바이럴 계수
K-팩터
한 줄 정의
기존 사용자 한 명이 초대·추천으로 새 사용자를 평균 몇 명 데려오는지 나타내는 숫자입니다. 바이럴 계수(Viral Coefficient)라고도 하고, 현장에서는 "K값", "K-팩터"라고 부릅니다.
계산식
K = i × conv%
i = 사용자 1명이 보낸 평균 초대 수
conv% = 초대받은 사람 중 실제 사용자가 된 비율(초대 전환율)
- 데이비드 스콕(David Skok)의 바이럴 마케팅 글에 나오는 식이고, AppsFlyer 용어집도 같은 식(K = i × c)을 씁니다.
- 예시 1 (스콕의 예): 고객 10명이 각각 10명씩 초대(i = 10), 초대 전환율 20% → K = 10 × 0.2 = 2. 고객 1명이 2명을 데려오므로 첫 주기 뒤 10 + 20 = 30명.
- 예시 2: 신규 사용자 1,000명이 평균 3건씩 초대해 초대 3,000건 발송, 그중 300명 가입 → 전환율 300 ÷ 3,000 = 10%, K = 3 × 0.1 = 0.3. (검산: 가입 300명 ÷ 초대한 사용자 1,000명 = 0.3)
- K가 0.3이면 이후 주기마다 직전 주기 신규의 30%만 다시 들어옵니다. 300 → 90 → 27 → 8.1 …로 줄어 초대로 늘어나는 사람은 모두 합쳐 약 428명(1,000 × 0.3 ÷ (1 − 0.3) ≈ 428.6)에서 멈춥니다.
값 읽는 법
- K > 1: 사용자 한 명이 한 명 넘게 데려오므로 저절로 불어나는 성장. 스콕은 "바이럴 성장을 하려면 K가 1보다 커야 한다"고 쓰고, AppsFlyer는 실제로 이런 경우가 매우 드물다고 설명합니다.
- K < 1: 초대 유입이 주기마다 줄어 결국 멈춥니다. 다만 광고로 데려온 사용자에 공짜 유입을 더해 주는 효과는 있습니다.
- 바이럴 주기(cycle time): 초대 한 바퀴가 도는 데 걸리는 시간. 스콕은 주기를 줄이는 효과가 K를 올리는 것보다 클 수 있다고 강조합니다.
쉽게 풀어 말할 때
"우리 앱 쓰는 사람 한 명이 친구를 평균 몇 명 데려오느냐는 숫자예요. 한 명이 세 명한테 초대장을 보내고 그중 한 명이 가입하면 K는 1이에요. 1보다 크면 가만히 둬도 사람이 계속 불어나는데, 현실에선 거의 안 나오고 보통은 1보다 작아서 광고에 '덤'을 얹어 주는 정도예요."
업계 말로 말할 때
- "이번 친구 초대 리뉴얼로 K가 0.18에서 0.27까지 올라왔고, 초대 발송 수보다 전환율 개선 효과가 컸습니다."
- "K가 1 안 되니까 바이럴로만 크긴 어렵고, 유료 획득 CAC를 K만큼 깎아 주는 걸로 계산해서 예산 잡겠습니다."
- "초대 링크 열리고 가입까지 평균 4일 걸려요. 주기 줄이려고 초대받은 사람 첫 화면을 딥링크로 바꾸겠습니다."
실무 팁
- i와 conv%를 나눠서 봅니다. K가 낮을 때 초대를 더 많이 보내게 할지(i), 받은 사람이 더 많이 가입하게 할지(conv%)에 따라 할 일이 다릅니다. 앞쪽은 초대 버튼 위치·보상, 뒤쪽은 초대 랜딩 화면과 가입 단계가 손볼 곳입니다.
- '가입'의 기준을 정해 두고 계산합니다. 초대받아 설치만 하고 떠난 사람까지 세면 K가 부풀려집니다. 첫 구매·첫 사용 같은 의미 있는 행동을 기준으로 잡고, 기간(예: 초대 후 7일)도 함께 적습니다.
- K는 이탈률과 같이 봅니다. AppsFlyer는 K가 이탈률보다 크면 사용자 기반이 커지고, 작으면 점점 줄어든다고 설명합니다. 데려오는 속도와 떠나는 속도를 한 장에 놓고 봅니다(이탈률 항목).
헷갈리기 쉬운 말
확인 퀴즈
사용자 1명이 평균 5건의 초대를 보내고, 초대받은 사람의 15%가 가입합니다. K-팩터와 그 의미로 맞는 것은?
정답과 풀이 보기
정답: 1번. 5 × 0.15 = 0.75로 1보다 작아 초대 유입은 주기마다 줄어듭니다. 2번은 소수점 자리를 잘못 계산했고, 3번은 5 ÷ 1.5처럼 나눈 값, 4번은 초대 수(i)를 빼고 전환율만 쓴 경우입니다.