데이터 그로쓰 모델링 (바이럴 K, 네트워크 이펙트)

이 글은 토스의 이승건 대표이사님의 PO 세션 4번째 파트를 정리한 내용입니다. 1,2,3번째 파트를 보지 않으셨다면 보고 오시는 걸 추천드리며, 요약된 글로 간단한게 집고 넘어가고 싶은 이 글을 참고해주세요.

 

데이터 그로쓰 모델링

 

 

• Skeptics : 서비스 이용에 회의적인 사람들. 그 유저들 중에서 다시 생각이 나거나 다시 여러가지 계기로 서비스를 사용할 수 있는 이유를 찾게 되면 부활하게 된다.(Resurrection)
• Resurrection : 완전히 Churn된 유저, 즉 Dead Pool에서 서비스를 다시 발견하고 쓰게 되는 유저들도 있다.
• DAU : 매일매일 봤을 때에는 이 서비스를 쓰기 위해 다시 돌아오는 유저가 500명. 이 때 DAU는 550명.
• Carrying Capacity : 5000명

Carrying Capacity를 정확하게 모델링하기 위해서는 중요하게 봐야하는 것이 완전 신규(NEW) 유저, 부활(Resurrection) 유저, 이탈(Churn)된 유저이다. 

 

이외에도 돈을 써서 인위적으로 그로스를 만들어내는게 Paid이다.

 

참고로, Viral 그로쓰도 Organic 그로쓰에 들어간다. 개념설명을위해 나눠놓았다. Organic은 Carrying Capacity에 영향을 주고, Organic이 아닌 것은 Carrying Capacity에 영향을 주지 못한다. 

 

 

1. 사용자 유입(Inflow)

 

NEW

서비스가 만든 순간 모든 사물은 그 서비스로 향하는 퍼널이 생기게 된다. 하지만, 그 퍼널을 향한 길이 사막처럼 험난하다면, 사람들에게서 우연히 발견될 순 있어도 많은 사람들에게 발견되기는 쉽지 않다. 그래서 더 많은 사람들이 상시적으로 우리의 서비스를 발견하도록 만드는게 굉장히 중요하다. 그 중 입소문의 영향력은 아주 크다. 

 

Resurrection

그 이후에 Resurrection도 있다. 즉, 한 번 서비스를 사용했다가 이탈을 했는데, 어떠한 이유로 다시 서비스를 찾는 경우이다.

 

이 2가지가 CC에 영향을 준다. 

 

 

 

Referrel (= Viral 그로쓰)

회원이 회원을 추천하는 Referrel과 입소문은 무슨 차이일까? 차이는 Trackable하냐 안하냐의 차이이다. 즉, 측정할 수 있는지 없는지의 차이다. Referrel은 측정할 수 있기 때문에 퍼포먼스 마케팅과 같이 설계할 수 있다. 이것이 바이럴 그로쓰이다. 

 

바이럴 그로쓰가 장착되어있는 서비스는 MAU가 늘어날 수록 inflow가 늘어난다. inflow가 늘어가면, MAU가 늘고, MAU가 늘어나면 inflow가 늘어나기 때문에 결국 CC가 계속 늘어나게 된다. inflow가 MAU에 따라서 계속 비례해서 커지기 때문에 이론적으로는 CC가 무한 성장하게 된다. 

 

Paid Marketing

그 다음이 Paid 마케팅이다. Paid 마케팅을 고려할 때는 Volume, Conv%, Budget(Cost) 이 3가지만 요소만 고려하면 된다. 어떤 채널에서 어떤 예산을 가지고 집행할지 고려할 때 내가 이 채널에서 가지고 있는 Volume이 얼마나 되는지, 그리고 그 광고를 보통 나열했을 때 클릭율이 얼마나 되는지, 그리고 보통 그 광고를 시작할 때 어느 정도의 돈이 드는지 3가지 요소를 통해 평가해서 채널을 결정하면 된다.

 

 

2. 사용자 이탈(Churn)

 

네트워크 이펙트

좀 더 엄밀한 네트워크의 정의는 서비스를 사용하는 유저수의 증가가 서비스 가치의 증가를 불러 일으키는 경우를 말한다. 카카오톡을 예로 들면, 카카오톡에 내 친구가 10명이 있을 때랑 100명이 있을 때의 카카오톡이 나한테 가지는 가치를 한 번 생각해보면 된다. 메세지나 사진을 보내는 등 본질적인 가치는 전혀 바뀐 것이 없는데, 나한테 가지는 의미는 10배가 되는 것이다. 

 

그렇기 때문에 네트워크 이펙트가 근본적으로 있는 서비스는 MAU가 증가할 수록 다시 사용할 이유, 즉 리텐션이 늘어난다. MAU가 증가할수록 이 서비스를 계속 쓸 이유가 늘어난다. 그 얘기는 서비스를 안 쓸 이유인 Churn이 줄어든다는 뜻이다. 즉, 네트워크 이펙트가 잘 다져져있는 서비스는 MAU가 늘면 Churn이 내려간다. 그렇기 때문에 네트워크 이펙트도 역시 CC를 무한 성장할 수 있게 해준다.

 

시간이 갈수록 Churn을 봤을 때, X축이 유저수이고, Y축이 Churn이라고 했을 때, 유저수가 늘어나면 Churn이 급격하게 떨어지는 것(위 그래프) 그렇기 때문에 사실 모든 서비스가 Social해야하고, Viral해야한다. 그래서 소셜 미디어와 커뮤니티 SNS적인 기능이 있으면 Churn Rate가 내려가고, CC가 늘어나는 효과를 가지게 되는 것이다. 

 

이런 효과를 굉장히 잘 이용하는 최근의 핫한 서비스가 '오늘의 집'과 '당근마켓'이다. 당근마켓은 이미 하이퍼로컬이라고 해서 단순한 중고거래 서비스를 많이 벗어났다고 하지만, 초창기 당근마켓은 중고거래 서비스였다. 중고거래 서비스는 자주하는 것이 아니지만, 당근마켓은 커뮤니티 기능, 그리고 대화할 수 있는 그런 기능이 있기 때문에 네트워크 이펙트가 생겼고, 그래서 유저가 늘수록, 안 쓸 이유가 점점 줄어서 저김의 거의 2천만에 달하는 MAU에 달할 수 있었던 것이다.

 

오늘의 집도 마찬가지로, 인테리어 가구를 구매하는 이커머스이지만, 이커머스 구매를 안하더라도 그냥 인테리어 보고 들어가서 구경하고, 이런 커뮤니티 기능이 있으므로써 네트워크 이펙트가 커졌다.  그래서 이러한 효과를 이용해서 서비스의 CC를 늘리는 것도 역시 가능하다. 

 

결국 바이럴 그로쓰와 네트워크 이펙트 둘 다 CC에 되게 긍정적인 영향을 주는 것인데, 바이럴 그로쓰는 신규 유저가 계속 늘어나는 효과를 만들고, 네트워크 이펙트는 늘어난 유저가 절대 나가지 않게 만드는 효과를 각각 준다고 볼 수 있다. 그럼 이 둘 중에서 뭐가 더 좋은걸까? 

 

장단점이 있다. 바이럴 그로쓰만 있는데 리텐션만 있으면, CC를 늘리는데 한계가 있다. 반면 네트워크 이펙트만 있으면 성장하는 속도가 굉장히 더딜 수 있다. 그런데 네트워크 이펙트가 있어서 한 번 들어온 유저는 절대 안나가는데 매달 가입하는 유저수가 너무 작으면 CC까지 도달하는데 100년 걸리는 일도 실제로 생긴다. 그래서 둘 다 있는게 제일 좋다. 

 

부록 : 바이럴 K 보다 중요한 지표, Amplification Factor

 

바이럴 그로쓰

바이럴 그로쓰는 신규 유저가 새로운 유저를 가지고 오는 현상을 말하고, 이게 어느 정도 되는지를 평가하기 위해서 바이럴 K라고 하는 지표를 통해서 신규 유저가 새로운 유저를 몇명이나 데려오는 지를 의미한다. 신규 유저 한명이 새로 데리고 오는 유저가 한 명이면 바이럴 K가 1인 것. 2명이면 2. 그래서 바이럴 K라고 하는 숫자의 특징이 몇가지 있다.

 

1. 시퀀셜 하다. 즉, 연속 적이다. 바이럴 K가 1이면 이론적으로 그 서비스는 무한히 성장한다. 그래서 보통 이것은 고정된 숫자로 표현이 가능하다. 즉, 상수이다. 그래서 미분방적인을 쓸 수 있다. 
2. Time Decayed 경향이 있다. 즉, 그 어떤 유저를 데려온 다음, 그 유저의 바이럴 계수가 처음에 보통 극댓값을 찍고, 시간이 지나면 로그함수나 n차 방정식처럼 감소한다. 그래서 시간이 지날 수록 보통 감소한 커브의 경향이 있다. 그래서 사실은 가입한지 얼마 안된 유저가 바이럴 대부분을 만든다. 

 

그런데 바이럴 K는 대부분의 경우 1이 되지 않는다. 실제로 현실에서는 그러한 일이 일어나지 않는다. 바이럴 K를 측정했을 떄, 0.2가 나왔으면 잘한 것이다. 0.4가 나오면 정말 잘하는 것. 0.7은 엄청난 것이다. 그렇기 때문에 바이럴 K는 우리에게 별로 중요한 값이 아니다. 

 

우리에게 중요한건 Amplification Factor라는 숫자가 중요하다. 이 숫자는 1 / 1 - Viral K로 계산이 된다. 이게 결국 광고로 한명을 데려왔을 때, 이 유저가 1명이 바이럴 K를 이용해서 또 누군가를 데리고 올 텐데, 그러면 내가 페이드로 한 명을 데리고오면, 결과적으로 이게 몇 명을 데리고 온 효과가 되는건지를 계산하는 것이다. 

 

만약 바이럴 K가 0.4면 한 명을 광고로 데려오면, 1.67명을 데리고 오는 효과가 되는 것. 이 수치가 훨씬 중요한 이유는 광고를 떄렸을 때 그것이 일으키는 유저의 들어오는 수가 훨씬적으로 효율적으로 작동하고, 그러면 우리가 인당 광고비를 훨씬 더 과감하게 공격적으로 책정해도 실제로는 그게 두 명의 유저를 데리고 올 수도 있기 때문에 달라지기 때문이다. 

 

그래서 바이럴 K가 0.5만 되도 2명을 데리고 오는 효과를 가지고 올 수 있다. 

 

 

수강을 다 마치고..

PO 세션을 다듣고 나서, 여러가지 생각이 들었다. 토스는 MAU가 1400만에 육박하는 국내 금융앱 중 최강자이다. 그런데, 나는 토스를 사용하지 않는다. 네이버, 카카오, 쿠팡, 배민은 모두 꾸준히 사용하는데 왜 유독 토스만 사용하지 않고 있을까? 

 

참고로 네이버와 카카오의 MAU는 4000만이 넘고, 쿠팡은 3000만이 넘으며, 배달의 민족은 약 2000만 정도 수준이다. 다른 IT최강기업 보다는 토스느 MAU가 떨어지는 편이다. 내 생각엔 토스는 다른 IT대기업에 비해 네트워크 이펙트가 강력하지 않은 것같다. 

 

토스는 창업 초기에 바이럴 그로쓰 시스템을 잘 만들어서 너도나도 친구초대를 했었던 시절이 있었다. 그래서 토스는 이미 전국민이 한 번씩은 다 사용해봤을 앱이다. 그런데, MAU가 1400만이라는 것은 카카오, 네이버, 쿠팡, 배민에 비해서 Churn된 유저의 비율이 크다는 뜻이고, 나는 그 이유가 엑티베이션 퍼널 문제도 있겠지만, 네트워크 이펙트의 영향이 크다고 생각한다.

 

우선 카카오, 네이버는 네트워크 이펙트가 너무 확실하니 넘어가고, 쿠팡을 먼저 봐보자. 쿠팡은 '아하 모먼트'가 로켓배송으로 확실하게 잡혀있다. 엑티베이션 퍼널도 굉장히 간편하게 결제할 수 있게 시스템을 구축해놓았다. '와우' 회원권으로 가족들과 함께 이용을 할 수도 있기 때문에 네트워크 효과가 있다고 볼 수 있다. 또한, 쿠팡의 판매자가 많고, 그렇기 때문에 상품에 대한 후기가 많은 점도 네트워크 효과에 포함시킬 수 있다. 판매자 입장에서는 소비자가 많기 때문에 물건을 홍보하기 더 용이하고, 소비자 입장에서는 판매자가 많기 때문에 더 다양한 물건들을 구입할 수 있다. 

 

배달의 민족도 쿠팡과 비슷한 형태의 네트워크 효과를 가지고 있다고 생각한다. 전국에서 가장 많은 매장이 입점되어있기 때문에 소비자 입장에서는 다양한 음식을 쇼핑하듯이 내가 원하는 음식점을 입맛대로 고를 수 있다. 판매자 입장에서는 소비자가 많이 이용하기 때문에 매장을 홍보하기에 유리하다. 

 

그에 비해 토스는 네트워크 이펙트가 될만한게 뭐가 있을까 생각해보면, 앱태크 기능을 가지고 있는 '친구와 함께 토스 켜고', '만보기' 정도가 되는 것같다. 만약 내 주변의 토스 사용자가 많아질 수록 송금하기가 더 간편해지는 효과가 있다면, 토스를 사용하지 않을 이유가 네트워크 효과로 인해 점점 더 사라지겠지만, 간편 송금은 사실 카카오페이로 하는게 더 편하기 때문에 네트워크 효과를 만들기에 본질적으로 조금 어려움이 있지 않나 싶다.

 

내 생각엔 토스는 금융앱의 최강자인 만큼 많은 사람들의 금융 데이터가 있으니 이를 AI로 학습시켜서 AI가 알아서 적절한 타이밍에 알림을 주면서 자산관리를 해주는 기능이 탑재되고, 게임 처럼 랭킹을 부여하는 시스템과 투자, 적금 등을 한번에 쉽게 관리할 수 있는 기능이 있다면(굳이 다른 앱도 함께 사용할 필요 없게) 네트워크 효과가 훨씬 더 잘 작동할 것같다. 물론 법적으로 이런 시스템이 문제가 되지만 않는다면.. 지금은 뭔가 너무 이것저것 기능이 많아서 뭐가 뭔지 오히려 복잡하고, 본질적인 서비스 이외에는 카카오톡처럼 "더보기" 메뉴에 한꺼번에 집어넣으면 좋을 것같다.