아하 모먼트 찾는 법, 신규 고객 80%를 도달시키는 온보딩

아하 모먼트 이야기가 나오면 거의 항상 토스가 등장합니다. 가입하고 4일 안에 송금을 2번 이상 한 사람은 남고, 그렇지 않은 사람은 떠났다는 이야기입니다. 토스 PO Session에서 공개된 내용으로 알려져 있습니다.

이 글의 결론부터 드리겠습니다. 이 숫자는 우리 회사에 가져다 쓸 수 없습니다. 가져올 수 있는 건 숫자가 아니라 그 숫자를 만든 절차뿐입니다. 그리고 그 절차를 제대로 밟으면, 광고비를 한 푼도 더 쓰지 않고 고객 천장을 몇 배로 올리는 레버를 손에 쥐게 됩니다.

왜 아하 모먼트인가 — 광고로는 못 건드리는 숫자

리인벤팅의 플라이휠 그로스 모델에서 고객 천장(CC)은 신규 유입 수 ÷ 이탈률입니다. 분자인 유입은 광고로 늘릴 수 있습니다. 분모인 이탈률은 광고로 못 건드립니다. 가입 직후 제품 안에서 벌어지는 첫 경험이 결정합니다.

예전에 저는 재방문율을 봤습니다. 그런데 재방문율만으로는 이 서비스의 고객이 어디까지 늘 수 있는지 답이 안 나왔습니다. 이탈률을 분모에 두고 천장을 계산하면서부터, 무엇을 움직여야 하는지가 보이기 시작했습니다. 그 분모를 움직이는 레버가 아하 모먼트입니다.

아하 모먼트를 찾으면 세 가지가 생깁니다.

• 온보딩의 목표가 생깁니다. 「가입 잘 시키기」가 아니라 특정 행동까지 데려가는 것이 목표가 됩니다

• CRM 메시지의 대상이 정해집니다. 그 행동을 아직 안 한 사람에게만 보냅니다

• 팀이 이번 주에 움직이는 숫자를 갖게 됩니다. 매출은 후행이라 이번 주에 안 움직입니다. 아하 모먼트 도달률은 이번 주에 움직입니다

아하 모먼트는 기분이 아니라 한 문장입니다

「고객이 가치를 깨닫는 순간」이라고만 말하면 아무것도 할 수 없습니다. 측정할 수 없기 때문입니다. 실무에서 쓰이려면 세 칸이 채워진 한 문장이어야 합니다.

신규 고객이 [기간] 안에 [행동]을 [횟수] 이상 한다

세 칸이 다 채워지면 그날 바로 세 가지가 가능해집니다. 아직 도달하지 못한 사람 목록을 쿼리로 뽑을 수 있고, 기간이 정해져 있으니 언제 개입할지가 정해지고, 도달률 한 숫자로 주간 회의가 끝납니다.

현장에서 아하 모먼트로 가장 자주 나오는 오답은 세 가지입니다.

• 가입 완료. 가입은 시작점이지 가치를 체감한 지점이 아닙니다

• 첫 구매 자체. 가장 끌리는 후보지만 결과에 너무 가깝습니다. 「구매한 사람이 남는다」는 사실상 동어반복입니다

• 설문 만족도. 「만족한다」고 답한 사람과 실제로 남는 사람은 다릅니다. 말이 아니라 로그에 찍힌 행동으로 찾습니다

후보가 되려면 세 조건을 모두 통과해야 합니다. 우리 데이터로 셀 수 있을 것, 가입 초기에 일어날 것, 회사가 개입해서 늘릴 수 있을 것. 하나라도 빠지면 찾아도 쓸 수 없습니다.

토스의 숫자를 그대로 가져오면 안 되는 이유

토스 사례에는 보통 「95%」라는 기준선이 같이 언급됩니다. 그런데 이 95%는 두 가지 방향으로 인용됩니다. 「남은 사람의 95%가 그 행동을 했다」와 「그 행동을 한 사람의 95%가 남았다」입니다. 앞은 잔존의 필요조건에 가깝고, 뒤는 충분조건에 가깝습니다. 전혀 다른 질문인데, 공개 자료가 양쪽으로 갈려 있고 1차 출처를 확인하기 어렵습니다.

함께 자주 인용되는 페이스북의 「10일 안에 친구 7명」은 더 조심해야 합니다. 회사 차원의 공식 발표로 확인되지 않고, 인용에 따라 「14일 안에 10명」처럼 숫자도 흔들립니다. 기억하기 쉽게 다듬은 구호에 가깝다는 분석도 있습니다.

출처의 확실성과 별개로, 설령 숫자가 정확하더라도 옮겨지지 않습니다.

그래도 두 사례가 공통으로 보여주는 형식은 가져올 만합니다. 단일 행동이고, 기간이 짧고, 횟수가 1보다 큽니다. 그리고 가장 중요한 한 가지, 회사가 돈을 버는 행동이 아니라 고객이 가치를 얻는 행동이 그 자리에 들어가 있습니다. 송금은 토스가 존재하는 이유이고, 친구 연결은 소셜 서비스의 전제입니다.

우리 데이터에서 찾는 다섯 단계

1. 「남았다」를 먼저 정의합니다. 아하 모먼트보다 잔존 정의가 먼저입니다. 가입 후 몇 주 차에 어떤 행동을 한 사람을 남은 것으로 볼지 적습니다. 이게 흔들리면 뒤의 비교가 전부 흔들립니다

2. 후보 행동을 나열합니다. 상세페이지 조회, 장바구니 담기, 찜, 리뷰 열람, 알림 동의, 재방문처럼 화면에서 실제로 일어나는 행동만 적습니다. 세션 수나 체류 시간 같은 합성 지표는 뺍니다. 무엇을 하라는 지시로 번역되지 않기 때문입니다

3. 한 코호트를 잡고 두 집단으로 가릅니다. 같은 달 가입자를 남은 사람과 떠난 사람으로 나누고, 가입 후 첫 1~2주의 행동만 봅니다. 전체 기간을 보면 오래 남은 사람이 모든 행동을 더 많이 했다는 당연한 결과만 나옵니다

4. 후보를 좁힙니다. 기준은 아래에서 설명할 커버리지와 정확도입니다

5. 다른 코호트에서 재현되는지 봅니다. 3월 가입자에서 나온 행동이 4월, 5월에도 같게 나와야 합니다. 한 달에서만 보이면 그달 프로모션의 흔적일 가능성이 큽니다

기간과 횟수는 두 숫자가 동시에 버티는 곳에서 고릅니다

후보 행동이 정해지면 기간과 횟수를 조합해 표를 깝니다. 각 조합마다 두 숫자를 나란히 적습니다.

형식을 보여주기 위한 빈 표입니다. 숫자는 각자의 데이터로 채웁니다.

칸을 채우면 대체로 같은 모양이 나옵니다. 조건을 빡빡하게 할수록 정확도는 오르고 커버리지는 떨어집니다. 횟수 1번은 우연이 섞이고, 횟수를 키우면 맞는 말이지만 대상이 거의 없는 문장이 됩니다.

고르는 규칙은 이렇습니다. 먼저 커버리지가 95% 이상인 조건만 남기고, 그중 정확도가 가장 높은 칸을 고릅니다. 통과하는 칸이 여러 개면 기간이 짧은 쪽을 고릅니다. 개입할 시간이 더 남고 판정도 빨리 끝납니다. 통과하는 칸이 하나도 없으면 기준을 낮추지 말고 행동을 바꿉니다. 기준을 낮춰 만든 문장은 도달률을 올려도 잔존이 따라오지 않습니다.

기간은 제품의 자연 사용 주기보다 짧아야 합니다. 한 달에 한 번 사는 제품에서 30일을 기간으로 잡으면, 결과를 알았을 때는 이미 떠난 뒤입니다.

가장 비싼 실수 — 상관을 인과로 읽는 것

여기까지 찾은 것은 상관입니다. 「그 행동을 해서 남은 것」과 「남을 사람이라 그 행동을 한 것」은 데이터에서 똑같이 생겼습니다. 추천으로 들어온 사람이라 행동도 많이 하고 잔존도 높은, 제3의 이유일 수도 있습니다. 어느 쪽인지 모른 채 첫 번째 해석에 예산을 붙이는 것이 가장 흔하고 가장 비싼 실수입니다.

착각한 채 실행하면 결과는 예측 가능합니다. 쿠폰과 팝업으로 행동률을 밀어 올립니다. 도달률은 목표를 달성하는데 4주 차 잔존 곡선은 움직이지 않습니다. 대리 지표가 목표가 되는 순간 사람들은 그 숫자를 만드는 가장 쉬운 방법을 찾기 때문입니다.

둘을 가르는 방법은 네 가지입니다.

1. 개입 실험. 무작위로 나눈 두 집단 중 한쪽에만 그 행동을 유도합니다. 판정 기준은 행동률이 아니라 잔존입니다. 개입군의 행동률만 오르고 잔존이 같다면 그 행동은 원인이 아니었습니다

2. 조건을 맞춘 비교. 실험이 어려우면 같은 유입 채널, 같은 가입 시기, 비슷한 첫 구매 금액대의 사람들만 모아 행동 유무로 가릅니다

3. 용량-반응. 1번, 2번, 3번, 4번으로 횟수를 늘릴 때 잔존이 단조롭게 오르는지 봅니다. 계단 하나만 있고 그 뒤가 평평하면, 원인이라기보다 「어떤 사람인지」를 알려주는 표식일 가능성이 큽니다

4. 반증용 행동. 설정 화면 열기처럼 제품 가치와 무관한 행동을 같은 방식으로 분석합니다. 이것도 비슷한 상관이 나오면, 찾은 것은 아하 모먼트가 아니라 「활동적인 사람」이라는 사실입니다

트래픽이 적어 실험을 못 돌린다면 이미 벌어진 일을 실험처럼 읽습니다. 기능이 일부 고객에게 먼저 열린 기간, 장애로 그 행동이 막혔던 기간, 수신 거부로 메시지 대상에서 빠진 그룹이 그대로 비교군이 됩니다.

다만 모든 용도에 인과가 필요한 건 아닙니다. 이탈 위험이 높은 사람을 고르는 데는 상관만으로 충분합니다. 「이 행동을 늘리면 잔존이 오른다」에 예산을 붙이는 순간부터 검증이 필요합니다.

왜 80%까지 가야 하나

아래는 설명을 위한 예시 숫자입니다.

하루 신규 5,000명이 들어오는 서비스가 있습니다. 이탈률이 70%면 CC는 약 7,100명입니다. 아하 모먼트 도달률을 끌어올려 이탈률이 5%가 되면 CC는 100,000명이 됩니다. 유입은 똑같습니다. 이탈률만 바뀌었는데 천장이 14배가 됐습니다. 실제 개선폭은 서비스마다 다릅니다.

도달률이 절반에 머물면 들어온 고객의 절반은 가치를 느끼기 전에 떠나고, 그 절반을 데려오느라 쓴 광고비도 같이 새어 나갑니다. 그래서 목표를 80%로 높게 잡습니다.

이 목표가 특히 중요해지는 시점이 있습니다. 광고 예산을 키울 때입니다. 초기 고객은 알아서 가치를 찾아내는 얼리어답터인 경우가 많아서, 온보딩이 허술해도 도달률이 높게 나옵니다. 예산을 키우면 그다음 층, 설명이 더 필요한 사람들이 들어옵니다. 같은 온보딩으로는 이들의 도달률이 떨어지고, 이탈률이 올라가고, 천장이 내려앉습니다. 이걸 「신규 타게팅 실패」로만 읽으면 광고만 계속 고치게 됩니다. 광고를 키우기 전에 도달률부터 확인하는 이유입니다.

80%로 데려가는 온보딩

아하 모먼트를 정하면 온보딩의 목표가 하나로 좁혀집니다. 신규 고객을 최대한 빨리 그 행동까지 데려가는 것.

• 길을 짧게 합니다. 가입 직후 첫 화면에서 그 행동까지 몇 번의 탭이 필요한지 세고 줄입니다

• 안 한 사람에게만 말을 겁니다. 이미 찜 3개를 한 사람에게 「찜해보세요」를 보내면 소음입니다

• 기간 안에 나눠 겁니다. 기간이 7일이면 첫날, 사흘째, 엿새째처럼 나눠서 그 행동으로 가는 메시지를 한 통씩 보냅니다

• 도달률과 잔존 곡선을 같이 봅니다. 도달한 그룹과 못 한 그룹의 리텐션 곡선을 겹쳐 그리고, 곡선이 평평해지는 높이의 간격을 봅니다. 도달률만 오르고 이 간격이 좁아진다면, 쿠폰이나 팝업으로 숫자만 만든 것입니다

「우리는 가입자가 적어서 못 한다」는 말도 자주 듣습니다. 실제로는 두 경우로 갈립니다. 모수가 정말 적다면 몇 달치를 한 코호트로 묶고 비율 대신 사람 수로 셉니다. 더 흔한 건 행동은 일어나는데 기록이 없는 경우입니다. 이건 분석 문제가 아니라 설정 문제라서, 이번 주에 이벤트를 심으면 다음 달부터 답이 나옵니다.

아하 모먼트가 잔존을 실제로 올렸는지는 가입 시점별 코호트로 확인하는 게 가장 정확합니다. 방법은 캠페인은 다 잘됐는데 회사는 왜 그대로일까에 정리해 두었습니다.

확인해 볼 것

• 우리 팀은 「남았다」의 정의를 한 문장으로 적어 둔 적이 있습니까

• 우리 서비스의 아하 모먼트를 기간·행동·횟수 세 칸으로 말할 수 있습니까. 그 문장은 데이터에서 나왔습니까, 회의에서 나왔습니까

• 신규 고객 중 몇 %가 거기에 도달합니까. 광고 예산을 키운 달에도 같습니까

• 그 행동을 늘리면 잔존이 오른다는 걸 잔존으로 판정한 실험이 있습니까

플라이휠 그로스 컨설팅과 리토스로는 이렇게 풉니다

아하 모먼트는 찾는 일과 도달률을 올리는 일이 따로 있습니다.

찾는 일은 플라이휠 그로스 컨설팅이 합니다. 유저 행동 데이터를 분석해 남은 고객과 떠난 고객이 갈리는 행동을 찾고, 커버리지와 정확도로 세 칸짜리 한 문장을 확정하고, 그 행동이 원인인지 검증하는 설계까지 같이 합니다. 도달률 목표를 정한 뒤에는 그 숫자와 잔존이 실제로 오를 때까지 같이 봅니다.

도달률을 올리는 일은 리토스가 맡습니다. 저니 매트릭스 보드의 온보딩 칸에 그 행동으로 이끄는 메시지를 걸고, 아직 행동하지 않은 신규 고객에게만 가도록 조건을 겁니다. 어떤 메시지가 더 많이 도달시키는지는 자동 A/B 테스트가 고릅니다.

첫 행동으로 이끌 콘텐츠가 부족하다면, 컨설팅에서 AI 룩북 제작 워크플로우와 AI 동영상 제작 워크플로우로 온보딩에 쓸 콘텐츠를 만드는 흐름까지 깔아드립니다.

정리

• 아하 모먼트는 CC의 분모인 이탈률을 움직이는 레버입니다. 광고로는 못 건드리는 숫자입니다

• 기간·행동·횟수 세 칸을 채운 한 문장이어야 실행됩니다. 가입 완료·첫 구매·설문 만족도는 아하 모먼트가 아닙니다

• 토스와 페이스북의 숫자는 옮겨지지 않습니다. 가져올 것은 단일 행동, 짧은 기간, 1보다 큰 횟수, 고객이 가치를 얻는 행동이라는 형식입니다

• 커버리지 95%를 넘는 조건 중 정확도가 가장 높고 기간이 짧은 칸을 고릅니다

• 찾은 것은 상관입니다. 예산을 붙이기 전에 행동률이 아니라 잔존으로 판정하는 검증을 거칩니다

• 광고를 키우면 도달률이 먼저 떨어집니다. 예산을 늘리기 전에 도달률부터 확인합니다

자주 묻는 질문

아하 모먼트는 어떻게 정의하나요?

「신규 고객이 [기간] 안에 [행동]을 [횟수] 이상 한다」는 한 문장으로 정의합니다. 세 칸이 채워져야 아직 도달하지 못한 고객을 뽑고, 개입 시점을 정하고, 도달률로 진척을 잴 수 있습니다. 가입 완료, 첫 구매 자체, 설문 만족도는 아하 모먼트가 아닙니다.

우리 서비스의 아하 모먼트는 어떻게 찾나요?

잔존의 정의를 먼저 정한 뒤, 같은 달 가입자를 남은 사람과 떠난 사람으로 나눠 가입 후 첫 1~2주의 행동을 비교합니다. 기간·횟수 조합마다 커버리지와 정확도를 적어 커버리지 95% 이상 중 정확도가 가장 높고 기간이 짧은 조건을 고르고, 다른 코호트에서도 재현되는지 확인합니다.

다른 회사의 아하 모먼트 숫자를 그대로 써도 되나요?

숫자는 옮겨지지 않습니다. 사용 주기, 잔존 정의, 네트워크 효과, 성장 단계가 회사마다 다르기 때문입니다. 가져올 수 있는 것은 단일 행동, 짧은 기간, 1보다 큰 횟수, 고객이 가치를 얻는 행동이라는 형식뿐입니다.

아하 모먼트로 가는 온보딩, 매일 자동으로

AI 그로스 CRM, 리토스. 아직 그 행동을 하지 않은 신규 고객에게만, 맞는 한 통이 갑니다.

→ 리토스 살펴보기

그로스 뉴스레터

CRM과 그로스 실무에서 실제로 써먹을 수 있는 내용만 골라서 보내드립니다.

→ 뉴스레터 구독하기

직방을 유니콘으로 키운 김필준 대표와 30분

우리 서비스의 아하 모먼트가 무엇인지, 성장판에서 어디가 병목인지 그 자리에서 짚어드립니다.

→ 플라이휠 그로스 컨설팅 알아보기