추천(Referral)이란?
오가닉(Organic) 유입의 하나로, 말 그대로 기존 사용자의 추천이나 입소문을 통해 새로운 사용자를 데려오는 것을 의미합니다.
추천을 위한 기능으로 흔히 볼 수 있는 것은 친구 초대 기능입니다. 그리고 동시에 친구초대를 할 때 일정한 보상을 지급하는 식으로 초대 프로그램을 운영합니다.
그럼 보상을 어느 정도 지급해야 좋은 것일까? 당연하게도 고객 획득 비용(CAC)에 따라서 달라집니다.
다른 마케팅 채널보다 저렴한 비용으로 새로운 사용자를 데려올 수 있고 초대를 통해 들어온 사용자들은 진성 유저가 될 가능성이 높다는 점에서 친구 초대는 굉장히 강력하고 중요한 추천 채널이라고 볼 수 있습니다.
친구 초대 플로 설계
친구 초대는 세세한 프로세스와 화면 단위의 사용자 경험이 얼마나 잘 설계됐느냐에 따라 그 효과가 크게 달라집니다.
예를 들어 '친구를 초대하고 25달러의 크레딧을 받으세요' -> '친구에게 25달러의 크레딧을 선물 하세요'라는 문구로 바꾸는 것처럼 어떤 문구와 톤으로 표현하느냐에 따라 친구 초대 성과는 크게 달라질 수 있습니다.
초대맥락
친구 초대의 효과를 극대화하려면 초대하는 맥락을 자연스럽게 잘 구성하거나 혹은 친구 초대 자체에 게임화 요소를 추가하는 것도 있습니다.
예를 들어 카카오 뱅크 모임통장은 소모임 등에서 회비 관리를 쉽게 할 수 있게 만든 통장입니다.해당 통장을 개설한 후 멤버를 초대하는 것은 특별히 보상을 바라고 하는 행동이 아니라 모임 통장을 원래 목적대로 활용하기 위해 자연스럽게 거치는 프로세스입니다.
여기서 어떻게 신규 가입자를 데려올 수 있는 것이냐면 친구를 통해 모임통장에 초대를 받게 되면 처음에 수락하기를 누르게 됩니다. 만약 카카오 뱅크 계좌가 없다면 여기서 카카오 뱅크 개설을 해야 모임 통장에 참여를 할 수 있는 프로세스이기 때문에 많은 이들은 카카오 뱅크의 예/적금 통장을 개설하는 진성고객으로 전환됩니다.(저도 경험을 해봤네요...이게 이 추천과 관련이 있을 줄은....ㅎㅎ)
메시지/보상
보상이 반드시 현금성이어야 하는 것은 아닙니다. 예를 들어 예전에는 드롭박스의 경우 친구 초대에 대한 보상을 추가적인 저장 공간을 제공하는 것으로 설계했었습니다. 당시 해당 보상으로 인해 많은 사용자들의 폭발적인 참여를 이끌어내기도 했습니다.
온보딩 프로세스
우선 온보딩 프로세스란 제품에 성공적으로 적응하고 정착하도록 돕는 체계적이고 계획적인 과정입니다.
그러므로 온보딩 프로세스를 세심하게 설계하면 친구 초대의 효과를 크게 높일 수 있습니다.
바이럴 계수
추천에서 가장 핵심이 되는 지표는 바이럴 계수 입니다. 각 서비스는 바이럴 계수를 통해 추천 엔진이 얼마나 효과적으로 동작하는지 확인할 수 있었습니다.
공식 : 바이럴 계수는 (사용자 수 X 초대 비율 X 인당 초대한 친구 수 X 전환율) / 사용자 수
10000명의 사용자가 있는데, 그 중 20%인 2000명이 인당 평균 5명씩의 친구를 초대한다고 가정하겠습니다.
만약 초대받은 친구의 30%가 신규 회원으로 가입했다면 새롭게 가입한 회원 수는 10000 X 0.2 X 5 X 0.3을 적용하여 3000명이 되고, 바이럴 계수는 3000 / 10000을 하여 0.3이 됩니다.
즉, 바이럴 계수를 높이기 위해서는 세가지 조건이 충족 되어야 합니다.
- 친구 초대와 같은 추천 액션에 참여하는 사용자 비율 높이기
- 한 사람이 평균적으로 초대하는 친구의 수 늘리기
- 초대받은 친구가 가입으로 전환되는 비율 높이기
즉, 친구 초대를 비롯한 바이럴 경로의 효과를 높이려면 위 세가지 조건에 대한 현재 지표를 확인하고, 무엇을 먼저 개선할지를 명확히 정의한 후, 그곳에 집중하는 것이 좋습니다.
이제 추천을 통해 늘어난 사용자가 다음 추천을 시작하는 모집단이 되기 때문에 추천 시스템은 복리의 특성을 갖게 됩니다.
그리고 추천 시스템에 대한 효과를 분석할 때는 바이럴 계수를 구하는 것과 함께 '초대의 주기가 얼마나 빠른가?'를 꼭 고려해야 합니다.
바이럴 계수는 타깃 시장에 대한 포화 정도와 전혀 상관없이 계산되는 수치이기 때문에 시장의 크기나 서비스가 이미 확보한 사용자 규모 등을 종합적으로 고려해야 합니다.
유입된 사용자의 장기적인 경험 수준은 바이럴 계수에 잘 드러나지 않는다는 점도 유의해야 합니다. 즉, 이 말은 우리 서비스의 핵심가치를 잘 경험하고 만족했는지, 지속적으로 남아서 충성 사용자로 전환되는지 등은 바이럴 계수만으로는 체크할 수 없다는 것입니다.
그러므로 유입된 사용자의 전체 활동 주기에 대한 장기적인 관점이 필요하다는 점을 기억해야 합니다.
추천 정리
서비스가 충분히 매력적이지 않은 상태에서는 추천을 위한 기능을 아무리 잘 만들어도 바이럴 루프가 제대로 동작하지 않습니다.
그리고 카테고리에 따라서는 추천이 거의 동작하지 않는 경우도 있습니다. 이 경우에는 너무 지나치게 초대 기능에 집착하지 않는 것이 좋습니다.
예를 들어 데이팅 서비스처럼 자신이 특정 서비스를 사용한다는 사실을 알리고 싶지 않는 경우가 있습니다.
마지막으로 바이럴이 일어날 수 있을 정도로 좋은 제품을 먼저 만들고, 그다음으로 서비스를 주변에 추천할 수 있는 자연스러운 초대 맥락을 기획해야 합니다.
그리고 추천 시스템이 잘 동작하려면 활성화 단계가 제대로 구축돼 있어야 합니다.
참고한 내용은 양승화님의 그로스해킹 책에서 도움을 많이 받았습니다.
이상입니다.
