토스 PO SESSION Q&A: Carrying Capacity, 리텐션, 바이럴, 커머스까지

토스팀 리더 이승건의 PO SESSION Q&A를 주제별로 재구성한 내용이다. 핵심은 단순한 공식 암기가 아니라 제품의 성장 한계를 무엇이 결정하는지, 어떤 지표를 어떻게 해석해야 하는지, 그리고 무엇을 실제로 개선해야 하는지에 있다.

1. Carrying Capacity는 현실에 적용하기 어려운 개념인가

이승건의 답은 명확하다. 어렵더라도 적용할 수 있고, 오히려 사고방식 자체가 중요하다.

Carrying Capacity(CC)는 서비스가 현재의 유입과 이탈 구조에서 장기적으로 수렴하게 되는 사용자 규모를 설명하는 개념이다. 현실에서는 바이럴, 네트워크 효과, 광고, 시장 크기, 제품 변화 등 여러 변수가 섞이기 때문에 공식이 지나치게 단순해 보일 수 있다.

하지만 핵심은 공식을 기계적으로 믿는 것이 아니다.

무엇이 inflow를 바꾸는가
무엇이 churn을 바꾸는가
어떤 변화가 일시적이고 어떤 변화가 구조적인가
제품의 현재 체력이 어디에서 결정되는가

이 질문을 구조적으로 생각하게 만드는 것이 CC의 가장 큰 가치다.

2. CC를 움직이는 것은 결국 inflow와 churn이다

이 세션 전체를 관통하는 가장 중요한 명제다.

CC에 직접 영향을 주는 변수는 결국 inflow와 churn 두 가지다.

바이럴, 네트워크 효과, UGC, 광고, 시장 크기 등은 별도의 제3의 변수가 아니라 대부분 inflow나 churn을 통해 CC에 영향을 준다.

예를 들어:

바이럴 효과 → 신규 유입 증가 → inflow 상승
네트워크 효과 → 사용자가 많을수록 서비스 가치 상승 → churn 개선
UGC 증가 → 콘텐츠 풍부화 → 신규 유입 증가 또는 재사용 증가
제품 신뢰도 향상 → churn 개선

따라서 복잡한 성장 현상을 볼 때도 “이 변화가 inflow에 작용하는가, churn에 작용하는가”로 환원해서 보는 것이 유용하다.

3. 신규 사용자는 기존 MAU에 비례하지 않는 경우가 많다

많은 사람이 바이럴 성장에 대해 다음과 같이 생각한다.

기존 사용자가 많아질수록 추천도 많아지고, 그만큼 신규 사용자도 계속 증가하지 않을까?

이승건은 일반적인 서비스에서는 그렇지 않은 경우가 훨씬 많다고 설명한다.

핵심 이유는 바이럴의 time decay다.

신규 가입자는 가입 직후 서비스에 대한 감흥이 가장 크다. “와, 이거 좋다”라는 감정이 있을 때 친구에게 추천하고 공유한다. 그러나 시간이 지나면 추천 행동은 급격히 줄어든다.

토스에서 측정했을 때 바이럴 효과는 특히:

가입 직후 이틀 동안 매우 강하고
의미 있는 바이럴리티는 대체로 1주일 내에 대부분 소진되며
이후에는 롱테일 기여만 남는 형태였다.

따라서 바이럴 K는 전체 MAU보다는 최근 가입한 신규 사용자 집단, 즉 최근 1주일 정도의 NAU에 더 크게 비례한다.

즉:

MAU 100만인데 최근 신규 가입자가 월 50만인 서비스
MAU 1,000만인데 최근 신규 가입자가 월 10만인 서비스

라면 전자의 바이럴 활동이 더 클 수도 있다.

이 때문에 서비스 전체 규모가 커졌다고 해서 바이럴 K가 자동으로 높아지는 것은 아니다.

4. 바이럴 K가 있어도 inflow는 평형에 도달한다

바이럴 효과가 있다고 해도 신규 유저가 무한히 늘어나는 것은 아니다.

신규 가입자가 다른 신규 가입자를 데려오지만, 동시에 기존 가입자의 바이럴 기여는 시간이 지나면서 사라진다. 어느 시점이 되면:

새로 바이럴을 일으키는 사용자 수
바이럴 기여가 사라지는 사용자 수

가 균형을 이루게 된다.

그 결과 최근 신규 사용자 수 역시 평형에 도달하고, inflow가 일정한 수준으로 수렴할 수 있다.

이것이 “대부분의 경우 신규 사용자수는 장기적으로 거의 상수처럼 관찰된다”는 설명의 핵심이다.

5. 바이럴과 네트워크 효과는 CC를 높일 수 있다

바이럴과 네트워크 효과가 중요하지 않다는 뜻은 아니다.

바이럴 효과

바이럴은 inflow를 키운다.

특히 최근 가입한 사용자들이 추가 가입자를 만들어내면서 organic inflow를 높인다. 따라서 바이럴 K가 높아지면 CC도 올라갈 수 있다.

다만 일반적인 서비스에서 바이럴 K를 0.2~0.4 수준까지 만드는 것조차 매우 어렵고, 바이럴의 지속 기간도 짧기 때문에 기대만큼 엄청난 구조적 변화가 발생하지 않을 수 있다.

네트워크 효과

네트워크 효과는 사용자가 많아질수록 서비스 자체의 가치가 커지는 현상이다.

사용자가 많을수록 서비스 가치가 올라가면 이탈률이 낮아질 수 있고, 이는 churn 개선으로 연결된다. 따라서 네트워크 효과 역시 CC를 높인다.

6. Paid Marketing은 CC를 높이는 것이 아니라 CC에 더 빨리 도달하게 한다

바이럴 K가 존재하면 paid marketing의 효율은 올라간다.

예를 들어 광고로 한 명을 데려왔는데 그 사용자가 또 다른 사용자를 데려오면, 실제로 한 명을 구매한 것이 아니라 1.5명 혹은 2명을 데려온 효과가 날 수 있다.

즉 바이럴은 paid marketing의 증폭기로 작동한다.

하지만 중요한 구분이 있다.

paid marketing 자체가 CC를 구조적으로 높이는 것은 아니다.

광고는 현재 존재하는 CC에 더 빨리 접근하게 해준다. CC 자체를 올리려면 inflow의 구조적 증가나 churn의 구조적 개선이 필요하다.

7. 시장 크기는 이미 inflow에 반영된다

“시장 크기가 작으면 처음엔 inflow가 높다가 나중에 고갈되면서 급격히 떨어지는 것 아닌가?”라는 반론이 있다.

이에 대해 이승건은 시장 크기 자체가 이미 inflow에 반영되어 있다고 설명한다.

예를 들어 전체 잠재 고객이 1,000만 명이고 매월 그중 1%가 전환된다면 월 신규 유입은 10만 명이다.

반면 전체 시장이 100만 명이라면 같은 전환율에서도 월 유입은 1만 명이다.

즉 측정되는 organic inflow는 이미:

시장 규모
온라인 침투율
경쟁 상황
제품 매력도

등의 영향을 받은 결과다.

따라서 작은 시장에서 비현실적으로 큰 CC가 지속적으로 계산되는 현상은 일반적으로 일어나기 어렵다는 주장이다.

CC로 시장 크기를 역으로 볼 수도 있다

예를 들어 출시 초기에 MAU가 10만인데 CC가 750만으로 나온다면, 현재 사용자보다 훨씬 큰 시장 기회가 남아 있다는 뜻으로 볼 수 있다.

반대로 CC가 75만 수준이라면 그 제품의 현재 유즈케이스에서 접근 가능한 시장 자체가 제한적일 가능성이 있다.

8. 토스 사례: 기능은 3~4배 늘었지만 organic inflow는 거의 그대로였다

이승건은 토스의 약 4년간 월별 신규 유입 그래프를 예시로 들었다.

핵심 관찰은 다음과 같다.

2018년 초 토스 기능 수는 약 20개
이후 매년 약 20개 수준의 기능을 추가
4년 후 기능 수는 약 60여 개
제공하는 기능은 약 3~4배 증가
하지만 기본적인 organic inflow는 큰 변화가 없었다

중간중간 큰 spike는 있었다.

대표적으로:

보험 관련 대규모 광고 집행
강한 바이럴 제품 런칭
토스증권 출시

등이 신규 유입을 일시적으로 크게 끌어올렸다.

하지만 이런 이벤트성 효과를 제거하고 보면 기본적인 유입 체력은 장기간 비슷하게 유지되었다는 것이다.

이 사례를 통해 이승건은 “신규 유입은 생각보다 훨씬 안정적인 값으로 관찰되는 경우가 많다”고 주장한다.

9. 리텐션과 churn은 같은 개념이 아니다

이 부분은 실무적으로 매우 중요하다.

많은 팀이 다음처럼 생각한다.

리텐션이 높아지면 churn은 자동으로 낮아지는 것 아닌가?

어느 정도 상관은 있지만 동치 관계는 아니다.

토스에서는 전월에 사용하지 않았지만 이번 달에 다시 돌아오는 사용자가 상당히 많았다.

이 사용자는 월간 리텐션 관점에서는 “retain되지 않은 사용자”지만, 서비스에서 완전히 이탈한 churned user라고 보기는 어렵다.

즉:

retention: 특정 측정 기간에 다시 사용했는가
churn: 서비스에서 사실상 영구적으로 떠났는가

는 다른 개념이다.

진짜 churn을 판단하려면 더 긴 시간이 필요하다

이승건은 실제 이탈을 판단하려면 한 달은 너무 짧다고 설명한다.

토스에서는 대략 사용자 중 95%가 다시 돌아오지 않는 시점, 즉 no turning back 지점을 기준으로 churn을 정의할 수 있으며, 이것이 대략 90일 수준인 경우가 있다고 설명한다.

즉 한 달 쉬었다가 다음 달 돌아오는 사용자가 많다면, 월간 미사용자를 곧바로 churn으로 정의하면 오류가 커진다.

10. 제품이 좋아져도 churn이 크게 바뀌지 않을 수 있다

토스는 시간이 지나면서:

기능이 크게 늘고
브랜드가 좋아지고
사용 이유가 많아지고
슈퍼앱 형태로 확장되었지만

실제 장기 churn은 놀랄 만큼 비슷한 수준으로 관찰되었다고 한다.

이 주장은 상당히 도발적이다.

제품의 개선은 분명 사용자 경험을 좋아지게 하지만, 서비스 특성에 따라 “한번 완전히 떠나는 사람의 비율”은 생각보다 안정적일 수 있다는 것이다.

따라서 리텐션 개선과 churn 개선을 반드시 같은 문제로 취급해서는 안 된다.

11. LTV > CAC라고 해서 광고를 영원히 할 수 있는 것은 아니다

표면적으로는 다음 논리가 그럴듯하다.

CAC = 1,000원
LTV = 10,000원
고객 한 명당 9,000원의 여유가 있다
그러면 광고를 계속 집행해도 되는 것 아닌가?

하지만 장기적으로는 그렇지 않다.

이유는 같은 이탈 고객을 다시 사오는 비용이 누적되기 때문이다.

예를 들어 고객을 1,000원에 데려왔는데 절반이 남고 절반이 떠났다고 하자. 떠난 고객을 광고로 다시 데려오면 다시 CAC가 발생한다. 그 고객이 또 떠나면 또 비용을 들여야 한다.

한 명의 고객에 대해:

첫 획득 CAC
재획득 CAC
다시 이탈 후 또 재획득 CAC

가 계속 누적된다.

게다가 한번 써보고 별로라고 판단한 고객은 두 번째에는 같은 광고비에 반응하지 않을 가능성이 높아진다. 즉 재획득 CAC는 오히려 상승할 수 있다.

결국 장기간 광고를 지속하면 평균 CAC가 계속 올라가고 어느 순간 LTV를 넘어설 수 있다.

따라서 paid marketing만으로 영구적인 성장을 만들 수는 없다.

12. 바이럴 K에서 중요한 것은 시간 단위다

바이럴 K를 볼 때 반드시 time frame을 명시해야 한다.

바이럴 루프는:

사용자가 가입한다.
제품을 경험한다.
친구를 초대한다.
친구가 링크를 클릭한다.
친구가 가입한다.
새로운 사용자가 다시 다른 사용자를 초대한다.

이 순환 하나가 얼마나 걸리는지를 기준으로 봐야 한다.

서비스에 따라 한 루프가:

1분
하루
일주일
한 달

일 수도 있다.

따라서 K가 0.7이라는 숫자만 말하는 것은 의미가 부족하다.

1일 기준 K=0.7인지, 6개월 기준 K=0.7인지가 훨씬 중요하다.

바이럴 성장의 핵심은 루프 시간을 줄이는 것

이승건은 극단적으로 “시간을 무한대로 보면 모든 서비스의 바이럴 K는 1”이라고 표현한다.

모든 사람에게 무한한 시간이 주어진다면 언젠가 한 번쯤 제품을 접할 수 있다는 논리다.

따라서 진짜 바이럴 개선은 단순히 K 숫자를 높이는 것이 아니라:

한 달에 한 번 추천하던 사용자를
일주일에 한 번 추천하게 만들고
하루 안에 추천하게 만드는 것

처럼 바이럴 루프의 시간을 단축하는 것에 가깝다.

13. Referral은 기술적으로 측정 가능하다

레퍼럴과 입소문을 어떻게 측정하느냐는 질문에 대해서는 여러 방법이 있다.

대표적으로:

사용자별 고유 초대 링크
referral code
딥링크
웹 핑거프린팅
attribution tool

등을 이용해 어떤 사용자의 초대로 신규 사용자가 들어왔는지 추적할 수 있다.

중요한 것은 바이럴 지표를 정의할 때 이러한 attribution 방식과 측정 기간을 명확히 맞추는 것이다.

14. Aha Moment는 영원한 지표가 아니다

Aha Moment를 한 번 찾았다고 해서 영원히 같은 지표를 사용해야 하는 것은 아니다.

좋은 Aha Moment를 찾으면 조직은 해당 행동을 더 많이 만들기 위해 노력하고, 그 결과 MAU나 리텐션이 오를 수 있다.

그러나 어느 순간 그 지표를 계속 높여도 더 이상 MAU에 영향을 주지 않는 시점이 온다.

그때는 기존 Aha Moment가 더 이상 유효하지 않은 것이다.

가능한 이유는:

시장이 변했거나
고객 구성 자체가 바뀌었거나
제품이 진화했거나
이전 행동이 이미 충분히 최적화되었기 때문

이다.

따라서 Aha Moment는 신앙처럼 유지하는 지표가 아니라, 사업 성과와의 연결성이 사라지면 폐기하거나 다시 찾아야 하는 가설이다.

15. 커머스에도 Aha Moment와 리텐션 개념은 그대로 적용된다

커머스는 앱 서비스와 다르게 봐야 하지 않느냐는 질문에 대해 이승건은 기본 원리는 같다고 답한다.

커머스에서도:

유저 정의
활성 사용자 정의
이탈 사용자 정의
Aha Moment
리텐션 커브

를 모두 적용할 수 있다.

다만 커머스는 구조적으로 사용 빈도가 낮은 산업이라 리텐션을 만들기가 훨씬 어렵다.

예를 들어 월 구매 횟수가 평균 3~4회 수준이라면 매일 쓰는 메신저나 검색 서비스와 같은 리텐션을 만들기 어렵다.

이승건은 많은 커머스 서비스의 월 리텐션이 20~25% 수준에 머무는 경우가 있다고 설명한다.

16. 커머스의 핵심 경쟁은 결국 리텐션 경쟁이다

커머스가 단순히 상품만 팔아서는 장기적으로 강해지기 어렵다는 것이 이승건의 주장이다.

리텐션을 만들기 위한 대표적 무기는 다음과 같다.

빠른 배송

쿠팡의 로켓배송이나 새벽배송은 단순한 물류 기능이 아니라 강력한 Aha Moment가 될 수 있다.

“주문했는데 다음 날 새벽에 도착했다”는 경험은 강한 wow factor를 만들고, 재사용의 이유가 된다.

커뮤니티

오늘의집처럼 커머스와 콘텐츠·커뮤니티를 결합하면 구매하지 않는 날에도 사용자가 들어올 이유가 생긴다.

즉 구매 빈도보다 훨씬 높은 사용 빈도를 만든다.

검색·콘텐츠 기반 트래픽

네이버는 커머스를 위해 매번 사용자를 돈 주고 데려올 필요가 적다.

사용자는 이미:

검색
뉴스
콘텐츠

등을 위해 매일 네이버를 방문한다.

따라서 커머스 기능 자체의 배송 속도나 구매 빈도와 별개로 매우 높은 기본 리텐션을 갖는다.

이런 구조는 커머스 사업에서 엄청난 경쟁력이 된다.

17. 낮은 빈도의 산업일수록 Aha Moment가 더 중요하다

사용 빈도가 낮은 서비스는 자연스럽게 리텐션이 낮다.

그래서 더욱 강력한 wow factor를 만들어야 한다.

핵심은:

한 명이라도 더 강한 Aha Moment를 경험하게 만들고
그 순간 제품에 hook-in되도록 하며
다음 사용 이유를 설계하는 것

이다.

커머스 기업들이:

혜택
배송
커뮤니티
멤버십
콘텐츠
부가서비스

를 붙이는 이유도 결국 재사용률을 만들기 위해서다.

잘되는 커머스 기업은 상품만 팔지 않는다. 다시 돌아올 이유를 판다.

18. 마케팅 조직만큼 리텐션 조직도 커져야 한다

이승건은 paid marketing 부서가 커지는 만큼 리텐션과 재사용률을 담당하는 조직도 키워야 한다고 강조한다.

광고는 단기적으로 신규 사용자를 빠르게 늘릴 수 있다.

하지만 장기적으로 기업의 경제성을 결정하는 것은:

얼마나 많은 사용자가 남는지
다시 돌아오는지
자연스럽게 유입되는지

다.

따라서 성장 조직의 목표가 신규 획득에만 집중되어 있다면 구조적으로 불리할 수 있다.

19. 다크패턴은 단기 지표를 올려도 장기 CC를 훼손한다

“아직 받지 않은 혜택이 있습니다”처럼 실제 조건이나 맥락을 충분히 설명하지 않은 채 클릭을 유도하는 방식에 대해 이승건은 다크패턴이라고 인정한다.

토스 내부에는 이러한 다크패턴을 신고하는 채널도 있으며, 관련 사용 경험을 지속적으로 개선하고 있다고 설명한다.

이유는 단순하다.

단기 전환율을 높이는 것보다 장기적으로:

신뢰
브랜드
재사용
churn

에 미치는 영향이 더 중요하기 때문이다.

즉 다크패턴 문제도 결국 장기 CC의 문제로 연결된다.

20. PO 채용에서 가장 중요하게 보는 것

세션 후반부에는 PO 지원과 채용에 대한 질문도 다뤘다.

토스에서 중요하게 보는 것은:

이전 회사의 이름
현재 연봉
특정 산업 경력

그 자체가 아니다.

더 중요하게 보는 것은:

큰 도전을 해본 경험
성공하거나 실패한 경험
실패에서 무엇을 배웠는지
성공했을 때 얼마나 겸손할 수 있었는지
스스로 계속 성장할 수 있는 태도와 멘탈

이다.

PO의 배경 역시 정해져 있지 않다.

사업개발
모바일 제품
데이터 분석
산업 전략
피플 매니징

등 다양한 경험이 가능하다.

중요한 것은 기업 활동 안에서 실제로 어려운 문제에 도전하고, 결과를 만들고, 그 과정에서 학습해본 경험이다.

21. 이 세션을 한 문장으로 요약하면

이승건이 강조한 것은 복잡한 성장 공식을 외우는 것이 아니다.

제품의 성장을 관찰할 때 모든 현상을 inflow, churn, retention, viral loop, market size, Aha Moment의 구조로 분해하고, 어떤 것이 실제 장기 체력을 바꾸는지 구분하라는 것이다.

특히 실무에서 기억할 포인트는 다음과 같다.

CC를 바꾸는 핵심 변수는 inflow와 churn이다.
바이럴은 전체 MAU보다 최근 신규 가입자 집단에 더 크게 의존한다.
바이럴 K는 숫자보다 시간 단위가 중요하다.
paid marketing은 성장 속도를 높일 수 있지만 구조적인 CC를 보장하지 않는다.
retention과 churn을 같은 개념으로 보면 안 된다.
LTV > CAC만으로 paid growth의 지속 가능성을 판단하면 위험하다.
커머스처럼 사용 빈도가 낮은 산업일수록 Aha Moment와 재사용 설계가 더 중요하다.
좋은 성장 전략은 신규 고객 획득보다 “왜 계속 남아 있는가”를 만들어내는 데서 완성된다.