토스 리더가 설명하는 바이럴 성장, 네트워크 효과, Carrying Capacity

토스 이승건 리더의 PO SESSION 내용을 바탕으로, Retention → Carrying Capacity → Viral Growth → Network Effect가 어떻게 하나의 성장 모델로 연결되는지 중심으로 정리했다.

이 강연의 핵심 메시지는 단순하다.

서비스의 성장은 유입을 늘리는 것만으로 결정되지 않는다. **들어오는 사람(Inflow)**과 **나가는 사람(Churn)**의 균형이 서비스의 규모를 만들며, Viral Growth와 Network Effect는 이 균형 자체를 바꾸는 강력한 수단이다.

1. Retention Plateau는 언제 확인해야 하는가

먼저 지난 세션에서 나온 Retention 관련 질문에 답한다.

Plateau는 몇 개월까지 봐야 하나

Retention은 이상적으로 가입 직후 빠르게 하락한 뒤 M2~M3 정도부터 평평한 Plateau를 만드는 형태가 좋다. 하지만 실제 서비스에서는 한동안 계속 하락하다가 뒤늦게 안정되는 경우가 많다.

따라서 특정 기간을 기계적으로 정하기보다 실제로 Plateau가 만들어질 때까지 관찰해야 한다.

M3~M4 정도에 안정화된다면 좋은 편이다.
Plateau라고 판단하려면 평평한 구간을 몇 개의 시점에 걸쳐 확인하는 것이 좋다.
현실에서는 안정적인 Retention Plateau를 확인하는 데 6개월 이상 걸리는 경우도 많다.

Retention 주기가 너무 긴 서비스라면

제품의 본질적인 사용 주기가 길어서 Retention을 확인하는 데 6개월~1년이 걸린다면 스타트업에게 불리할 수 있다. 제품 개선의 결과를 확인하는 피드백 루프가 지나치게 길어지기 때문이다.

가능하다면 관측 단위를 줄여야 한다.

Monthly Retention 대신 Weekly Retention을 본다.
Seasonality에 따른 오차를 감수하더라도 더 짧은 단위로 관찰한다.
그래도 판단이 불가능하다면 결국 충분한 기간을 기다려야 한다.

스타트업에서 중요한 것은 단순히 Retention 수치가 아니라, 제품을 바꾸고 그 결과를 빠르게 학습할 수 있는 주기다.

2. 사업을 숫자로 모델링하려는 태도

강연에서는 라플라스의 악마를 예로 들며 PO에게 필요한 사고방식을 설명한다.

현실의 서비스는 고객이 들어오고 나가며 수많은 변수가 얽혀 있어 매우 복잡해 보인다. 하지만 실제로는 몇 개의 핵심 변수만 잘 정의해도 상당 부분을 모델링할 수 있다는 관점이다.

즉,

지금 보이는 하나의 지표만 보지 말고,
그 지표가 전체 시스템 안에서 무엇과 연결되는지 보고,
가능한 한 수식과 모델로 미래를 예측해보라는 것이다.

서비스의 일별 Inflow나 Outflow는 전체 성장 모델의 일부일 뿐이다. 이 변수들이 장기적으로 사용자 수와 Carrying Capacity를 어떻게 바꾸는지를 이해해야 더 큰 통찰을 얻을 수 있다.

3. 성장의 기본 구조: Inflow와 Churn

서비스의 사용자 수는 기본적으로 들어오는 사용자와 나가는 사용자에 의해 결정된다.

강연에서는 유저의 흐름을 다음처럼 세분화한다.

들어오는 사용자

New
광고가 아니라 자연스럽게 새로 들어온 사용자
Resurrection
과거에 이탈했지만 다시 서비스를 사용하기 시작한 사용자
Paid
광고비를 지불해 획득한 사용자
Referral / Viral Growth
기존 사용자가 새로운 사용자를 초대한 결과 들어온 사용자

나가는 사용자

가입 과정이나 퍼널에서 이탈한 사용자
제품의 가치를 느끼지 못해 사용을 멈춘 사용자
활성 사용자였다가 Churn된 사용자

이 흐름이 균형을 이루면 전체 사용자 수는 일정한 수준에서 정체된다. 이 평형 수준을 강연에서는 **Carrying Capacity(CC)**로 설명한다.

개념적으로는 다음과 같다.

Carrying Capacity ≈ Inflow / Churn

따라서 장기적인 서비스 규모를 키우려면 두 가지 방법이 있다.

Inflow를 키운다.
Churn을 낮춘다.

이후 등장하는 Viral Growth와 Network Effect는 각각 이 두 축을 강하게 개선하는 메커니즘이다.

4. Organic Growth가 중요한 이유

강연에서는 Organic과 Paid를 Carrying Capacity 관점에서 구분한다.

Paid Growth

돈을 써서 사용자를 데려오는 방식이다. 광고를 중단하면 유입 역시 줄어들기 때문에, 그 자체로 서비스의 자연적인 Carrying Capacity를 높이지는 못한다고 설명한다.

Paid Marketing을 평가할 때는 주로 다음 요소를 본다.

Volume: 해당 채널에서 확보 가능한 전체 유입 규모
Conversion: 노출·클릭 이후 실제 사용자로 전환되는 비율
Budget / Cost: 사용자 확보를 위해 필요한 비용

Organic Growth

광고비를 직접 쓰지 않았는데도 서비스가 세상에 존재한다는 이유만으로 새로운 사용자가 발견하고 들어오는 현상이다.

예를 들어 새로 만든 웹사이트나 앱을 아무도 홍보하지 않았는데도 시간이 지나면 가끔 새로운 방문자가 생긴다. 그 경로는 다양하다.

검색과 SEO
미디어 노출
SNS나 블로그
친구의 이야기
우연한 발견
Word of Mouth

강연의 표현을 빌리면, 어떤 서비스가 세상에 존재하는 순간 그 서비스를 향하는 수많은 발견의 경로와 퍼널이 생긴다.

따라서 제품이 더 쉽게 발견되고 더 자주 언급될수록 Organic Inflow가 커지고, 결과적으로 Carrying Capacity도 높아진다.

5. Word of Mouth와 Referral의 차이

둘 다 사용자가 다른 사용자에게 서비스를 퍼뜨리는 현상이지만 강연에서는 명확하게 구분한다.

Word of Mouth

사람들이 서비스에 대해 이야기하면서 자연스럽게 입소문이 퍼지는 현상이다.

하지만 어떤 사용자가 누구에게 소개했고, 그 소개가 실제 가입으로 이어졌는지를 정확히 추적하기 어렵다.

Referral / Viral Growth

기존 사용자가 새로운 사용자를 추적 가능한 방식으로 초대하는 구조다.

핵심 차이는 Trackable 여부다.

Referral은 다음 흐름을 측정할 수 있다.

사용자가 초대한다.
상대가 초대에 응한다.
다운로드 또는 가입한다.
핵심 가치를 경험한다.
다시 다른 사용자를 초대한다.

이 과정은 수치로 측정할 수 있기 때문에 퍼포먼스 마케팅처럼 설계하고 최적화할 수 있다.

이렇게 측정 가능한 추천 루프를 제품 안에 만드는 것이 Viral Growth다.

6. Viral Growth가 Carrying Capacity를 바꾸는 방식

일반적인 Organic Inflow가 일정한 수준으로 유지된다면 서비스는 언젠가 Churn과 균형을 이루며 Carrying Capacity에 도달한다.

하지만 Viral Growth가 작동하면 구조가 달라진다.

기존 사용자가 새로운 사용자를 초대하기 때문에,

MAU 증가 → 초대 증가 → 신규 유입 증가 → MAU 증가

라는 자기강화 루프가 만들어진다.

즉, 기존 사용자 규모가 커질수록 Inflow도 함께 증가한다.

일반적인 성장 모델에서는 Inflow가 고정되어 있지만 Viral Growth가 있는 서비스에서는 Inflow 자체가 MAU에 비례해 커질 수 있다.

강연에서는 이것을 Carrying Capacity를 사실상 계속 확장할 수 있는 구조로 설명한다.

7. Viral K: 한 명의 사용자가 몇 명을 더 데려오는가

Viral Growth의 대표적인 지표가 Viral K 또는 Viral Factor다.

의미는 간단하다.

사용자 한 명이 평균적으로 몇 명의 신규 사용자를 추가로 만들어내는가?

예를 들어,

Viral K = 1 → 한 명이 평균 한 명을 추가로 데려온다.
Viral K = 0.5 → 두 명의 사용자가 평균 한 명을 추가로 데려오는 수준이다.
Viral K = 2 → 한 명이 평균 두 명을 데려온다.

Viral Growth는 한 번의 추천으로 끝나지 않는다.

새로 들어온 사람 역시 다시 다른 사람을 데려오기 때문에 효과가 Sequential하게 이어진다.

예를 들어 Viral K가 0.5라면 신규 유입의 다음 세대는 대략 다음처럼 줄어든다.

1세대: 0.5
2세대: 0.25
3세대: 0.125
이후 계속 감소

그래서 K가 1보다 작더라도 초기 유입이 후속 유입을 계속 만들어낸다.

8. Viral K는 시간이 지나면서 약해진다

바이럴 효과는 모든 사용자가 동일하게 만드는 것이 아니다.

강연에서는 사용자의 Viral 효과가 보통 가입 직후 가장 강하고 시간이 지날수록 감소하는 Time Decay 특성을 가진다고 설명한다.

즉,

최근 가입한 사용자가 추천을 가장 많이 만들고,
시간이 지난 기존 사용자는 추천 행동이 줄어들며,
전체 Viral Growth의 상당 부분은 신규 가입자 근처에서 발생한다.

따라서 Viral Loop를 설계할 때는 단순히 전체 MAU에게 초대를 요청하기보다, 핵심 가치를 경험한 직후처럼 추천 의지가 가장 높은 순간이 중요하다.

9. Viral K가 1을 넘지 않아도 충분히 강력하다

이론적으로 Viral K가 1 이상이면 바이럴 루프만으로 지속적인 성장이 가능하다.

하지만 강연에서는 현실에서 Viral K가 1을 넘는 경우는 거의 없다고 강조한다.

제시된 감각적인 기준은 다음과 같다.

0.2: 상당히 잘하는 수준
0.4: 매우 잘하는 수준
0.7: 압도적으로 뛰어난 수준
1 이상: 현실에서 거의 보기 어려운 수준

따라서 실무에서는 “K를 1 이상으로 만들 수 있는가?”보다, 현재 K가 다른 유입 채널의 효율을 얼마나 증폭시키는지를 보는 편이 더 중요하다.

여기서 등장하는 개념이 Amplification Factor다.

10. Amplification Factor가 더 중요한 이유

Amplification Factor는 한 명의 초기 사용자가 바이럴 루프를 거쳐 최종적으로 몇 명의 사용자 효과를 만들어내는지를 나타낸다.

강연에서 사용한 식은 다음과 같다.

Amplification Factor = 1 / (1 - Viral K)

예시

Viral K가 0이라면:

1 / (1 - 0) = 1

광고로 한 명을 데려오면 최종 효과도 한 명이다.

Viral K가 0.4라면:

1 / (1 - 0.4) ≈ 1.67

즉 Paid Marketing으로 한 명을 획득했지만, 그 사용자가 만든 후속 추천까지 합치면 결과적으로 약 1.67명을 획득한 것과 같은 효과가 난다.

Viral K가 0.5라면:

1 / (1 - 0.5) = 2

Paid로 한 명을 데려왔지만 최종적으로는 두 명을 데려온 것과 같은 효과가 된다.

이 관점이 중요한 이유는 Viral Growth와 Paid Growth가 서로 독립적이지 않기 때문이다.

제품에 바이럴 구조가 잘 설계되어 있으면 같은 광고비로 더 많은 사용자를 얻는다. 따라서 사용자 한 명을 데려오는 데 지불할 수 있는 광고비 자체도 더 공격적으로 책정할 수 있다.

결국 Viral Growth는 단순한 무료 유입 채널이 아니라 모든 Acquisition Channel의 효율을 증폭시키는 장치로 볼 수 있다.

11. Network Effect는 Viral Growth와 다르다

Viral Growth와 Network Effect는 자주 혼동되지만 작동하는 지점이 다르다.

Viral Growth

기존 사용자가 신규 사용자를 데려온다.

→ Inflow를 증가시킨다.

Network Effect

사용자 수가 많아질수록 서비스 자체의 가치가 커진다.

→ 사용자가 서비스를 떠날 이유가 줄어든다.

→ Retention이 높아지고 Churn이 낮아진다.

즉 두 메커니즘은 Carrying Capacity의 서로 다른 축을 개선한다.

Viral Growth → 분자를 키운다: Inflow ↑
Network Effect → 분모를 줄인다: Churn ↓

둘 모두 Carrying Capacity를 크게 확장시킬 수 있다.

12. Network Effect의 정의

Network Effect는 단순히 서비스 안에 친구 관계나 커뮤니티 기능이 있다는 뜻이 아니다.

더 엄밀한 정의는 다음과 같다.

서비스를 사용하는 사용자 수가 증가할수록, 개별 사용자가 느끼는 서비스의 가치도 증가하는 현상

강연에서는 카카오톡을 예로 든다.

내 지인 100명 중 10명만 카카오톡을 사용한다면 나머지 90명과는 다른 통신 수단을 써야 한다. 하지만 100명이 모두 카카오톡을 사용한다면 메시지, 사진 공유 등 제품의 기능 자체는 그대로여도 나에게 제공하는 실질적 가치는 훨씬 커진다.

즉 기능이 좋아진 것이 아니라 네트워크가 커졌기 때문에 제품 가치가 높아진 것이다.

이런 서비스에서는 사용자가 많아질수록 계속 사용할 이유가 커지고 Churn이 낮아진다.

MAU 증가 → 서비스 가치 증가 → Retention 증가 → Churn 감소 → Carrying Capacity 증가

라는 구조가 만들어진다.

13. 커뮤니티와 소셜 기능이 중요한 이유

강연에서는 모든 서비스가 가능한 한 Social하고 Viral한 구조를 고민해야 한다고 주장한다.

예로 언급된 서비스는 당근마켓과 오늘의집이다.

당근마켓

초기에는 중고거래 중심 서비스였지만 거래 자체는 매일 발생하는 행동이 아니다. 여기에 지역 커뮤니티와 대화 기능이 더해지면서 사용자가 서비스를 다시 방문할 이유가 많아졌다.

사용자가 늘어날수록 콘텐츠와 상호작용이 늘고, 이것이 다시 서비스의 가치를 높이는 네트워크 효과를 만든다는 해석이다.

오늘의집

가구나 인테리어 상품을 구매하지 않는 날에도 인테리어 사진과 콘텐츠를 구경하러 들어올 수 있다. 커뮤니티와 콘텐츠가 단순한 이커머스 거래 빈도의 한계를 보완하고, 재방문 이유를 만든다.

두 사례 모두 원래 제품의 거래 주기보다 더 자주 사용하게 만드는 사회적·콘텐츠적 이유를 추가함으로써 Retention과 Carrying Capacity를 높이는 구조로 설명된다.

14. Viral Growth와 Network Effect, 무엇이 더 중요한가

둘 중 하나만 좋다고 보기는 어렵다.

Viral Growth만 강한 경우

신규 사용자는 계속 들어오지만 Retention이 낮으면 들어온 만큼 빠르게 빠져나간다.

Inflow는 크다.
Churn도 크다.
MAU가 기대만큼 쌓이지 않을 수 있다.

Network Effect만 강한 경우

한 번 들어온 사용자는 잘 남지만 신규 가입자가 너무 적으면 성장 속도가 느리다.

Churn은 낮다.
Inflow가 작다.
높은 Carrying Capacity까지 도달하는 데 지나치게 오래 걸릴 수 있다.

가장 강한 구조

둘이 동시에 존재하는 경우다.

Viral Growth → 신규 사용자를 빠르게 끌어오고
Network Effect → 들어온 사용자를 오래 남게 한다.

결과적으로 서비스는 성장 속도와 장기 Retention을 동시에 얻을 수 있다.

15. 전체 성장 모델을 한 장으로 정리하면

서비스의 성장 구조를 다음처럼 볼 수 있다.

기본 모델

사용자 규모 ≈ Inflow와 Churn의 균형

Carrying Capacity ≈ Inflow / Churn

Carrying Capacity를 높이는 방법

1. Organic New 증가

검색
SEO
미디어
Word of Mouth
자연 발견

→ Inflow 증가

2. Resurrection 증가

이탈했던 사용자가 다시 서비스를 찾을 이유와 Occasion을 만든다.

→ Inflow 증가

3. Viral Growth / Referral 강화

기존 사용자가 신규 사용자를 직접 데려오는 루프를 만든다.

→ Inflow 증가
→ MAU가 커질수록 Inflow도 함께 커질 수 있음

4. Network Effect 강화

사용자가 많을수록 서비스 가치가 커지는 구조를 만든다.

→ Retention 증가
→ Churn 감소

5. Paid Marketing

직접적으로 자연적인 Carrying Capacity를 바꾸는 수단이라기보다 외부 자본으로 유입을 추가하는 방식이다.

다만 제품에 Viral Growth가 있다면 Paid 유입이 다시 추가 유입을 발생시키므로 Paid 효율 역시 크게 좋아질 수 있다.

16. 제품을 볼 때 던져야 할 질문

이 강연의 내용을 실제 제품 분석에 적용하면 다음 질문들로 압축할 수 있다.

Retention

Retention Plateau가 실제로 형성되는가?
제품 개선 후 결과를 확인하는 학습 주기가 너무 길지는 않은가?
더 짧은 기간의 Retention 지표로 대체해 볼 수 있는가?

Organic Growth

광고하지 않아도 사용자가 우리를 발견하는 경로는 무엇인가?
검색, 콘텐츠, 미디어, 입소문 중 어떤 경로가 가장 큰가?
사람들이 제품을 더 쉽게 발견하도록 만들 방법은 무엇인가?

Resurrection

이탈한 사용자가 다시 돌아오는 Occasion은 무엇인가?
제품이 다시 생각나게 만드는 계기는 무엇인가?

Viral Growth

기존 사용자가 새로운 사용자를 초대할 이유가 있는가?
초대 → 가입 → 핵심 가치 경험 → 재초대 과정 전체가 측정 가능한가?
어느 순간의 사용자가 가장 강한 바이럴 행동을 보이는가?
Viral K는 얼마인가?
그 결과 Amplification Factor는 얼마인가?

Network Effect

사용자가 늘수록 개별 사용자의 제품 가치가 실제로 높아지는가?
사용자가 많아지면 Retention이 올라가거나 Churn이 내려가는가?
커뮤니티·콘텐츠·상호작용을 통해 사용 빈도를 높일 수 있는가?

Paid Growth

광고 채널의 Volume은 충분한가?
Conversion은 어느 정도인가?
Cost와 Budget은 적절한가?
Viral Amplification까지 고려하면 실제 획득 비용은 어떻게 달라지는가?

핵심 요약

이 세션의 핵심은 성장을 Acquisition 하나로 보지 말고 시스템으로 보라는 것이다.

서비스 규모는 Inflow와 Churn의 균형으로 결정된다.
그 균형이 만들어내는 장기적 사용자 수준이 Carrying Capacity다.
Organic New와 Resurrection은 자연적인 Inflow를 만든다.
Viral Growth는 기존 사용자 규모가 커질수록 신규 Inflow도 커지게 만든다.
Network Effect는 사용자 수가 많아질수록 제품 가치를 높여 Churn을 낮춘다.
Viral K가 1보다 작더라도 후속 유입을 만들기 때문에 충분히 큰 가치가 있다.
실무에서는 Viral K 자체보다 Amplification Factor가 Paid Acquisition을 얼마나 증폭시키는지 보는 것이 더 유용할 수 있다.
가장 강한 서비스는 신규 유저를 빠르게 끌어오는 Viral 구조와, 들어온 유저를 오래 남기는 Network Effect를 동시에 가진다.

결국 성장의 핵심 질문은 “광고를 얼마나 더 할 것인가?”가 아니라 다음에 가깝다.

사용자가 늘어날수록 더 많은 사용자가 들어오고, 동시에 기존 사용자가 더 오래 남는 구조를 제품 안에 만들 수 있는가?