- 추천(Referral) 프로그램은 "5달러를 주고 5달러를 받는" 형태로 많은 앱에서 볼 수 있으며, 최근 몇 년간 인기를 끌고 있음
- 사용자들이 제품 내에서 사용할 수 있도록 CAC(고객 획득 비용)를 사용자에게 제공함으로써, 구글이나 페이스북과 같은 유료 마케팅 채널보다 큰 이점을 가짐
- 특히 고객 획득 비용이 높은 틈새 시장을 대상으로 하는 제품에 유용하며, 추천 프로그램은 전체 고객 유입 경로의 20-30%를 차지할 수 있음
- 추천 프로그램이 만병통치약은 아니지만 다른 마케팅 활동을 보완하기 위해 추가할 가치가 있음
추천 프로그램의 역사
- 최초의 문서화된 추천 프로그램은 기원전 55년 율리우스 시저가 군인들에게 친구를 군대에 모집하면 연봉의 약 1/3에 해당하는 300 세스테르티우스를 지급한 것으로 알려짐
- 드롭박스의 혁신적인 추천 프로그램은 2008년경 시작되었으며, 많은 스타트업들이 비슷한 아이디어를 실험하는 데 영감을 줌
- 친구를 초대하면 500MB 추가 저장 공간을 얻는 방식
- 15개월만에 10만 사용자에서 4백만명이 됨. 매일 가입자중 35%가 추천에 의한 것. (20%는 공유 폴더 및 다른 바이럴 기능으로 부터)
- 특히 이미 입소문을 통해 퍼지고 있는 제품에 매우 효과적. LTV가 낮은 제품에는 효과적이지 않음
추천 프로그램의 구조
- 추천 프로그램은 Airbnb, Uber, Instacart, Coinbase, Wealthfront 등 다양한 회사에서 구현되며, 몇 가지 공통적인 패턴을 가짐
- 프로그램을 구성할 때 다음과 같은 질문에 답해야 함:
- 질문: 언제 사용자에게 추천을 요청할 것인가? 왜 추천을 요청하는가? 메시지는 무엇인가?
- 대상: 어떤 사용자를 대상으로 할 것인가? 추천 금액은 어떻게 설정하는가?
- 인센티브: 어떤 인센티브를 제공할 것인가? 외부($) 또는 내부(포인트, 저장공간등) 초대한 사람과 받는 사람에게 동일한 보상을 줄것인가?
- 페이백: 프로그램의 성공 기준은 무엇인가? 카니발라이제이션에 대해 어떻게 생각하는가 ?
- AirBnB를 이에 따라 생각해보면
- 질문 : 집 전체 또는 개인 룸 하나를 임대할 수 있는 사람을 초대하세요
- 대상 : 모든 에어비앤비 이용자
- 인센티브 : $200 획득
- 페이백 : CAC가 다른 마케팅 채널에 비해 더 우수하며 비교 가능(이 부분은 추측임)
추천 요청(The Ask)
- 정말 중요한 것은 "어디에서 물어보는가?"임
- 여러 번 물어 볼것. 여러 장소에서 다양한 메시지를 사용. 사용자에게 요청하는 상황에 맞게.
- 배너에 추천 기능을 쓴다고 사람들이 이용하지 않음
- 추천 요청 화면을 주요 화면의 일부로 만들어 더 자주 표시할 것
- 사용자가 앱 내에서 무언가를 구매한 후나 친구와 상호작용한 후에 요청하는 것이 좋음
- 온보딩 흐름에 추가하고, 사용자가 작업을 마치거나 하면 그때 참여를 유도할 수 있음
- 절대 "광고"처럼 보이게 만들지 말 것
- Uber는 추천 캠페인을 'holidizing'하여 운영 (휴일과 연계하여 추천 프로그램을 맞춤화하거나 조정하는 것)
- 운전자들에게는 휴일이 다가오면 추천 프로그램에 참여해서 추가 수익을 얻으라고 알리거나
- 주요 콘서트가 열리는 동네에서는 1명을 초대하면 X를 받지만 5명 초대하면 5*X를 받는 계층형 특별 캠페인을 실행하는 것도 가능
- 주요 휴일 마다 새로운 금액/새로운 이미지를 이용하여 메시지를 업데이트하는 것도 좋음
- 다양한 메시지와 맥락에 맞춰 여러 번 요청하는 것이 중요함
대상 설정(The Target)
- 추천 프로그램은 "새로운 사용자"가 친구를 추천하도록 초점을 맞추어야 함
- 초기 온보딩 흐름중에 사용자에게 메시지를 표시하고, 온보딩의 일부로 친구들의 이메일을 추가하도록 함
- 초대를 보내기 전에 먼저 제품을 경험하라고 하는 의견과 정반대인데, 이용하고 빠지기 전에 먼저 초대하는게 좋고, 그래서 더 많이 보내는게 성공확율이 더 높아짐
- 사용자의 가치에 따라 다른 추천 금액을 설정하는 것이 효율적일 수 있음
- 많은 마켓플레이스 회사들이 이렇게 하고 있음
- 뉴욕/샌프란 과 멤피스 라면 각 장소별 금액이 달라야 함
인센티브(The Incentive)
- 드롭박스의 경우 저장 공간을 인센티브로 제공했으며, 이는 내부적 보상과 외부적 보상 사이의 딜레마를 보여줌
- 내부적 보상은 비용 효율적이지만, 외부 사용자에게는 반응이 적을 수 있음(제품에 대해서 알지 못한다면 더더욱)
- 드롭박스의 스토리지는 구체적인 가치 형태이기 때문에 내부/외부 중간적 위치임
- 결과적으로 대부분의 추천 프로그램은 시간이 지남에 따라 달러로 향하는 경향이 있지만, 중요한 건 새로운 외부 사용자의 우선 순위를 정하고 인센티브를 최대한 구체적으로 만드는 방법에 대해 생각하는 것
- 인센티브 금액 설정은 CAC/LTV 계산을 기반으로 하며, 더 큰 금액을 제공하는 계층적 오퍼가 더 효과적일 수 있음
- 금액을 올리기 위해서는 "가입하면 $5" 보다 "가입하고 5개를 구매하면 $100" 같은 것도 가능
- 가입 전환률과 재구매 전환률이 100x 까지 차이가 난다면, 인센티브를 20x 까지 안전하게 올릴 수 잇음
- “give $20, get $5” 와 “give $5, get $20.” 에서 일반적으로 초대자 중심의 금액이 더 잘 작동함. 즉 초대자가 이익이 더 많은 쪽
보상(The Payback)
- 추천 프로그램 전략을 추진하려면 일종의 ROI 지표가 필요하고, 이를 측정하기 위해 CAC/LTV 분석을 사용
- 캐니벌라이제이션(기존에 무료로 유입될 사용자가 추천 때문에 유료로 유입시키는 현상)을 고려해야 함
- 이를 위해서는 A/B 테스트를 통해서 "Cost Per Incremental Customer(증분 고객당 비용)" 같은 것을 측정해야함
- 또는 간단하게 단순히 On/Off 테스틀 통해서, 추천 프로그램을 껐을때 신규 사용자수가 크게 감소한다면 추천 프로그램이 동작하고 있는 것
추천 프로그램의 한계
- 드롭박스는 결국엔 추천 프로그램에 덜 의존하게 되었음
- 시장이 성숙함에 따라 추천 프로그램의 중요성은 감소하며, 제품의 자연스러운 네트워크 효과가 사용자 획득을 주도하게 됨
- Dropbox처럼 진정한 네트워크 효과가 있는 제품의 경우, 추천 보상과 같은 외적인 요소보다는 폴더 공유와 같은 내재적인 사용 사례가 결국 신규 사용자 확보를 주도하게 될 것
- 추천 프로그램보다는 바이럴 기능을 구축하는 것이 더 지속적인 가치를 창출함
- 바이럴 기능을 구축하는 것과 추천 프로그램을 구축하는 것은 사용자가 친구를 초대하도록 유도하는 비슷한 문제이지만, 공유와 소통을 중심으로 하는 진정한 바이럴 기능은 영속적이며 지속적인 가치를 창출
- 이러한 기능은 사용자의 참여와 유지에 도움이 되며, 부수적인 효과로 신규 사용자도 창출할 수 있음. 신규 사용자를 무료로 플랫폼으로 끌어들일 수 있다는 것은 큰 이점.
- Dropbox의 경우, 더 복잡한 추천 구조를 만드는 대신 팀원들을 프로젝트에 초대하거나 파일 공유 등의 제품 기능에 투자하는 것을 의미
- Uber의 경우, '도착 예정 시간 공유'나 청구서 분할 또는 단체 음식 주문과 같은 기능에 바이럴을 구축하는 것을 의미