[그로스 해킹] AARRR (5) 추천 (Referral)

1) 추천의 기본 개념
- 추천은 오가닉 유입의 하나로, 기존 사용자의 추천이나 입소문을 통해 새로운 사용자를 데려오는 것을 의미함
- AARRR에서 말하는 추천이란 '서비스 내에 입소문을 통한 선순환 구조를 어떻게 구축할 것인가'라는 구조적 문제에 더 가까움
- 일반적으로 친구 초대에 대한 보상은 고객 획득 비용(CAC)에 따라 달라지며, 일반적으로 유로 마케팅 채널을 활용한 고객 획득 비용의 50 ~ 70% 수준에서 결정되는 경우가 많음

2) 친구 초대 플로 설계
- 서비스마다 친구 초대를 유도하는 시점, 친구 초대에 대한 보상, 친구 초대를 하는 맥락, 친구 초대 핵심 메시지 등 친구 초대 기능에 대한 로직 설계는 천차만별이며 그에 따른 효과도 편차가 매우 큼
- 초대 맥락: 친구 초대의 효과를 극대화하려면 초대 맥락을 자연스럽게 구성하거나 혹은 게임화 요소를 추가하는 것을 고려할 수 있음 (ex: 카카오뱅크의 모임 통장)
- 메시지/보상: 보상은 쿠폰, 적립금, 포인트, 기프티콘 등 다양한 형태로 제공할 수 있으나 경우에 따라 서비스에 대한 업그레이드 혜택을 주는 것도 좋은 보상이 됨. 
- 온보딩 프로세스: 초대받은 친구가 메시지를 수신하고 앱을 설치하고 회원가입을 하는 온보딩 프로세스를 세심하게 설계하면 친구 초대의 효과를 크게 높일 수 있음

3) 바이럴 계수 (Viral Coefficient)
- 바이럴 계수 = (사용자 수 * 초대 비율 * 인당 초대한 친구 수 * 전환율) / 사용자 수
- 바이럴 계수를 높이기 위해서는 다음과 같은 조건이 충족되어야 함
▷ 추천 액션에 참여하는 사용자 비율 높이기
▷ 한 사람이 평균적으로 초대하는 친구 수 늘리기
▷ 초대받은 친구가 가입으로 전환되는 비율 높이기
- 즉, 친구 초대를 비롯한 바이럴 경로의 효과를 높이려면 위 세 가지 조건에 대한 현재 지표를 확인하고, 무엇을 먼저 개선할지를 명확히 정의한 후 그곳에 집중하는 게 좋음
- 이론적으로는 바이럴 계수가 1을 넘어가면 추천을 통한 신규 사용자가 기하급수적으로 증가함. 추천을 통해 늘어난 사용자가 다음 추천을 시작하는 모집단이 되므로 복리의 특성을 갖게 됨
- 추천 시스템에 대한 효과를 분석할 때는 '초대의 주기가 얼마나 빠른가'를 꼭 고려해야 함. 초대 주기를 빠르게 만들어서 같은 기간에 더 많은 사이클을 돌릴 수 있다면 추천 효과를 극대화할 수 있을 것.
- 또한 목표 시장에서의 포화도 수준을 고려할 필요가 있음. 바이럴 계수는 티깃 시장에 대한 포화 정도와 전혀 상관없이 계산되는 수치이므로 시장 크기나 서비스가 이미 확보한 사용자 규모 등을 종합적으로 고려해야 함
- 바이럴 계수만으로는 초대받은 사람이 우리 서비스의 핵심 가치를 잘 경험하고 만족했는지, 지속적으로 남아서 충성 사용자로 전환되는지 등은 확인할 수 없음. 따라서 추천을 통해 유입된 사용자의 전체 활동 주기에 대한 장기적인 관점이 필요함.

4) 추천 정리
- 추천 시스템이 잘 동작하려면 기본적으로 서비스의 완성도가 높아야 함. 우선은 바이럴이 일어날 수 있을 정도로 좋은 제품을 먼저 만들고, 그 다음에 서비스를 주변에 추천할 수 있는 자연스러운 초대 맥락을 기획해야 함
- 특히 카테고리에 따라서 추천이 거의 동작하지 않는 경우도 있으니 이 경우에는 너무 지나치게 초대 기능에 집착하지 않는 것이 좋음 (ex: 데이팅 서비스)
- 추천과 관련된 사용 플로는 필수적으로 신규 사용자 경험과 연계된다는 점을 고려해야 함. 따라서 활성화 단계가 잘 구축되어 있어야 함. 

참고 서적: 그로스 해킹 (양승화)