토스 PO Session 06

 

안녕하세요, 바로 찾아왔죠 *_* 크크 
마지막 토스 PO Session 으로,
해당 내용으로 여러분을 뵙는 것도 마지막이겠네요 :) 

하지만, 지난 번에 말씀드렸듯이 ~!~!
소개해드릴 콘텐츠가 넘치고 있기에 ㅎㅎ 

아쉬움은 뒤로 하고, 
마지막 PO Session 글도 열심히 써보겠습니다 !
(릴리즈 AI 도와줘)

 

---

 

07 토스 리더가 직접 답해드립니다 | PO SESSION Q&A

 

마지막 영상은 Q&A 세션이었는데요,
참여자들이 제기한 질문들에 대해 CC(캐리잉 케파시티)에 대한 이야기가 중심으로 이루어졌습니다.

CC에 대해 도입이 어렵다는 의문을 제기하는 의견이 있었고,
CC에 영향을 주는 인플로우와 churn의 관계에 대해 이야기되었으며,
신규 유저 수의 변화, 페이드 마케팅의 효과, LTV와 CAC 비교에 대해서도 논의되었어요!

이외에도 이탈률과 리텐션의 관계 등 다양한 주제가 다루어졌는데요, 샅샅이 파헤치러 가보시죠 *_*

---

핵심 주제

1. Carrying Capacity와 CC 공식은 많은 제약 조건 아래에서만 동작한다.
이를 해결하기 위해 추천율과 광고 사용자수 등을 고려한 모델을 만들 수 있다.

• Carrying Capacity와 CC 공식은 특정 제약 조건하에서만 올바르게 작동한다.
• 문제를 해결하기 위해 추천율과 광고 사용자수를 고려한 모델을 개발할 수 있다.

2. 신규 사용자 수는 바이럴 케이와 네트워크 효과에 영향을 받아 기존 사용자 수에 비례하지 않는다.

• 신규 사용자 수는 바이럴 케이와 네트워크 효과에 영향을 받는다.
• 인플로우 양과 CC는 직접적으로 연결되어 있다.

3. 바이럴 케이가 인플로우에 영향을 미치지만, CC 영향을 주는 요소는 Inflow와 Churn 두 가지뿐이다.

• 바이럴 케이는 인플로우에 영향을 줄 수 있지만, CC에 영향을 주는 요소는 Inflow와 Churn 두 가지뿐이다.
• 바이럴 케이가 증가하더라도 인플로우의 변화는 일정한 효과를 나타낸다.

 

---

Q&A

Q1. Carrying Capacity와 CC 공식에 대해 이승건 팀 리더가 이야기한 내용은?

Carrying Capacity를 현실에 적용하기 어려운 개념이라는 의견에 마음이 아팠지만, 이를 개선하기 위한 생각과 프로세스를 실행해나가는 것이 중요하다고 생각했어요. CC 공식 자체는 많은 제약 조건 아래에서만 동작한다는 것을 언급하며, 이를 예로 들어 신규 사용자수와 기존 사용자수가 바이럴 그로스에 의해 상호 영향을 미치는 경우를 들었어요. 이를 해결하기 위해 추천율과 광고 사용자수 등을 고려한 모델을 만든다고 했어요.

 

Q2. 바이럴 그로스에서 관찰되는 지표와 그로스 팩터에 대해 설명하세요.

기존 유저수의 크기가 CC에 영향을 주기 때문에 인플로우가 CC에 영향을 주는 현상이 일어나요. 또한, 바이럴 케이 혹은 추천하는 양은 시간이 지나면 유저당 바이럴리티가 떨어져 time decay 현상이 일어나요. 계속 바이럴 케이가 있지만 그 기여분은 급격히 낮아져 신규 유저 수가 가장 높은 것이 영향을 미치게 되어요. MAU(월간 이용자 수)가 높아도 매달 가입하는 사용자 수가 적으면 1000만 MAU의 서비스 보다 100만 MAU지만 신규 유저가 높은 서비스의 바이럴 케이가 더 높아질 수 있어요.

Q3. 바이럴 케이와 네트워크 효과가 CC에 미치는 영향은?

신규 사용자 수는 일주일 이내의 신규 사용자 수에 비례하지 않아요. 크기가 커져도 바이럴 케이가 못 올라가는 경우가 많아요.
하지만 바이럴 케이는 인플로우에 긍정적인 영향을 미쳐 CC도 높일 수 있어요. 네트워크 효과도 유저 수가 많아지면 CC를 높여요. 그리고 CC의 개념을 이해하기 위해서는 PO 세션 2번부터 6번까지 보는 것을 추천합니다.

Q4. 유저 제너레이트 컨텐츠 모델의 인플로우 증대에 대해서 설명해주세요.

바이럴 케이가 페이드 마케팅에 긍정적인 영향을 줄 수 있어요. 하지만, 페이드 마케팅이 CC 증가의 요소가 되는 것은 아니고, CC 영향을 주는 요소는 Inflow와 Churn 두 가지 뿐이에요. 바이럴 케이가 있어도 인플로우가 크게 증가하지는 않아서 언제나 바이럴 케이 대비 인플로우가 일정한 효과를 보여줘요. 제너레이트 컨텐츠 모델은 인프루언서가 가진 인플로우와 마찬가지로 UGC를 일으키는 사용자의 증가로 인해 인플로우를 늘릴 수 있어요. 하지만, 유저 제너레이트 컨텐츠 모델도 인프루언서와 마찬가지로 CC에 영향을 주는 요소는 Inflow와 Churn 뿐이고, 다른 요소는 CC에 변동을 일으키지 않아요.

Q5. 'Carrying capacity 강의, 이의 있어요' 글에 어떤 이의 제기가 있었나요?

블로그 글 'Carrying capacity 강의, 이의 있어요'에 대해 제가 이의가 있음을 밝혔어요. 글에서는 '시장의 크기에 따라 인플로우가 큰 영향을 받는다는 것'이 첫 번째 포인트로 제시되었는데, 저는 'total addressable market'의 크기와 인플로우의 비율인 CC가 관련 있다는 다른 의견을 제시했어요. 그리고 매달 전환이 일어나는데 이는 MAU에도 영향을 주므로 인플로우와 관련이 있다는 사례를 들었답니다. 그래서 작은 시장일수록 인플로우가 큰 영향을 받는다는 이야기만으로는 충분하지 않을 수 있다는 것이 저의 이의 포인트였어요.

Q6. 인플로우와 시장 크기의 관계는?

인플로우의 양은 이미 기존의 시장의 크기에 영향을 받아요. 시장이 작으면 인플로우도 작아지며, 그에 반대로 큰 시장은 인플로우도 크죠. 시장의 크기가 작은데 높은 CC값이 나오는 현상은 수학적으로 불가능해요. 시장의 크기는 이미 인플로우에 반영되어 표현된다고 할 수 있어요. 작은 시장에서 런칭한데 높은 CC값이 나온다면, 시장이 매우 큰 것으로 볼 수 있어요.

Q7. 토스의 신규 유저 추이는?

토스 신규 가입자 대부분은 상수, 경우에 따라 바이럴 케이 발생해요. 신규 유저수는 대부분 일정한 값을 유지하며, 바이럴 케이가 지속되는 경우는 거의 없어요. 첫 달에 입소문이 있었다면 그 영향은 대부분 지속된다는 사실도 있어요. 토스의 신규 유입 유저수 그래프를 보면, 대부분의 경우 월별 신규 가입자 수는 거의 비슷하다는 것을 알 수 있어요. 하지만 가끔 튀는 구간도 있다는 점도 참고할 필요가 있어요. 만약 신규 유저 수가 변하는 제품이 있다면, 언급해주시길 바랍니다.

Q8. 토스의 유저 유입은 왜 늘지 않았을까?

2018년에 토스가 보험 광고로 약 30~40억을 사용하여 바이럴 효과를 봤고, 소수의 제품으로 인한 효과는 일시적이었지만 기본적인 organic inflow는 유지되었어요. 2021년 초반에는 토스 증권으로의 전환과 주식 획득을 위해 유입이 발생했으며, 신규 유저수는 거의 변화가 없었어요. 토스는 4년 동안 20개 정도의 기능을 신규로 런칭하여 현재는 60여 개의 기능을 가지고 있으며, 이로 인해 더 많은 유즈케이스들을 수용할 수 있게 되었어요. 기능의 증가에도 불구하고 유입은 증가하지 않았고, 신규 유저수의 변화 없음을 보여줬어요. 이탈률은 상수가 아니며, 그러나 실제로 변하는 경우를 거의 못 보았으며, 이탈률과 리텐션에 대한 이해가 필요합니다.

Q9. 리텐션과 이탈률의 차이점은?

리텐션은 월 단위로 대부분 측정하고, churn(이탈)의 경우는 일반적으로 한 달 단위로 보는 거예요. 이탈률은 리텐션과는 다르게 일정 기간 후 벗어난 경우를 이탈로 취급해요. 이탈율은 예상보다도 높을 수 있으며, 이탈하는 것을 명시하지 않은 사용자들도 있을 수 있어요. 보통 사용자의 95%가 돌아오지 않는 3개월 이후를 이탈 지점으로 간주하죠. 이탈률과 리텐션은 같은 상황에서만 비교할 때가 많아요.

Q10. 고객획득 비용과 이탈율의 경제적 문제는?

이탈율의 변화에 대해 개념 정리를 진행했는데, 대부분의 경우 이탈율은 변하지 않았을 것으로 예상합니다.

그러나 기능, 브랜드는 좋아졌지만 언급된 고객획득 방법이 비효율적이라는 생각도 나옵니다. 유저 이탈은 추가적인 비용을 필요로 하지만, 이탈한 유저와 지속적으로 서비스를 이용하는 유저를 비교했을 때 LTV 수치에 떨어질 가능성이 높아서, 고객획득 비용과 이탈율의 경제적 문제를 유의해야 합니다. 저자는 유저 확보 비용 이하의 광고비로 고객을 유치하는 것이 경제적으로 유리하다고 생각합니다. 이에 대한 반대 의견도 있습니다.

Q11. 페이드 마케팅이 불가능한 이유는?

LTV(Customer Lifetime Value) CAC(Customer Acquisition Cost) ratio가 맞아도, 이탈한 유저들한테 지속적으로 돈을 쓰는 것은 앱 전체의 고객획득 비용을 계속 올린다요. 마케팅으로 유저를 데려오다 보면 CAC이 LTV를 넘어가는 순간이 오게 되는데, 이때 유저들은 LTV보다 더 많은 돈을 쓰게 된다구요. 이렇게 빈번하게 데려오고 이탈하는 유저들의 광고비용은 누적되기 때문에 이를 지속하는 페이드 마케팅은 불가능하다고 합니다. CC(Carrying Capacity)와 Churn에 대해 공부하면서 CC와 관련된 내용을 정리한 블로그를 참고하여 강의 자료를 만들었습니다.

Q12. 수돗물의 인플로우와 churn에 대한 중요성은?

인플로우는 고정된 값으로 들어오지만, churn은 퍼센트로 나가는 것으로 표현되며, 실제로 비율의 결과물이에요. 토탈 어드레서블 유저베이스는 데려올 수 있는 유저의 총 규모를 나타내는데, 이 기능으로 매력있는 유저는 일정 비율로 전환될 것이죠. 경쟁자와 나눠갈 수 있는 최대치의 CC를 높이는 것이 중요하며, 경쟁자를 제압하거나 업데이트를 먼저하여 경쟁자들이 따라올 수 없게 만들어야 해요. 전체 생태계에서도 일정 퍼센트로 전환될 만한 유저가 있다면, 그 값은 고정값으로 나오지만 함수를 확장하면 퍼센트로 표현될 수도 있답니다.

Q13. 커머스 사업의 어려움과 성공을 위한 방법은?

커머스도 아하 모먼트에 적용 가능하며, 이탈한 유저를 제품 구매를 기준으로 볼 수 있어요. 리텐션의 경우 커머스에서 20% 이하일 수 있으며, 한 달에 구매 횟수가 3~4번인 경우가 많기 때문에 커머스 사업의 어려움이 있어요. 시장 규모를 알기 위해 매일 들어오는 유저 수를 확인해야하고, 커머스 기업들이 성공하기 위해서는 여러가지 방법과 비효율적인 마케팅을 사용한다는 것이죠

Q14. 커머스의 리텐션을 높이기 위한 방법은?

커머스의 리텐션을 높이기 위해서는 커뮤니티를 활성화하거나, 배송을 빠르게 하는 게 좋다고 해요. 커머스 기업들은 주로 배송을 빠르게 하거나, 로직을 개선하여 사용자 재구매율을 높이는 노력을 하고 있어요. 네이버는 검색 순위 및 검색 빈도가 높은 만큼 리텐션을 높이는 데에 다른 전략을 가지고 있군요.  쿠팡의 로켓배송도 리텐션을 높이기 위한 것으로 추측되며, 리텐션이 높으면 유저 유지율이 높아짐에 따라 시간이 지날수록 효율이 더욱 높아지며 돈도 덜 들게 된다는 사실도 알려져 있어요. 하지만 커머스는 재구매와 재사용을 유도하기 어려운 비즈니스로, 기업들은 이런 어려움을 겪고 있다고 합니다.

Q15. 커머스에서 리텐션을 높이는 방법은?

리텐션 커브에선 먼슬리 리텐션을 높이는 포인트를 찾아내는 것이 중요해요. 빈도가 낮은 서비스일수록 더 열심히 리텐션을 높이고, 만족스러운 경험을 제공하여 포인트로 활용하는 전략이 필요해요. 물건을 파는 것 이외로도, 경험을 극대화하는 등의 전략으로 리텐션을 높이는 예시가 존재하며, 페이드 부서 크기만큼 리텐션과 재사용률을 높이는 부서도 늘려보는 것을 권고해요. 다크 패턴같은 것을 방지하고, 사용 경험들을 만들기 위해 노력 중이며, 마케팅 및 바이럴 케이에 대한 이야기도 중요하다고 생각해요.

Q16. 이러스 케이에서 서비스마다 설정하는 시간 단위의 중요성은?

바이럴 케이에서는 시간 단위에 따라 바이러스 루프의 진행상황이 결정돼요. 같은 지표더라도 시간의 단위가 다르면 의미가 달라질 수 있으므로, 서비스가 사용하는 시간 단위를 일관성 있게 설정하는 것이 중요해요. 바이러스 그로스를 높이기 위한 목적으로 바이러스 케이를 설정하는 것이 아니라, 서비스마다 목표로 하는 시간 단위를 설정하는 것이 중요해요. 모든 제품은 시간을 무한대로 보면 바이러스 그로스를 한다는 것이 사실이에요. 즉, 바이러스 그로스를 높이는 것보다 더 짧은 시간 내에 고객을 유치하는 것이 중요해요.

Q17. 바이러스 케이와 레퍼럴 수 정하는 방법에 대해 알려주세요.

서비스 공개 전, 토스 이용앱에 CC가 있어도 사용자 증가를 위해 매우 많은 초대를 진행하면서, 5000만 명의 유저를 모집한 경험이 있어요. 하지만 이제는 시간 프레임을 고려하지 않고 바이러스 케이를 계산하는 방식은 많이 사용되지 않아요. 바이러스 케이 개선의 핵심은 유저 초대 사이클을 줄여 최대한 많은 유저를 모집하는 것이고, 이에 따라 초대 주기는 짧아져요. 레퍼럴 측정 방식은 보통 유저들마다 다른 초대 링크를 준비하거나, 핑거 프린트를 통해 유저 수를 측정해요. 아하 모먼트 운동을 통해 MAU를 증가시키는 데 일찍은 기여했지만, 시장이 변하거나 고객들의 행동이 변할 때 유효하지 않아 변경이 필요해요.

---

 

다음 포스팅은
Trouble Painter와 함께 YAPP APP 회고록으로 돌아올게요 >_<

 

/* 릴리즈 AI의 영상 요약 기능의 '요약' 부분을 인용하여 작성되었습니다. */
추후에는 다시 제 글로서 직접 작성한 내용으로 변경될 예정입니다.