그로스 해킹, 어디까지 해봤니? #5: Viral Loop

Posted on May 5, 2016June 13, 2016 by Andrew

그로스를 소개하면서 반드시 짚고 넘어갈 것이 있는데 (…라고 하면서 다섯 번째 글에서야 언급함;), 바로 viral loop (바이럴 룹) 이다. Viral이라는 바이러스와 관련된 단어가 암시하듯이 의학계에서 차용한 용어로, 바이러스가 사람들에게 빠른 속도로 전염 되듯이 기존 사용자(=숙주)를 이용하여 새로운 사용자를 빠르게 모으는(=감염) 기법을 지칭한다.

Viral loop이 중요한 이유는 폭발적인 유기적인 성장을 (organic growth) 이룰 수 있는 기법이기 때문이다. 한 사용자가 두 명의 사용자를 끌어 모으고, 그 두 명의 사용자가 또 두 명의 사용자를 끌어오고… 이런식으로 계속해서 이어나가면 기하급수적인 성장을 이를 수 있는 것이다 (나쁘게 이야기하면 피라미드식 사용자 모집). 이런 강력한 기법이 있다면 왜 모두가 사용하고 있지 않을까? 또 이런 viral loop은 어떻게 접근해야 할까? 잘 하는 회사는?

Viral Loop이 ‘먹히는지’ 어떻게 알아요?

Viral Loop의 구조는 생각보다 간단하다. 시존 사용자가 있으면 그 사용자가 몇 명의 새로운 사람들을 초대하고, 그 중 일부가 응하는 것이 한 Viral Loop의 한 단위이다. 초대에 응한 사람들은 다음 번에 기존의 사용자가 되고 위의 과정을 되풀이 한다. 이 과정에서 생기는 성장률을 간단한 수식으로 표현할 수 있는데 다음과 같다. 이 성장률을 바이럴 상수 (viral coefficient)라고 부르고, 보통 k 혹은 k-factor라고 표기한다.

k = i × c

i = 초대하는 사람 수 (바이러스에 노출됨)
c = 초대에 응하는 확률 (바이러스에 감염됨)

예를 들어 한 사용자가 10명을 초대하고 그 중 2명이 초대에 응했다면 10 × 20% = 2 인 것이다. k = 1 인 경우엔 선형으로 사용자 수를 늘리는 경우이며, k > 1 이면 기하급수적, k < 1 인 경우에는 반 지수함수 식으로 사용자가 늘어남을 예측할 수 있다. k 를 1 이상으로 유지하는 것이 viral loop의 궁극적 목표이다.

k-factor graph — k 값에 따라 성장 곡선이 다르게 그려진다. (참고: 기존 사용자는 한번만 초대할 수 있다는 것을 가정한다.)

Viral loop을 잘 하기 위한 조건?

위의 수식에서 알 수 있듯이 k를 최대한 키우려면 i, c 두 변수에 커다란 숫자를 넣을 수 있어야 한다. 이것이 전제되지 않는다면 viral loop을 만들기가 쉽지 않다 (예: 커플만을 위한 앱).

i (초대하는 사람 수)

이메일 / 스마트폰 주소록에 있는 사람들을 초대한다 (= address book import). 한명씩 일일히 초대하는 것 보다 i 변수에 수십 배, 수백 배로 기여하는 역할을 한다.
영향력 있는 사람들의 ‘멘션’을 노린다 (예를 들어 팔로어가 백만 명인 사람이 트윗 한번 날려주면 링크를 클릭하게 되는 사람이 상당히 많을 것이다)

c (초대에 응하는 확률)

네트워크 효과(network effect)가 있는 제품: 사람들이 더 많이 모일수록 서비스의 가치가 증가하는 구조를 이용한다. 페이스북, 링크드인, 카카오톡 등 SNS 및 메신저 앱들이 이런 네트워크 효과를 잘 활용할 수 있다. (‘네 친구들 다 있는데, 이제 너만 오면 돼. 빨리 드루와~’)
보상 제도 (incentives): 초대에 응하면 할인, 쿠폰, 업그레이드 등의 보상으로 초대에 응하는 댓가를 제시한다.
희소성의 법칙을 활용: ‘특별한 경험’으로 초대된 것 같은 느낌을 주어, 이번에 가입하지 못하면 언제 가입하지 못할지도 모르는 불안감을 이용하여 초대에 응하는 확률을 높이다.