Toss PO SESSION I Carrying Capacity 2탄

들어가기전, 세상의 모든 것을 숫자로 표현하고 예측할 수 있을까?

"라플라스의 악마"라는 저서를 통해 수학자 "라플라스"는 가능하다고 보았다. PO는 이러한 멘탈리티가 필요하다고 생각한다. 고객 행동을 예측하는 것은 매우 어렵고 복잡다난하다고들 생각한다. 하지만 대게는 엑셀을 활용한 간단한 모델링으로도 충분히 예측가능하다. 이러한 확신이 PO에겐 필요하다.

 

데이터 그로스모델링

inflow에서 Organic은 CC에 영향을 미치지만 Paid는 미치지 못한다. Organic은 아래와 같이 구분된다. 

- New : 세상으로부터 발견되는 것(의도하지 않아도 우연히 발견되는 경우, SEO, WOM)
- Resurrection : churn된 유저가 서비스로 복귀하는 것
- Referral : WOM과 다른 점은 트래킹 가능하다는 점. 따라서 PFM처럼 설계하거나 강화가 가능함.
*일명 Viral Growth가 잘 설계된 서비스의 경우, MAU가 늘어날 수록 inflow가 증가함.
*즉, CC의 무한 성장이 가능
*참고로 Paid는 Volume X Conv X Cost 구조로 이루어져 있다.

 

Network Effect(네트워크 효과)

유저 수의 증가가 서비스 가치의 증가로 이어지는 경우를 말함. MAU가 증가할 수록 Recurring Value(계속 사용할 이유)가 늘어나고 즉, churn이 떨어지므로 CC의 무한 성장이 가능.

 

결국, CC를 위해 두가지 모두 중요하다. 왜? inflow(분자)를 늘이거나 churn(분모)을 줄여주기 때문이다.

Viral Growth는 신규 유저가 자연히 증가한다. Network Effect는 이탈이 줄어든다.

 

여기서 Viral Growth이란, 신규 유저가 새로운 유저를 가져오는 비율을 말하며 아래와 같은 특징을 가진다.

1) Sequential하다. 한명이 누군가를 데려오면 그 누군가가 또 누군가를 데려오는 구조이기 때문이다. 2) 고정된 숫자로 표현이 가능하다. 3) Time Decayed 경향이 있어 Curve로 나타난다. 시간이 흐를 수록 한계 체감 그래프 형태를 띈다. 3) Viral K는 대부분 1이 되지 않는다. 0.4 정도만 되어도 꽤 좋은 Viral Growth를 설계했다고 볼 수 있다.