Uber 3억달러 리퍼럴을 굴려본 그가 내린 결론: 인센티브 유저는 가장 나쁜 유저다
Andrew Chen은 a16z 파트너이고, 그 전에는 Uber의 연 3억 달러 규모 리퍼럴 프로그램(“$5 주고 $5 받기”)을 총괄한 사람이에요. 그가 자신의 블로그에 “리퍼럴·무료 체험·쿠폰·게이미피케이션이 데려오는 유저가 왜 최악인가”라는 글을 올렸는데, 한국 마케터·CRM 운영자라면 분기마다 한 번씩 곱씹어 볼 만한 글이라 정리해봤어요.
핵심은 한 줄이에요. “인센티브로 끌어오는 유저는, 자연히 들어왔을 유저보다 거의 항상 더 나쁘다.” LTV는 절반에 가깝고, 전환율도 낮고, 인게이지먼트도 떨어져요.
그리고 이게 단순한 마케팅 잡썰이 아닌 이유는, Andrew가 Uber에서 “몇백만 달러를 안 써도 됐을 돈”으로 직접 확인한 결론이라는 점이에요.
CAC/LTV 스프레드시트가 거짓말하는 순간
새 제품이 시장에 나오면 보통 팀은 LTV·CAC 기본 메트릭을 잡아요. 숫자가 괜찮아 보이면 “인센티브 좀 굴려서 비슷한 유저를 더 데려오자” 결정해요. 스프레드시트 짜고, 예산 잡고, 성장 예측 그리고, 새 그로스 프로젝트가 출발해요.
문제는, 이 모든 종류의 인센티브는 결국 “원래라면 가입하지 않았을 한계 유저(marginal user)” 중에서도 “다른 종류”를 끌어온다는 점이에요. 자격이 덜 갖춰져 있고, 더 할인을 좇고, 행동 자체가 달라요. 부정적 선택(negative selection)이 작동해요.
이건 제품이 시장에 나온 지 좀 됐고, 코어 시장이 이미 어느 정도 포화됐을 때 특히 심해져요. 인센티브를 노린 fraud도 상당히 늘어나요. 단순히 새 계정을 만들어 쿠폰을 따먹는 수준에서, 훨씬 더 조직적이고 악의적인 형태까지요.
그래서 LTV·인게이지먼트 같은 코어 메트릭이 자연 유입의 절반 이하로 떨어지기도 해요. 이 정도면 “인센티브 프로그램을 정당화했던 그 수학”이 깨지기에 충분한 수준이에요. 거꾸로 된 단가 위에서 유저 한 명을 더 얹는 건 top line으로는 기분 좋지만, 비즈니스 모델 입장에서는 “유저가 더 적은 게 차라리 낫다”가 되는 상황이에요. 게다가 그 복잡한 리퍼럴 프로그램에 쏟는 어텐션은, 제품의 다른 곳에서 일어날 혁신에서 어텐션을 빼앗아 가요.
가장 미묘한 함정: 카니발라이제이션
마지막으로, 이게 가장 미묘한데 가장 중요해요. 카니발라이제이션.
타깃 시장이 있고, 제품이 이상적인 유저들 사이로 퍼지는 데는 시간이 걸려요. 이 과정 자체가 마법인데, 입소문은 공짜고, 자연스럽게 일어났을 때 의도(intent)도 더 높거든요. 그런데 이 이상적인 유저들이 인센티브 프로그램을 통해 제품을 만나게 되면, 어차피 결국엔 와줬을 사람들을 “앞당겨서” 비용을 치르고 데려온 셈이 돼요.
Andrew는 Uber에서 이걸 직접 봤다고 해요. 라이더 쪽 리퍼럴 프로그램은 시간이 갈수록 성과가 더 나빠졌고, 다른 채널보다도 못했고, 심지어 유료 광고로 사 온 유저보다도 한참 못한 유저들을 데려왔어요. “안 써도 됐을 몇백만 달러의 지출”이었다고 그는 적었어요.
web3·게이미피케이션 앱이 똑같이 빠지는 함정
이 발견의 함의는 web3나 게이미파이드 소비자 앱 세계로 그대로 연결돼요.
첫째, 본질적인 인게이지먼트와 리텐션이 없는 게임이나 앱에 게이밍 메카닉을 얹는다고 문제가 해결되지 않아요. 오히려 더 나빠질 수도 있어요. 그 새 메카닉이 “메카닉에 반응하는 유저들”, 그러니까 원래 제품 자체엔 관심 없을 사람들을 데려오니까요. web3 초기에 인센티브가 투기꾼을 잔뜩 끌어들였지만, 진짜 게임플레이를 찾지 못한 채 비틀거린 게 그 예예요. 전통적인 게이미파이드 앱도 비슷해요. “어떤 게이미파이드 앱이든 일단 참여하는 유형”의 유저를 끌어와 잠시 끌어안았다가, 기저 앱이 매력적이지 않으니 곧 떠나요.
둘째, 이 모든 동학은 “형편없는 클릭률의 법칙(Law of Shitty Clickthroughs)”과 비슷한 동학을 만들어요. 개별 마케팅 채널이 시간이 갈수록 약해지는 것뿐 아니라, 새로 추가하는 채널들도 (인센티브 기반이라서) 처음 채널보다 더 약해요. 결과적으로 “기계 전체가 점점 느려지고 더 어려워져요.”
인센티브가 항상 나쁜 건 아니다: Uber 드라이버 사례
흥미로운 반례가 있어요. Uber의 드라이버 쪽 리퍼럴 프로그램은, 오히려 매우 긍정적으로 선택된(positively selected) 유저들을 데려왔어요.
라이더 리퍼럴이 “할인을 좇는 사람”을 모았다면, 드라이버는 “돈에 강하게 동기 부여된 사람”을 모았어요. 그들은 동기가 강하고 큰 리퍼럴 바운티에 반응해 가입했고, 가입 후 실제로 더 잘 일했어요. 사인업의 15%가 리퍼럴 채널이었는데, 첫 운행(first trip) 기준으로는 30% 이상을 차지했어요.
같은 인센티브가 한쪽에선 최악의 셀렉션을, 다른 쪽에선 최고의 셀렉션을 만들었다는 거예요. 같은 회사 안에서요.
한 줄로 요약하면
Andrew의 결론은 한 문장이에요.
“인센티브는 셀렉션의 한 형태다. 당신이 무엇을 선택하고 있는지 정확히 알아야 한다.”
CRM 캠페인, 리퍼럴 프로그램, 쿠폰, 라이프사이클 알림톡까지, 우리가 메시지에 인센티브를 얹는 모든 순간이 사실은 “어떤 유저를 데려올지”를 정의하는 셀렉션 행위라는 거예요. 잘 되면 Uber 드라이버처럼 최고의 유저를 뽑고, 잘못 설계하면 Uber 라이더처럼 가장 비싼 채널이 가장 약한 코호트를 만들어내요.
한국 시장에서 “가입하면 5천원 쿠폰”, “친구 초대하면 1만 포인트”가 기본기처럼 깔린 상태라서 더 곱씹어 볼 만한 글이에요. 그 인센티브 위에서 어떤 LTV가 만들어지고 있는지, 그게 자연 유입 코호트와 어떻게 다른지를 짚지 않은 채 굴리고 있다면, 우리도 “안 써도 됐을 몇 억 원”을 쓰고 있을지도 몰라요.
본 글은 Andrew Chen에서 발행한 원문 Why the worst users come from referral programs, free trials, coupons, and gamification을 번역한 것입니다. 원문의 의도와 다를 수 있으며, 정확한 내용은 원문을 참고하세요.