능하지 않음. 결국에 LTV는 올라가게 됨. 이탈한 유저들을 데리고 와도 또 조금만 남기 때문.    



3) 이외 Q&A


Q3.1 C.C라는 개념을 어떻게 처음 접하셨는지?


A3.1 그로스 해킹 공부하다 보니 누가 아주 소심하게 마지막에 CC라는 개념을 적어 놈. 이걸 따라가다 보니 한 블로그에서 이를 잘 정리해 놓음. 거기서 대부분의 개념을 가져옴.


Q3.2 CC가 Inflow는 일정한 반면, Churn은 Capacity에 비례한다고 하는데, 왜 그런지 궁금


A3.2) 실제로는 Inflow도 비율의 결과물. 이 기능으로 데려올 수 있는 유저의 총 규모, 이 중 월 XX%의 결과 값이 Inflow. 오가닉 하게 들어오는 유저 수가 결국 시장 규모.  


Q3.3 아하 모먼트 강의는 주로 서비스나 앱에 적용되는 것 같다. 커머스에서도 적용할 수 있을까? 커머스의 경우, 유저와 이탈한 유저를 제품 구매로 보는 것이 맞을지, 그리고 리텐션 커브에서 20%라는 수치는 커머스에서 다르게 적용되어야 할 것 같다.


A3.3 1/ 커머스를 모바일 제품이라는 관점에서만 본다면, 커머스라고 하더라도 정확히 같은 개념으로 적용되어야 함. 그래서 당연히 아하 모먼트도 커머스에 적용 가능. 서비스 앱과 상관없이 다 적용되는 개념인 경우가 많음.


2/ 커머스의 경우 유저, 이탈 유저 정의 구분은 제품 구매로 보는 게 맞는 것 같다. 많은 커머스 서비스의 리텐션이 20~25% 정도에 머문다. 그래서 커머스가 어렵다. 커머스 사업이 어려운 이유는 한 달 구매 횟수가 3~4번인 경우가 많음.


3/ 한 달에 3번밖에 안 되는 서비스를 플랫폼화 해서 서비스로 만드는 것은 매우 어렵다. 유즈 케이스 빈도, 즉 리텐션의 한계 자체가 20% 밖에 안되기 때문. 리텐션이 20% 밖에 안되면 빌드업하기가 어려움.


4/ 커머스가 리텐션이 낮은 경우, 어떤 무기를 이용해서 리텐션을 높일지 고민해야 함. 예시로 오늘의 집은 커뮤니티, 쿠팡은 로켓배송. 커머스야 말로 아하 모먼트와 리텐션 커브의 수치를 높이기 위해 노력해야 함. 커머스에서 재구매, 재사용을 만드는 게 정말 어려움. 


5/ 리텐션이 낮은 산업분야. 왜 낮냐 빈도가 낮아서. 사람들이 자주 하는 행위가 아닌 서비스일수록 리텐션 커브에서의 먼슬리 리텐션을 높이고, 1명이라도 더 아하 모먼트를 겪게 만들고, 아하 모먼트에서 Wow 하게 만들어서 훅 인이 되어서 계속 그 서비스를 쓰도록 만드는 포인트를 찾아내는 게 정말 중요.  


Q3.4 고관여 제품을 판매하는 이커머스 기업에서는 CC, Viral Growth를 어떻게 정의하고 활용할 수 있을까요? 앱을 설치하고, 지속 사용하는 형태가 아니다 보니 고민이 됨. 보통 페이드 마케팅으로 노출시켜서 최대한 좋은 광고로 좋은 전환율을 이끌어 내려고 하는 편.


A3.4 1/ 고관여 커머스에서는 재사용률을 높이는 것이 너무 어렵기 때문에, 어떻게든 리텐션을 높이는 장치를 찾아야 하는 것. 시장에서 잘 나가는 커머스 기업들은 어떤 형태로든 물건만 팔지 않음. 리텐션을 만드는 장치를 어떻게든 찾아 냄. 그게 아니라면 물건을 팔 때마다 광고를 해야 함.   


Q3.5 “ㅇㅇ 님 아직 받지 않은 혜택이 있어요” 같은 토스 후킹 포인트를 1/ 다크 패턴이 아니고 마케팅 테크닉이라고 믿는 건지 2/ 다크 패턴이라고 인식해서 개선을 고려 중인지 궁금

  

A3.5 1/ 다크 패턴이라고 생각하고, 개선을 실제로도 많이 하고 있음. 단기적으로 좋은 숫자가 아니라, 장기적으로 CC에 좋은 영향을 주는, 신뢰도를 만들 수 있는 경험을 만들기 위해 노력하는 중.


Q3.6 Activation에서 시간 Dimension이 중요하다고 했는데, 바이럴 K 지수의 시간적인 기준은 어떻게 될까요? Time Decayed 되어서 커브를 그리며 낮아지는데 흔히 말하는 대표하는 K값은 어떻게 결정하면 되는지 궁금.


A3.6 1/ 시간적인 기준은 정하면 됨. 나의 제품이 시간 단위로 바이럴이 일어난다 하면 일 단위로 재고, ‘일 단위로 바이럴 루프가 돌아간다' 하면 주 단위로 하면 됨.


2/ 중요한 것은 모든 지표를 같은 시간의 단위로 측정하는 것. 하나의 루프가 시간 단위. 어떤 루프는 한 달이 걸리고, 어떤 루프는 일주일이 걸림.


3/ 모든 서비스의 바이럴 K는 1. 시간을 무한대로 보면 모든 제품은 다 바이럴 그로스를 함. 바이럴 그로스를 만든다는 건, 바이럴 K를 높이는 게 아니라 더 짧은 시간에도 바이럴 K가 올라가게 만든다는 것을 의미. 즉, 한 루프를 돌 때의 시간 단위를 최소화하는 게 Viral K의 핵심. 고정된 시간은 없음. 본인이 정하면 됨.


Q3.7 아하 모먼트를 바꿔야 하는 시기는 언제쯤일까요? 기준이 있을까요?


A3.7 1/ 아하 모먼트를 찾았다면, 아하 모먼트 운동을 통해서 MAU가 높아질 것. 근데 아하 모먼트를 아무리 해도 MAU가 안 높아지는 시기가 나옴. 이때 바꾸면 됨. 시장이 바뀌었거나, 고객이 바뀐 것임.

매거진의 이전글 개발자도 같은 목표를 향해 함께 달리는 구성원입니다
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari