앱인토스로 돈 벌려면 절대 앱부터 만들지 마세요

핵심은 앱을 얼마나 잘 만드느냐보다 먼저 누가 이 앱을 매일 열 사람인지 얼마나 뾰족하게 정의하느냐에 있다.

발표자는 앱의 기능을 만든 뒤 막연히 많은 사람에게 알리는 방식보다, 먼저 특정 사용자의 생활 맥락·직업·소비 패턴·금융 행동을 역추적해 타깃을 정하고, 그 사람에게 맞는 메시지와 보상을 반복 실험하는 방식이 성장에 훨씬 중요했다고 설명한다.

실제로 발표자가 운영한 날씨 관련 앱은 1일 기준 리텐션이 약 60%, 일주일 후에도 50% 이상이 유지됐고, 리뷰 약 4,000개와 높은 평점을 확보했다. 발표자는 이 성과의 핵심을 앱 자체의 기능보다 매일 날씨를 확인해야 하는 사람이 누구인지 집요하게 정의하고 그들에게 집중한 것에서 찾는다.

1. 개발보다 먼저 해야 할 일: “누가 매일 이 앱을 여는가?”

많은 사람은 앱 아이디어가 생기면 바로 기능과 화면부터 만든다. 하지만 발표자가 가장 먼저 던지는 질문은 다르다.

이 앱을 하루에 한 번 이상 열 이유가 있는 사람은 누구인가?

여기서 중요한 것은 단순한 인구통계가 아니다.

20대 여성
직장인
날씨를 자주 보는 사람

정도의 정의만으로는 부족하다.

대신 사용자의 구체적인 행동 동기까지 들어가야 한다.

예를 들어 날씨 앱이라면 다음처럼 생각한다.

날씨 정보가 있으면 좋은 사람이 아니라, 없으면 일이나 생활에 실제 문제가 생기는 사람은 누구인가?
매일 출근·외근·운송·야외 업무 때문에 날씨를 확인해야 하는 직업군은 누구인가?
자녀 등원이나 미세먼지 때문에 매일 날씨를 봐야 하는 보호자는 누구인가?
작은 포인트 보상이라도 매일 앱을 열 동기가 생기는 사람은 누구인가?

즉, “기능을 좋아할 사람”보다 “그 기능이 생활에 박혀 있는 사람”을 찾는 것이 우선이다.

2. 좋은 페르소나는 나이·성별이 아니라 ‘필요성’에서 시작한다

발표자는 날씨 앱의 고객을 크게 두 그룹으로 나눴다.

그룹 A. 날씨가 생계·업무에 직접 영향을 주는 사람

날씨가 단순한 참고 정보가 아니라 실제 행동 결정에 필요한 사람들이다.

예를 들면:

야외 업무 비중이 높은 직업
이동이나 운송과 연관된 직업
날씨에 따라 업무 계획이 바뀌는 직종
자녀 등원·외출을 관리해야 하는 보호자

이 그룹에게는 날씨 확인 자체가 이미 충분한 필요성을 가진다.

그룹 B. 매일 들어올 추가 동기가 필요한 사람

날씨만으로는 매일 들어올 이유가 약할 수 있지만, 작은 보상과 결합하면 습관화가 가능한 사람들이다.

예를 들어 날씨를 확인하면서 토스 포인트를 함께 받을 수 있다면, 작은 보상에 민감한 사용자에게는 앱을 매일 여는 이유가 하나 더 생긴다.

이때 발표자는 단순히 “포인트를 좋아할 것 같은 사람”이라고 정의하지 않고, 소득 수준이나 알뜰폰 사용 가능성 등 관찰 가능한 신호를 통해 실제 타게팅 조건으로 번역하려 했다.

3. 페르소나는 반드시 ‘타게팅 가능한 조건’으로 번역해야 한다

좋은 페르소나를 상상하는 것만으로는 충분하지 않다.

실제 발송 시스템에서 사용할 수 있도록 조건문으로 바꿔야 한다.

발표에서 소개된 토스의 세그먼트 정보에는 다음과 같은 축이 포함된다.

소속 기관·직장
사업자 업종
연령·성별·기기
소비 카테고리
거래 내역
최근 일정 기간의 지출 빈도와 규모
금융 거래 성향
통신사 관련 정보
자녀 유무 및 연령대와 같은 생활 맥락

이 정보들을 조합하면 단순히 “직장인”을 고르는 수준이 아니라,

특정 업종에 근무하면서 최근 특정 소비 행동이 있고, 특정 성향을 보이며, 반대로 앱과 맞지 않는 금융 행동을 하는 사람은 제외한다.

처럼 훨씬 구체적인 세그먼트를 만들 수 있다.

중요한 것은 데이터의 개수가 아니라 앱을 사용할 이유와 연결되는 신호만 선택하는 것이다.

4. 포함 조건만큼 중요한 것이 ‘제외 조건’이다

발표자가 반복해서 강조하는 개념 중 하나는 소거법이다.

타깃을 넓히는 것만 생각하면 앱과 실제로 맞지 않는 사람까지 섞이면서 클릭률과 리텐션이 떨어질 수 있다.

예를 들어 작은 포인트 보상이 핵심 동기인 앱에서 고위험·고관여 투자 성향이 강한 사람은 1~2포인트에 거의 반응하지 않을 가능성이 있다. 이런 사용자가 세그먼트에 많이 포함되면 메시지를 아무리 잘 만들어도 전체 클릭률이 낮아질 수 있다.

반대로 금융·투자 관련 서비스라면 같은 행동 신호가 오히려 핵심 타깃이 될 수 있다.

즉, 데이터 자체에는 좋은 신호와 나쁜 신호가 따로 있는 것이 아니다.

내 앱과 사용자의 동기가 맞느냐가 기준이다.

따라서 세그먼트를 만들 때는 항상 두 가지를 함께 정의해야 한다.

반드시 포함해야 할 사람
반드시 제외해야 할 사람

5. 앱을 정한 다음 타깃을 찾는 것이 아니라, 타깃을 보며 앱을 찾을 수도 있다

발표자는 세그먼트 데이터를 단순한 광고 도구로만 쓰지 않았다.

오히려 어떤 앱을 만들지 고민할 때부터 소비·직업·행동 데이터를 보며 아이디어를 찾았다고 말한다.

예를 들어 특정 사람들에게 다음과 같은 소비 패턴이 반복된다고 가정할 수 있다.

택시 결제가 많다.
배달 음식 결제가 많다.
편의점 소비가 많다.
야근이 잦은 업종에 근무한다.

그러면 여기서 다시 질문할 수 있다.

이런 생활을 반복하는 사람에게 어떤 불편이 쌓이고 있을까?

발표에서는 이를 바탕으로 야근이 잦은 직장인의 식대·택시비 등 경비를 자동으로 기록하고 회사 청구용으로 정리해 주는 미니앱 사례를 다룬다.

이 방식의 중요한 점은 아이디어를 먼저 만든 뒤 고객을 억지로 찾는 것이 아니라, 고객의 반복 행동에서 제품 아이디어를 역으로 발견한다는 것이다.

6. 첫 타깃은 넓게 잡지 말고 가장 강한 ‘High’만 잡는다

AI로 세그먼트를 분석할 때도 발표자는 모든 후보를 사용하지 않는다.

예를 들어 여러 회사·직종을 분석해 야근 정도를 High / Medium 등으로 나눴다면 첫 발송부터 전체를 포함시키지 않는다.

초기에는 필요성이 가장 강한 High 그룹만 선택한다.

Medium과 Low는 버린다.

초기 목표는 시장을 최대한 크게 잡는 것이 아니라,

이 앱을 가장 절실하게 필요로 하는 사람에게서 정말 반응이 나오는가?

를 확인하는 것이기 때문이다.

반응이 확인된 이후에야 범위를 넓힌다.

이 접근은 앱 기획에도 그대로 적용된다.

처음부터 “모든 직장인을 위한 서비스”를 만들기보다,

야근이 많은 특정 업종
특정 비용 처리가 반복되는 직군
특정 소비 패턴이 강한 사람

처럼 극단적으로 좁은 출발점을 잡는 편이 낫다는 주장이다.

7. 메시지는 기능 설명이 아니라 ‘클릭해야 할 이유’를 줘야 한다

타깃을 잘 잡아도 메시지가 약하면 클릭이 일어나지 않는다.

예를 들어 단순히

오늘 날씨를 확인해 보세요.

라고 보내면 사용자가 지금 당장 눌러야 할 이유가 부족하다.

반면 사용자가 어차피 필요한 정보를 확인하면서 추가 보상까지 받을 수 있다면 메시지의 매력이 커진다.

발표자는 날씨 확인과 포인트를 결합하고, 보상의 존재뿐 아니라 정확한 금액까지 명확하게 보여주는 방식을 실험했다. 그리고 금액 구간을 바꾸면서 클릭률이 어떻게 달라지는지도 반복적으로 테스트했다.

핵심은 메시지를 예쁘게 쓰는 것이 아니다.

사용자가 가진 기존 동기 위에 하나의 추가 이유를 얹는 것이다.

8. 클릭률이 더 안 오르면 메시지가 아니라 ‘사람’을 바꾼다

발표자가 실험 과정에서 얻은 중요한 전환점은 다음과 같다.

처음에는 더 좋은 문구를 찾기 위해 메시지를 계속 수정했다. 하지만 어느 순간 메시지 최적화만으로는 클릭률을 더 높이기 어렵다고 판단했다.

그때 전략을 바꿨다.

메시지가 고점이라면, 메시지를 더 고치는 대신 받는 사람을 바꾼다.

이후 사용자 대시보드를 보며 실제 유입 사용자들이 누구인지 다시 분석하고, 더 적합한 직업·소비·생활 맥락을 가진 사람들을 찾는 데 시간을 썼다.

이 관점이 중요한 이유는 성장 문제를 무조건 카피라이팅 문제로 보지 않게 해주기 때문이다.

CTR이 낮을 때 원인은 크게 두 가지일 수 있다.

메시지가 약하다.
애초에 잘못된 사람에게 보내고 있다.

발표자는 후자가 생각보다 훨씬 중요하다고 본다.

9. 실험은 하루 단위가 아니라 최소 주 단위로 본다

발표자는 보통 주 단위로 실험했고, 앱에 따라 1~2주 정도의 기간을 두고 결과를 봤다고 설명한다.

발송 최적화와 충분한 데이터 축적이 필요하기 때문에 지나치게 짧은 간격으로 결론을 내리면 신호를 제대로 보기 어렵다는 것이다.

또한 하나의 메시지만 보내는 것이 아니라 A/B 테스트를 활용해 두 개 이상의 메시지를 비교했다.

실험의 기본 단위는 다음처럼 정리할 수 있다.

타깃 세그먼트 변경
포함·제외 조건 변경
메시지 변경
보상 금액 변경
일정 기간 유지
클릭률·리텐션 등 결과 비교

그리고 성과가 확인된 패턴은 다시 다음 실험의 기준으로 사용한다.

10. AI의 역할: 사람이 하던 ‘세그먼트 노가다’를 구조화한다

발표자는 과거에 세그먼트 선정 작업 대부분을 직접 손으로 했다고 말한다.

수많은 직장·업종·소비 카테고리·거래 조건을 하나씩 보면서 어떤 조합이 앱과 맞는지 반복해서 판단했다.

문제는 경우의 수가 너무 많다는 것이다.

그래서 자신이 반복하던 사고 과정을 AI 스킬로 만들었다.

대략적인 흐름은 다음과 같다.

앱의 기능과 목적을 입력한다.
사용자의 핵심 동기 그룹을 나눈다.
각 그룹과 관련된 직장·업종·소비·금융 신호를 찾는다.
포함 조건과 제외 조건을 만든다.
우선순위가 높은 세그먼트만 남긴다.
발송용 메시지 후보를 만든다.
실제 가이드라인에 맞는지 검수한다.
사람이 마지막으로 수정해 A/B 테스트한다.

여기서 AI가 최종 의사결정자가 되는 것은 아니다.

발표자 역시 AI가 만든 결과를 그대로 사용하지 않고, 마지막에는 사람이 직접 보고 메시지와 세그먼트를 다듬는 것이 완성도를 높인다고 강조한다.

즉, AI의 역할은 판단을 없애는 것이 아니라 사람이 반복하던 탐색 비용을 크게 줄이는 것에 가깝다.

11. 좋은 타깃은 유입뿐 아니라 리텐션까지 바꾼다

발표자가 타게팅을 중요하게 보는 가장 큰 이유는 클릭률 때문만이 아니다.

잘 맞는 사람을 데려오면 그 이후의 리텐션도 좋아진다고 보기 때문이다.

날씨 앱의 경우 발표자는 1일 기준 약 60%, 일주일 후에도 50% 이상의 리텐션이 유지됐다고 설명한다.

그 이유를 단순히 앱의 완성도에서만 찾지 않는다.

처음부터 날씨 확인이 생활에 밀접한 사람들을 데려왔기 때문에, 한 번 습관이 형성되면 다른 앱으로 바꿀 이유가 크지 않았다는 해석이다.

반대로 필요성이 약한 사람을 많이 데려오면 초기 유입 수치는 커질 수 있어도 곧 이탈할 가능성이 높다.

따라서 좋은 세그먼트는 단지 광고 효율을 높이는 장치가 아니라 제품의 리텐션을 미리 결정하는 장치이기도 하다.

12. 발표의 핵심 공식을 한 줄로 정리하면

성장 = 뾰족한 사용자 × 강한 사용 동기 × 적절한 메시지 × 반복 실험

개발은 이 공식을 실행하기 위한 중요한 요소이지만 출발점은 아니다.

출발점은 늘 다음 질문이다.

누가 이 앱을 매일 열어야만 하는가?

그리고 그 사람을 실제 데이터 조건으로 표현할 수 있어야 한다.

실전 적용 순서

새 미니앱이나 서비스를 기획한다면 다음 순서로 접근할 수 있다.

1단계. 매일 열 이유를 한 문장으로 정의한다

“누구나 편리하게 쓸 수 있다” 같은 문장은 버린다.

대신:

야근 후 택시비·식대를 매번 따로 정리해야 하는 직장인이 퇴근 후 비용을 바로 기록하기 위해 연다.

처럼 사용자·상황·행동이 들어가게 쓴다.

2단계. 핵심 동기를 1~2개 그룹으로 나눈다

예:

문제 해결형: 야근 경비를 정리해야 한다.
절약형: 작은 비용과 포인트도 꼼꼼히 챙긴다.

3단계. 행동 신호로 번역한다

각 그룹이 실제로 보일 법한 신호를 찾는다.

어떤 업종에서 일하는가?
어떤 시간대에 어떤 소비를 하는가?
어떤 카테고리 결제가 반복되는가?
어떤 금융 성향을 가지고 있는가?
어떤 사람을 제외해야 하는가?

4단계. 가장 강한 세그먼트만 남긴다

처음부터 Medium·Low까지 욕심내지 않는다.

가장 필요성이 높은 High 그룹만 골라 반응을 확인한다.

5단계. 메시지에 즉시 행동할 이유를 넣는다

기능 설명보다 사용자가 지금 눌러야 하는 이유를 만든다.

필요하다면 보상·시간 절약·비용 절약·업무 편의 같은 추가 동기를 결합한다.

6단계. 최소 주 단위로 실험한다

세그먼트와 메시지를 동시에 무작정 많이 바꾸지 말고, 무엇이 효과를 만들었는지 확인할 수 있도록 A/B 테스트한다.

7단계. CTR이 막히면 사람을 다시 본다

문구만 계속 고치지 않는다.

“이 메시지를 받을 사람이 정말 맞는가?”를 다시 검토한다.

8단계. 유입 이후 리텐션으로 검증한다

좋은 타깃은 클릭만 하고 끝나는 사람이 아니라 실제로 앱에 남는 사람이어야 한다.

결론

앱을 만드는 일은 눈에 보이고 재미있다. 반면 타깃을 정의하고 데이터를 보며 메시지를 반복 실험하는 일은 지루하고 결과도 늦게 나온다.

그래서 많은 개발자가 개발에는 많은 시간을 쓰면서도, 정작 누구에게 팔 것인지에는 상대적으로 적은 시간을 쓴다.

하지만 발표자의 경험은 반대 방향을 가리킨다.

앱을 만들기 전에 먼저 고객을 좁혀야 한다. 고객을 좁힌 뒤 그 사람의 직업·소비·행동을 데이터 조건으로 번역해야 한다. 그리고 가장 강한 세그먼트에 메시지를 보내 실제 반응을 확인한 뒤 제품과 타깃을 계속 다듬어야 한다.

결국 중요한 것은 “좋은 앱을 만들었으니 누군가 쓰겠지”가 아니다.

“이 앱을 매일 쓸 사람이 정확히 누구인지 알고 있는가?”

이 질문에 답할 수 있을 때 개발도, 마케팅도, 리텐션도 훨씬 구체적인 문제가 된다.