🟥 토스 이승건 대표의 PO세션 '바이럴 성장이란 무엇인가' Q. 질문 : Retention Plateau를 설명하실 때 Y축 (Active)는 이해가 갔는데, X축 (Time)은 기간이 어떻게

🟥 토스 이승건 대표의 PO세션 '바이럴 성장이란 무엇인가' Q. 질문 : Retention Plateau를 설명하실 때 Y축 (Active)는 이해가 갔는데, X축 (Time)은 기간이 어떻게 되는가? 어느기간의 Plateau를 보는게 좋은가? A: Plateau가 생기는 상황을 봐야 함. 이상적으로 보면 가입한 첫번째달에 유저가 100% 어떤 행위를 하고, 그 다음달에 어떤 Drop(제품 가치를 느끼지 못하는 상황)의 형태가 M0 M2 M3가 될때 까지 평평한 고원을 (Plateau) 형성 하게 됨. ✅ 물론 실제로는 계속 좀 떨어지다가 어느 순간 Plateau 형성 그래서 이 평형점을 세 꼭지 정도(~M3,M4)라도 보아야 어느정도 Plateau 형성에 대한 판단 가능 M3, M4정도가 이상적이지만 서비스에 따라 Plateau가 생길 때 까지 봐야 함(6개월 이상 걸릴 수도 있으나 이는 스타트업에게 바람직하지 않음) Q. 질문 : Retention Period가 길어져서 Retention Plateau 측정이 애매해지는 서비스 쪽으로 갈 때는 어떻게 하는가? 이런 제품은 스타트업이 하면 안되는 제품이 많다. 즉 제품 개선 주기가 6개월에서 1년이 들면 급격한 성장 만들어야 하는 스타트업에서는 굉장히 불리하다 ✅ Retention Plateau 측정하기 어려우면 시간을 단축해서 Monthly Retention을 Weekly Retention으로 나누어 보아야 한다 Seasonality가 있다고 하더라도 오류를 감수하고 좀 짧게 본다던지 짧게 봐도 애매하면 기다리는 수 밖에 없다 ✅ 결론 : 어떤 제품의 개선을 했다면, 몇달 후 어떤 변화가 일어나는 지 봐야 한다. ✔ 라플라스의 악마 : 19세기 '라플라스'가 현재 우주 스냅샷을 찍을 수 있다면 무한한 미래 예측 가능하다 모바일이나 인터넷 제품에서 고객이 들어나고 나가는 것들이 엑셀 50줄도 안되는 영역에서 예측가능한 모델로 만들어졌을 수도 있다. 생각보다 모델링이 가능하고 정확하게 예측할 수 있다. ✅ 데이터 그로스 모델링 : (1) Inflow 1) Organic i) new ii) Resurrection/Skeptics 2) Paid 3) Viral (2)Churn 지난 세션 : 들어오는 유저와 나가는 유저의 양에 의해 전체 유저수가 결정된다 아예 새로운 유저 400명이 방문해서 실제 액티브유저가 되는 것은 40명이 되는 퍼널에서 Drop되는 유저의 Skeptic(회의적인) 유저 중에 다시 돌아오면 Skeptic Saved 유저로 부활(5%정도) 완전 데드풀에서 Resurrection되는 유저도 있음(5%) (예 : 50명의 새로운 유저들이 들어오면 DAU 550명이지만 CC 는 5000명. ) ✅ CC 모델링하기 위해서 * 신규유저 * 레저렉션 * 이탈유저 * 페이드유저 (1) Inflow 1) Organic i) new ii) Resurrection/Skeptics 2) Paid 3) Viral -> 사실 오가닉에 들어간다(개념상 설명을 위해 독립) (2)Churn ✅오가닉과 오가닉 아닌 것의 차이는? - 오가닉은 CC에 영향을 주고 - 오가닉이 아닌 것은 CC에 영향 주지 못한다. ✅사용자 유입(Inflow) * Organic : CC에 영향 O ✔1) New : 모든 사물은 우주로부터 그것으로 향하는 퍼널이 필수적으로 존재. '세상으로부터 발견되는 것' ex. Words of Mouth, SEO, Media, Fluke = 돈을 사서 데려온 유저도 아니고 앱웹에 런칭해서 들어오는 신규 유저 (광고X) ✔2)Resurrection : 모든 Churned User는 부활할 수 있다. : 다시 시도하게 되는 순간이 있다. 예 : inflow.com 창립시, 구글 애널리틱스 몇달 보면 가끔 한두명 들어옴. 철학적 개념으로보면 어떤 사물이 존재하면, 나머지 우주로부터 사물을 향하는 어떤 퍼널이 형성된다. 어떤 아무도 모르고 찾아가는 길이 어려움에도 세상으로부터 발견됨 Words of Mouth, SEO, Media, Fluke -> CC에 영향 ✅ 더 많은 사람들이 상시적으로 여러분 서비스를 발견하게 하는 것이 중요함. 그러나 가장 큰 바이럴 효과는 보통 서비스 사용 유저들의 추천이 있을 수록 오가닉 그로스가 생김 ✅Resurrection 은 Churn된 유저가 부활하는 순간(서비스를 사용해야만 하는 여러 또 CC에 영향을 주는 것은 Referral(Viral Growth) ✅Referral : 사용한 유저가 새로운 유저를 초대하는 것, 그러나 일반 유저가 입소문으로 친구를 초대하는 것과의 차이는 'Trackable' Invitation 여부 ✅ Viral Growth MAU - Inflow -> CC 무한 성장 가능 내가 측정할 수 있는 초대와 초대 응함이라면 Refferal, Viral ✅ Referral은 측정할 수 있기 때문에 퍼포먼스 마케팅과 같이 설계/강화할 수 있다 ✅ 유저가 다운받고, 가입하고, 핵심가치 경험하고, 초대하고, 초대한 몇명이 다운로드 하면서 J커브를 그리는 것이 Viral Growth 새롭게 만들어지는 Viral Growth는 기존 유저, MAU로 부터 비롯되어 점점 커지는 형태 ✅ 그래서 Viral Growth 구조가 장착된 서비스는 mau 커질 수록 inflow가 커진다 CC의 무한성장 CC = inflow/Churn ✅ inflow가 MAU에 비례해서 커진다 그래서 Viral Growth는 CC를 무한 성장하게 만든다 ✅ Viral K > 1이면 무한대로 성장 가능 ✅ Paid 마케팅은 CC에 영향 주지 않음 그러나 페이드 마케팅 고려할 때는 Volume, Con%, Budget 혹은 Cost 세가지만 고려하면 됨 ✅페이드 마케팅에서 다음의 세가지 요소로 평가해서 페이드마케팅 채널 결정 (1) 볼륨 : 어떤 채널에서 어떤 예산을 가지고 집행할 지 고려할 때, 이 채널에서 가지고 있으면 볼륨이 얼마나 되는지 (2) 컨버전 : 광고를 나열했을 때 클릭률이 얼마나 되는지, 클릭해서 유저로 전환되는 비율 (3) 어느정도의 돈이 드는지 ✅네트워크 효과 : 사용자간 네트워크 결성되는 효과이기 보다, 서비스를 사용하는 유저수의 증가하면 그 서비스가 나에게 갖는 서비스 가치의 증가를 불러일으키는 경우 ex. 카카오톡 친구 10명 있을 때(90명은 여전히 문자로 해야한다) vs 100명 있을 때(문자 쓸 필요0이기 때문에 카톡의 본질적인 가치인 메시지 전송이나 사진 주고받기는 그대로지만 나에게 주는 가치는 10배) ✅그래서 네트워크 이펙트가 있는 서비스는 MAU가 증가할 수록 Recurring Value (다시 사용할 이유, 리텐션 증가) ✅즉 서비스를 쓰지 않을 이유인 Churn Rate 줄어듦 ✅네트워크 이펙트 서비스는 MAU가 늘면 Churn이 내려간다. 그래서 네트워크 서비스는 CC를 무한성장하게 한다. X축이 유저수, Y축이 Churn이라고 했을 때 유저수가 늘어나면 Churn이 급격하게 떨어진다. 그래서 모든 서비스는 Social하고 Viral해야 한다. ✅그래서 소셜 미디어와 커뮤니티 SNS적인 기능이 있으면 Churn 내려가고 CC가 늘어나는 효과를 갖는다 Ex. 오늘의 집, 당근마켓 당근마켓 : 현재는 하이퍼 로컬이어서 중고 거래 서비스 벗어났지만, 초창기는 중고거래 서비스로 시작 -> 커뮤니티 기능, 대화 기능으로 네트워크 이펙트가 생겨서 안 쓸 이유가 줄어 들어서 2천만 MAU까지 도달 오늘의 집 : 가구 이커머스 구매 하지 않아도 인테리어 구경하는 커뮤니티 기능으로 네트워크 이펙트 커져서 CC 늘어남 ✅Viral Growth는 신규 유저가 늘어나는 효과를 만들고, 네트워크 이펙트는 들어온 유저가 나가지 않는 효과를 준다. Q. 질문 : Viral Growth &네트워크 이펙트 중 무엇이 더 좋은것인가? ✅ 1. Viral Growth가 있는데 리텐션이 없으면 :CC가 보통 주저 앉는다. 이것만으로 MAU 늘리기 어려움 ✅ 2. Network Effect만 있으면 성장 속도가 느릴 수 있다. 한번 들어온 유저는 안나가는데 매달 가입하는 유저수가 너무 작으면CC 도달에 오래 걸림 ✅바이럴 그로스 : 신규 유저가 새로운 유저를 가지고 오는 비율 Viral K라는 지표를 통해서 신규유저가 새로운 유저를 몇명이나 데리고 오는지(1명 데리고 오면 Viral K가 1, 2명 데리고 오면 2) viral k 1. Sequential 하다 : 낙수효과로 영원히 성장 (0.5인 경우, 2명이 1명을 데리고 오는 경우) 2. 고정된 숫자로 표현되는 상수 (중요하지않음) 3. Time Decayed 경향이 Curve로 나타남 어떤 유저 데리고 온 다음에 바이럴 계수가 극대값 찍고 시간이 지나면 n차 방정식처럼 감소하는 커브(가입한지얼마안된 유저가 바이럴을 만드는 경우 많음) Viral K는 대부분의 경우 1이 되지 않음 ex. 0.2 : Good 0.4 : Great, Amazing 0.7 : Outstanding 1이 넘는 경우는 거의 없었다 그래서 Viral K는 중요하지않음. ✅ Amplification Factor가 중요 A.F = 1 / 1- Viral K = 광고로 내가 데리고 온 1명이 다시 누군가를 데리고 왔을 때. (페이드 마케팅의 효과 측정) 그로스해킹 관련 유튜브 속기 : https://www.learnfit.ai/path/mbQLYDgVfu