앱인토스로 돈 벌려면, 앱부터 만들지 마라 — 타깃·세그먼트·메시지 설계

이 발표의 핵심은 단순하다.

앱을 잘 만드는 것보다 먼저, “누가 이 앱을 매일 열 것인가”를 아주 구체적으로 정의해야 한다.

발표자는 앱인토스에서 날씨 관련 미니앱을 운영하면서 개발 자체보다 타깃 세그먼트와 푸시 메시지 설계에 많은 시간을 투입했다. 그 결과 데이 1 리텐션이 약 60%, 일주일 후에도 50% 이상이 유지됐고, 리뷰는 약 4,000개가 쌓였으며 최고 순위 3위까지 올라갔다고 설명한다.

중요한 것은 이런 결과가 단순히 “좋은 앱을 만들었기 때문”만은 아니라는 점이다. 발표자가 반복해서 강조하는 성장의 핵심은 매일 앱을 열 가능성이 높은 사람을 찾아내고, 그 사람을 토스의 발송 조건으로 번역하고, 그 위에 적절한 메시지와 보상을 얹는 것이다.

앱을 만들기 전에 먼저 정해야 할 것

보통 개발자는 아이디어가 생기면 기능부터 만든다.

하지만 발표자의 관점에서는 순서가 반대다.

먼저 다음 질문에 답해야 한다.

이 앱을 매일 열어야 할 만큼 강한 이유가 있는 사람은 누구인가?

단순히 “날씨에 관심 있는 사람”, “직장인”, “20~40대 여성”처럼 넓은 정의로는 부족하다. 그런 정보만으로는 실제 발송 조건을 뾰족하게 만들기 어렵고, 메시지를 보내더라도 클릭 이유가 약하다.

예를 들어 날씨 앱이라면 “날씨를 보는 사람”이 아니라 다음과 같이 나눌 수 있다.

날씨가 생계나 업무에 직접 영향을 주는 사람
자녀의 등원·등교 때문에 날씨와 미세먼지를 매일 확인해야 하는 보호자
날씨 확인과 함께 작은 포인트를 받는 행동을 매일 루틴으로 만들 가능성이 높은 사람

이렇게 사용자의 필요가 강한 맥락부터 찾아야 한다.

앱의 페르소나는 인구통계가 아니라 행동 이유에서 시작해야 한다는 뜻이다.

앱인토스 성장 구조: 스마트 발송 → 클릭 → 유입 → 리텐션

발표자는 앱인토스에서 스마트 발송을 성장의 핵심 동력으로 본다.

발송이 계속 활성 상태라고 해도 실제 클릭률이 낮으면 유입이 거의 발생하지 않을 수 있다. 따라서 단순히 “발송 중”이라는 상태보다 중요한 것은 CTR을 얼마나 끌어올리느냐다.

그리고 CTR을 올리는 방법은 메시지 문구만 바꾸는 것이 아니다.

발표자는 메시지를 계속 개선하다가 어느 순간 “문구 자체는 이미 고점에 가까워졌다”고 판단했다. 그 이후에는 메시지를 더 자극적으로 만드는 대신 메시지를 받는 사람을 바꾸는 것에 집중했다.

즉,

CTR = 메시지의 매력도 × 타깃의 적합도

라고 볼 수 있다.

문구를 아무리 잘 만들어도 관심 없는 사람에게 보내면 클릭하지 않는다. 반대로 앱의 필요가 매우 높은 사람에게 적절한 메시지를 보내면 평범한 메시지도 훨씬 강하게 작동한다.

토스의 데이터는 ‘누구에게 보낼 것인가’를 매우 세밀하게 정의할 수 있게 한다

발표에 따르면 앱인토스에서는 다양한 조건을 조합해 발송 타깃을 만들 수 있다.

예를 들면 다음과 같은 정보다.

성별, 연령
휴대폰 기종
소속 직장이나 기관
사업자 업종
소비 카테고리
특정 기간 동안의 소비 빈도와 금액
가족 및 자녀 관련 정보
통신사 정보
금융 활동 패턴
특정 카테고리의 결제 이력

발표자는 특히 소속 직장과 업종 데이터의 활용 가치가 크다고 본다.

어떤 앱이 특정 직군이나 산업에서 유독 강한 필요를 가진다면, 그 업종이나 회사에 속한 사람들을 직접 타깃으로 삼을 수 있기 때문이다.

예를 들어 야근 식대·택시비·특근비 등을 자동으로 정리해 회사 경비 청구를 돕는 앱이라면 “직장인 전체”를 타깃으로 할 필요가 없다.

대신 다음처럼 생각한다.

야근이 잦은 산업은 어디인가?
늦은 시간 택시 결제가 많은 사람은 누구인가?
배달음식이나 편의점 지출이 반복적으로 나타나는 사람은 누구인가?
회사 경비나 환급을 꼼꼼하게 챙길 가능성이 높은 사람은 누구인가?

이 조건을 조합하면 “야근하는 직장인”이라는 추상적인 페르소나를 실제 발송 가능한 조건으로 번역할 수 있다.

페르소나는 ‘설명’이 아니라 ‘조건문’이어야 한다

발표에서 가장 실무적인 아이디어 중 하나다.

페르소나를 문장으로만 적어놓는 것은 큰 의미가 없다.

예를 들어,

절약에 민감하고 매일 소소한 혜택을 챙기는 사용자

라고 쓰는 것만으로는 발송할 수 없다.

이 사람을 실제 데이터 조건으로 바꿔야 한다.

예를 들면 발표자는 다음과 같은 식으로 사고한다.

소득이 아주 높지 않을 가능성
알뜰폰 이용 가능성
포인트·환급·지역화폐 등에 관심이 있을 가능성
특정 생활 소비 카테고리에서 반복 결제가 발생할 가능성
반대로 고위험·고관여 금융투자 활동이 매우 강한 사용자는 작은 포인트 보상에 반응하지 않을 가능성

이런 가설을 토스에서 설정 가능한 포함 조건과 제외 조건으로 바꿔 나간다.

즉,

페르소나 → 관찰 가능한 신호 → 포함/제외 조건 → 실제 발송 세그먼트

의 형태로 변환하는 것이다.

포함 조건만큼 ‘누구를 뺄 것인가’가 중요하다

발표자는 소거법을 매우 중요하게 본다.

마케팅에서는 흔히 타깃을 넓히는 데 집중하지만, 앱인토스처럼 세밀한 데이터 조건을 사용할 수 있는 환경에서는 반응 가능성이 낮은 사람을 제거하는 것도 CTR에 큰 영향을 줄 수 있다.

예를 들어 작은 포인트 보상을 핵심 동기로 사용하는 앱이라면, 발표자는 고관여 금융투자 성향이 강한 사용자들이 작은 보상에 덜 반응할 수 있다고 보고 제외 조건으로 활용했다.

반대로 주식이나 금융 상품과 직접 관련된 앱이라면 이런 사람들이 오히려 핵심 타깃이 될 수 있다.

중요한 것은 특정 집단이 무조건 좋거나 나쁘다는 뜻이 아니다.

앱이 제공하는 보상과 사용자의 동기가 맞느냐가 중요하다.

그래서 세그먼트 설계는 “누구를 넣을까?”만이 아니라 “누구를 빼야 할까?”까지 포함해야 한다.

날씨 앱 사례: ‘날씨를 좋아하는 사람’이 아니라 ‘날씨가 필요한 사람’

발표자가 운영한 날씨 앱에서도 처음부터 명확한 페르소나가 있었던 것은 아니다.

표면적으로는 중장년층이나 날씨 확인 습관이 있는 이용자 정도가 보였지만, 이런 정보만으로는 발송 조건을 정교하게 만들기 어려웠다.

그래서 사용자를 크게 두 그룹으로 다시 나눴다.

1. 날씨가 생활이나 생계에 직접 중요한 사람

날씨가 단순한 관심사가 아니라 오늘의 행동을 결정하는 사람이다.

직업 때문에 날씨를 반드시 확인해야 하거나, 자녀 등원·등교와 미세먼지 확인처럼 일상에서 매일 필요한 사람을 찾는다.

이 그룹의 핵심은 “원래도 날씨를 확인해야 하는 사람”이라는 점이다.

2. 보상과 루틴에 반응하는 사람

날씨 자체뿐 아니라 날씨를 확인하면서 소소한 포인트를 받을 수 있다는 보상이 행동의 동기가 되는 사람이다.

이 사람들에게는

필요한 정보 확인 + 작은 보상

이라는 조합이 강하게 작동한다.

발표자는 이 두 가지를 섞지 않고 각각 다른 동기의 그룹으로 보고, 그룹별로 세그먼트와 메시지를 설계했다.

프로모션 포인트는 독립적인 혜택보다 ‘행동을 강화하는 부스터’로 사용한다

날씨 앱에서 단순히

오늘 날씨를 확인해 보세요

라고 보내면 클릭할 이유가 약하다.

하지만 날씨가 원래 필요한 사용자에게

날씨를 확인하고 포인트도 받으세요

라는 식으로 메시지를 보내면 행동의 매력이 커진다.

발표자는 포인트를 단순히 혜택 탭에 노출하는 것보다 푸시 메시지의 클릭 이유를 강화하는 장치로 활용했을 때 효과가 컸다고 설명한다.

또한 포인트 금액을 모호하게 표현하기보다 실제 금액을 명시하는 것이 클릭률에 더 도움이 됐고, 어느 금액 구간에서 사용자가 더 잘 반응하는지도 반복적으로 테스트했다고 한다.

핵심은 보상이 크냐 작으냐가 아니다.

사용자가 이미 하려던 행동에 작은 보상을 얹어 마지막 클릭 동기를 만들어 주는 것이다.

한 번의 정답을 찾는 것이 아니라 1~2주 단위로 계속 실험한다

발표자는 앱인토스 운영을 일회성 세팅이 아니라 반복 실험으로 설명한다.

주요 실험 대상은 다음과 같다.

어떤 세그먼트에 보낼 것인가
어떤 사용자를 제외할 것인가
어떤 메시지를 보낼 것인가
어떤 포인트 금액을 제시할 것인가
어떤 메시지 조합이 더 높은 CTR을 만드는가

앱인토스에서는 메시지를 A/B 테스트할 수 있기 때문에 두 개 이상의 문구를 비교하면서 반응을 볼 수 있다.

발표자는 지나치게 짧은 기간의 데이터로 결론을 내리기보다 대체로 주 단위, 보통 1~2주 정도의 기간으로 실험했다. 발송 최적화와 데이터 안정화에 시간이 필요하다고 봤기 때문이다.

또 앱이 여러 개라면 앱마다 별도로 세그먼트와 메시지를 실험한다.

이 과정은 개발보다 지루할 수 있다.

개발은 화면이나 기능이 바로 눈에 보이지만, 세그먼트 최적화는 반복적이고 결과가 즉시 나타나지 않는다.

그럼에도 발표자는 실제 고객 획득을 만드는 일은 이쪽에 더 가깝다고 강조한다.

타깃을 뾰족하게 잡으면 리텐션도 좋아진다

타깃 세그먼트의 효과는 클릭률에서 끝나지 않는다.

발표자의 날씨 앱은 신규 사용자의 데이 1 리텐션이 약 60%, 일주일 이후에도 50% 이상이 유지됐다고 한다.

발표자는 이 높은 리텐션을 “생활 맥락에 잘 맞는 사람을 데려왔기 때문”이라고 해석한다.

매일 날씨를 확인해야 하는 사람이 앱을 한번 습관화하면 다른 앱으로 바꿀 이유가 크지 않다.

반대로 앱의 필요가 약한 사람을 대량으로 데려오면 설치나 최초 클릭은 만들 수 있어도 리텐션이 낮아질 가능성이 높다.

즉,

획득 단계에서 타깃을 뾰족하게 잡는 일이 리텐션 설계의 시작이기도 하다.

AI는 세그먼트 조합의 탐색 비용을 줄이는 데 쓴다

발표자는 처음에는 이 작업을 대부분 수작업으로 했다.

토스의 수많은 세그먼트 조건을 매일 들여다보면서

누가 이 앱을 필요로 할까
어떤 업종이 가장 밀접할까
어떤 소비 내역이 힌트가 될까
어떤 조건은 제외해야 할까

를 반복해서 연구했다.

하지만 조건의 경우의 수가 너무 많기 때문에 사람이 모든 조합을 실험하는 것은 비효율적이다.

그래서 본인이 반복하던 사고방식을 AI 스킬로 만들었다.

입력은 비교적 단순하다.

앱 이름
앱이 해결하는 문제
예상되는 사용자 동기
신규 사용자 획득인지 기존 사용자 활성화인지

이런 정보를 넣으면 AI가 관련 직업·업종·소비 패턴·포함 조건·제외 조건을 탐색하고, 여러 페르소나 그룹을 나눈 뒤 발송 레시피와 메시지 후보를 제안하도록 구성했다.

시연에서는 야근 경비 정산 앱을 예로 들었다.

AI가 야근 빈도가 높을 가능성이 있는 업종을 찾고, 택시·배달·편의점 같은 지출 신호를 연결하고, 경비 절약 성향과 맞지 않는 사용자를 제외하는 식으로 세그먼트를 만든다.

이후 토스 푸시 메시지 가이드에 맞춘 메시지 후보까지 만든다.

다만 발표자는 AI 결과를 그대로 복사해 발송하지 않는다.

최종 단계에서는 사람이 결과를 보고 실제 앱의 맥락에 가장 잘 맞는 두 개 정도의 메시지를 고른 다음 다시 다듬어 A/B 테스트한다.

즉 AI의 역할은 최종 판단을 대신하는 것이 아니라 탐색해야 할 조합을 크게 줄여주는 것이다.

세그먼트 데이터는 마케팅뿐 아니라 ‘무슨 앱을 만들지’ 정하는 데도 쓸 수 있다

이 발표의 제목과 가장 직접적으로 연결되는 부분이다.

발표자는 앱을 만든 다음 세그먼트를 찾는 것만이 아니라, 아예 세그먼트 목록을 보면서 새로운 앱 아이디어를 떠올리기도 한다.

예를 들어 특정 소비 카테고리에서 반복 결제가 나타나는 사람들이 있다면 다음 질문을 던진다.

이 사람들은 어떤 문제를 반복해서 겪고 있을까?

데이트 앱 결제, 택시, 배달, 편의점, 교육, 반려동물, 미용 등 다양한 소비 신호를 보면서 먼저 명확한 고객 집단을 찾고, 그 집단이 필요로 할 서비스를 역으로 설계하는 것이다.

이 방식의 차이는 크다.

일반적인 흐름은 다음과 같다.

아이디어 → 개발 → 출시 → 고객 찾기

발표자가 제안하는 흐름은 반대다.

관찰 가능한 고객 집단 → 반복되는 문제 → 강한 사용 동기 → 앱 → 발송 세그먼트

그래서 “절대 앱부터 만들지 마세요”라는 말은 개발하지 말라는 뜻이 아니다.

고객이 누구인지 모른 채 개발부터 시작하지 말라는 뜻에 가깝다.

실전 적용 순서

이 발표를 실제 앱인토스 개발 과정으로 옮기면 다음 순서로 정리할 수 있다.

매일 앱을 열 이유를 한 문장으로 정의한다.
“누구나 쓸 수 있다”가 아니라 “이 사람은 왜 오늘도 반드시 열어야 하는가?”를 적는다.
사용 동기가 다른 그룹을 분리한다.
같은 기능을 쓰더라도 필요 때문에 쓰는 사람과 보상 때문에 쓰는 사람은 다른 그룹이다.
각 그룹을 데이터 조건으로 번역한다.
직업, 업종, 소속 기관, 소비 패턴, 가족 상황, 통신사, 금융 행동 등 관찰 가능한 신호로 바꾼다.
포함 조건과 제외 조건을 함께 만든다.
가장 필요가 큰 사람은 넣고, 메시지와 동기가 맞지 않는 사람은 뺀다.
처음에는 가장 뾰족한 코어 세그먼트만 발송한다.
처음부터 볼륨을 키우기보다 니즈가 가장 강한 집단에서 반응을 확인한다.
메시지에 클릭할 이유를 명확하게 넣는다.
필요한 정보, 시간 절약, 자동화, 포인트처럼 즉시 이해할 수 있는 이유를 제시한다.
A/B 테스트를 하고 충분한 기간을 본다.
하루 이틀 결과보다 주 단위로 비교하면서 CTR과 유입을 확인한다.
메시지가 더 이상 좋아지지 않으면 사람을 바꾼다.
문구 최적화만 반복하지 말고 새로운 세그먼트를 찾는다.
유입 이후 리텐션까지 확인한다.
클릭률이 높더라도 들어온 사용자가 남지 않는다면 타깃과 앱의 실제 가치가 맞지 않을 수 있다.
반복 작업은 AI로 구조화한다.
세그먼트 후보 탐색과 조합은 AI가 돕게 하고, 최종 선택과 메시지 판단에는 사람이 개입한다.

핵심 결론

앱인토스에서 성장하기 위해 가장 먼저 해야 할 일은 기능 개발이 아니라 고객 정의다.

누가 매일 이 앱을 열지 정의하고, 그 사람의 필요를 토스가 제공하는 실제 데이터 조건으로 번역하고, 가장 강한 코어 세그먼트에 메시지를 보낸다.

그리고 클릭률이 낮으면 무조건 메시지만 고치지 않는다.

메시지가 아니라 사람이 틀렸을 수도 있다.

발표자의 접근을 한 문장으로 압축하면 다음과 같다.

좋은 앱을 만든 뒤 고객을 찾지 말고, 강한 필요를 가진 고객을 먼저 찾은 뒤 그 사람을 위한 앱과 메시지를 만들어라.