바이럴은 과학이다

Effects of Viral Coefficient, Retention Rate, and Cycle Time on Viral Expansion

바이럴(viral)이란 무엇인가? 바이럴 마케팅[1]의 성공사례는 많지만 직접 실행해 보면 얼마나 어려운지 알게 된다. 그래서 대부분의 경우에는 결과에 실망하고 “역시 매스 미디어(mass media) 마케팅이야”라고 성급히 결론짓기도 한다. 왜 이런 일이 벌어질까? 이는 바이럴 확산의 근본적인 메커니즘에 대한 이해가 없기 때문이다.

고객이 제품을 추천하고 다른 사용자를 가입시키면 물질적 인센티브(incentive)를 제공하는 것을 바이럴 공식이라고 생각한다. 하지만 바이럴 확산은 예술이자 과학이다. 이 글에서는 바이럴이 왜 과학인지 감염과 확산 측면에서 살펴보고자 한다. 이 글을 통해 바이럴을 막연한 입소문이 아니라 비즈니스의 성공(네트워크의 성장)을 측정하는 과학적 지표이자 근거로 활용할 수 있는 계기가 되기 바란다.[2]

어떻게 바이러스에 감염되는가?

우선 바이럴 확산을 논하기에 앞서, 바이러스에 어떻게 감염이 되는지 의학적 관점에서 기본 모형을 간단히 이해하고 넘어가자. 의학 연구에서 바이러스 확산을 설명하는 가장 기본적인 모형은 바로 SIR(Susceptible-Infected-Recovered)[3]모형이다. 이 모형은 사람들이 바이러스에 감염 가능한 상태에서 감염된 상태로, 이후에 회복된 상태가 되는 것을 가정한다. 이를 그림으로 나타내면 다음과 같다.

바이러스의 확산은 감염자가 전염 가능자를 감염시키고 이들이 다시 전염 가능자를 감염시키는 사이클(cycle)을 통해 일어난다. 일부는 치유가 되어 이 사이클에서 벗어나기도 하고, 이는 곧 바이러스의 확산을 막게 된다.

최초 감염자(고객)는 주변의 사람(잠재 고객)에게 바이러스를 노출시키고(초대하고), 노출된 사람 중 일부가 감염된다(초대에 응한다). 감염자 중 일부는 다시 주변의 사람에게 바이러스를 노출시키는 사이클을 시작한다. 하지만 나머지는 회복되어(이탈하여) 더 이상 바이러스를 전파하지 못한다. 물론 회복된 사람들(이탈 고객)은 다시 감염 가능한 상태가 되기도 한다(SIR 모형에서는 회복한 사람들은 면역력을 갖는 것으로 가정하지만 확장된 모형에서는 다시 감염 가능 상태가 되는 것으로 가정하기도 한다).

이러한 과정을 살펴보면 바이럴 확산이 일어나기 위해서는 몇 가지 조건이 필요한 것을 알 수 있다. 우선, 감염자가 새로운 감염자를 만드는 사이클을 통해 감염자가 지속적으로 늘어날 수 있는 선순환이 만들어져야 한다. 그러기 위해서는 한 명의 감염자가 한 명을 초과하여 감염시켜야 한다.[4]

둘째, 감염자가 바이러스를 전파하는 상태에 머물러야 한다. 바이러스가 너무 약해서 바로 회복되거나 너무 강력해서 치사율이 높은 바이러스는 확산되지 못한다. 마지막으로, 위의 그림에서는 명확하지는 않지만 감염 사이클이 짧아야 한다. 만약 감염자가 비감염자를 감염시키는데 걸리는 시간이 길다면 확산의 속도 또한 매우 느릴 수밖에 없다.

1) 한 명의 감염자가 한 명을 초과하여 감염시켜야 한다

바이러스의 전염성을 나타내는 수치로 바이럴 계수(Viral Coefficient = K)가 사용된다. 바이럴 계수는 감염자 한 명이 일정 주기(cycle time) 내에 감염시키는 감염자의 수다. 아래 그림은 최초 감염자가 100명, 바이러스 전염의 주기가 1개월이라고 가정하고 12개월 동안 감염자 수가 바이럴 계수의 변화에 따라 어떻게 변하는지를 보여준다(수식에 관심 있는 독자들은 글의 마지막 부분을 참조하기 바란다).

바이럴 계수가 1을 초과하면(K > 1) 가입자수가 기하급수적으로 증가한다(초기 가입자 수 100명, 감염 기간 30일, 고객 유지율 1 가정)

바이럴 계수가 1을 초과하면(K > 1) 가입자 수가 기하급수적으로 증가한다(초기 가입자 수 = 100명, 감염 사이클 주기 = 30일, 고객 유지율 = 1.0 가정).

위 그림에서 바이럴 계수 1을 중심으로 확산의 패턴이 달라지는 것을 볼 수 있다. 바이럴 계수가 1인 경우, 감염자의 수는 선형적으로 증가하고 이보다 작은 경우에는 일정 시점에 이르면 성장을 멈춘다. 이에 반해 1을 초과하는 경우에는 기하급수적으로 증가한다. 여기서 주목할 점은, 바이럴 계수의 작은 차이가 사이클이 반복됨에 따라 매우 큰 사용자 수의 차이로 나타난다는 것이다. 따라서 바이럴 확산을 원하는 기업은 바이럴 계수를 측정하고 이를 1보다 크게 만드는 것이 매우 중요하다. 이를 위해서는 바이럴 계수의 정의부터 숙지해야 한다.

K = 노출시킨 사람 수(초대 수) x 감염률(초대받은 사람의 가입률)

즉 한 고객이 10명에게 초대를 보냈을 때, 이 중에서 10%가 가입했다면 K = 1이다. 따라서 K를 늘리기 위해서는 한 고객이 잠재 고객에게 보내는 초대 수를 늘리거나 초대를 받은 잠재 고객들의 가입률을 늘려야 한다. 이를 위해서 초대 프로세스와 가입 프로세스의 단계를 최소화하고 매우 쉽게 하는 것이 물론 중요하다. (이보다 더 중요한 것은 친구를 초대하고 싶은 제품·서비스를 제공하는 것이지만 이 글에서는 별도로 다루지 않는다.)

2) 바이러스에 감염된 고객이 감염 상태로 머물러야 한다

아무리 바이럴 계수가 높다 해도 감염에서 회복하거나 사망 등으로 사이클을 중단시키는 사람의 수가 많아지면 위의 선순환은 무력화된다. 그 예로 에볼라 바이러스는 감염률이 매우 높은 동시에 치사율 또한 매우 높다. 이런 경우에는 바이럴 사이클이 유지되지 못하기 때문에 전 세계적으로 에볼라 바이러스가 확산되지 않은 것이다.[5]

많은 기업들이 가입자 수에 집중하다가 감염된 고객들이 회복(탈퇴 또는 비활성화)되는 것이 확산에 미치는 영향에 대해서는 간과하고 있다. 기존의 비즈니스(TV, 통신 서비스 등)에서는 구매 또는 가입을 하게 되면 제품 또는 계약에 따라 대부분의 고객이 그대로 유지되었다. 그러나 오가닉 비즈니스에서는 가입이 반드시 고객의 활성화로 직결되지 않는다. 아래 그림은 바이럴 계수가 1.4인 경우 고객 유지율(retention rate)이 확산에 미치는 영향을 보여 준다(가입한 고객이 초대를 하지 않고 탈퇴 또는 비활성화되는 것으로 가정했다).

고객 유지율(retention rate)이 감소하면 확산의 속도가 급격히 줄어든다(초기 가입자 수 100명, 감염 기간 30일, K = 1.4 가정)

고객 유지율(retention rate)이 감소하면 확산의 속도가 급격히 둔화된다(초기 가입자 수 = 100명, 감염 사이클 주기 = 30일, K = 1.4 가정).

위 그림을 보면 유지율이 낮아지면서 성장률 또한 급격히 낮아지는 것을 볼 수 있다. 이는 감염의 선순환 과정이 미처 완성되기 전에 빠져나오는 사람들이 많아지면서 실질적으로 바이럴 계수를 낮추기 때문이다. 예를 들어, 유지율이 0.5인 경우 유효 바이럴 계수는 0.7(= 1.4 x 0.5)이다. 이렇게 유지율이 낮은 상태에서 (바이럴) 확산에만 집중하는 것은 밑 빠진 독에 물 붓는 격이다. 따라서 바이럴 확산을 성공시키기 위해서는 고객 유지율을 제대로 정의하고, 측정하고, 높이는 것이 선결 조건이다.

3) 몇 명을 감염시키느냐 보다 얼마나 빠른 시간 내에 감염시키는가가 더 중요하다

마지막으로, 바이럴 확산의 효율성을 높이기 위해 매우 중요한 요소임에도 불구하고 간과되는 부분을 짚고 넘어가고자 한다. 감염 사이클 주기(viral cycle time), 즉 한 사람이 다른 사람을 감염시키는 데 걸리는 시간이다.

초기 고객의 수가 100명이고 바이럴 계수가 1.4인 경우를 생각해보자. 바이럴 확산이 일어나더라도 100명이 1년 후에 2만 명이 되는 것은 별 효과가 없다고 생각할 수 있다. 여기서 효과를 증대시키는 한 가지 방법은 바이럴 계수를 높이는 것이다. 바이럴 계수를 2로 높이면 동일한 가정하에 감염자 수는 80여만 명이 된다. 하지만 더 쉽고 효과적인 방법은 감염 사이클 주기를 줄이는 것[6]이다. 감염 사이클 주기를 반(한 달에서 15일)으로 줄이면 1년 후의 감염자 수는 110여만 명이 된다.

바이럴 감염 주기를 줄이면 확산의 속도가 급격히 빨라진다(초기 가입자 수 = 100명, 고객 유지율 = 1.0, K = 1.4 가정).

바이럴 감염 주기를 줄이면 확산의 속도가 급격히 빨라진다(초기 가입자 수 = 100명, 고객 유지율 = 1.0, K = 1.4 가정).

특히 감염 사이클 주기를 줄이는 것은 바이럴 계수를 늘리는 것보다 쉽기 때문에(초대할 사람이 조금 빨리 초대하게 하는 것이 초대하지 않을 사람을 초대하게 하는 것보다 쉽다) 사이클 주기를 측정하고 이를 줄이기 위해 노력해야 한다.

‘해피 바이러스’의 확산은 일반 바이러스 감염과 어떻게 다른가?

그러나 일반 바이러스의 감염과 우리가 확산시키려고 하는 메시지·제품·서비스의 확산 사이에는 분명히 다른 점이 존재한다. 이러한 메시지·제품·서비스를 ‘해피 바이러스’라 일컫도록 하자. 해피 바이러스는 첫째, 대부분 자발적인 전파에 의해 확산된다. 둘째, 누가 전파했느냐에 따라 그 전염성이 달라진다. 셋째, 많은 사람들이 감염될수록 전염성이 높아진다. 바이럴 확산을 성공시키기 위해서는 이러한 차이점에 세심한 주의를 기울여야 한다.

1) 해피 바이러스는 자발적 전파에 의해 확산된다

일반 바이러스는 자신도 모르게 전파를 시키는 반면에 해피 바이러스는 감염자의 자발적인 행동에 의해 전파되는 경우가 대부분이다. 핫메일의 경우처럼 서비스를 사용하는 행위 자체가 공유·추천을 의미하는 경우도 있고, 페이스북 등에 애플리케이션, 콘텐츠 등을 추천하는 경우도 있다. 이 모든 행동은 자발적인 의사결정을 통해 이뤄진다. 이때 공유나 추천을 받은 사람들이 추천을 한 자신을 어떻게 생각할지 신경 쓰지 않을 수 없으므로 그런 공유나 추천이 스팸이 되지 않도록 정성을 기울인다.

많은 기업들이 좋아요·공유 이벤트를 내걸거나 추천을 통한 가입에 경제적 인센티브를 제공하고 있다. 하지만 근본적으로 공유나 추천하고 싶지 않은 서비스의 경우, 이러한 인센티브는 도움이 되지 않는다. 왜냐하면 경제적 인센티브 때문에 움직인 사람들은 대부분 곧 (감염 사이클의 선순환 과정을 완성시키지도 않고) 이탈하기 마련이다.

2) 해피 바이러스의 전염성은 누가 전파했느냐에 따라 달라진다.

일반 바이러스는 전파하는 사람이 누구냐에 따라 전염성이 달라지지 않지만 해피 바이러스의 경우에는 전파하는 사람의 영향력에 따라 전염성(가입률)이 달라진다. 말콤 글래드웰(Malcolm Gladwell)이 주장했듯이 전문가(maven) 또는 인플루언서(influencer)들이 해피 바이러스의 전파에 중요한 역할을 할 수 있다.[7]

이러한 측면에서 많은 기업들이 유명 연예인(celebrity) 등을 이용한 인플루언서 마케팅에 집중[8]한다. 하지만 사전에 누가 효과적인 인플루언서가 될지 알기 어렵고 많은 경우 자신과 가까운 사람들로부터 더 큰 영향을 받기도 하기 때문에[9] 인플루언서 마케팅에만 집중해서는 바이럴 확산이 성공하기 어렵다. 따라서 유명한 연예인, 팔로어(follower)가 많은 사람 등을 인플루언서로 단정해서는 안된다는 뜻이다. 바이럴 확산 과정에서 누가, 어떤 인플루언서로, 어떤 컨텍스트에서 부각되는지 사후적으로 분석하는 것이 확산만큼 중요하다.

3) 해피 바이러스의 전염성은 얼마나 많은 (주변) 사람들이 감염되었냐에 따라 달라진다.

일반 바이러스는 많은 사람들이 감염되었다고 해서 바이러스의 전염성 자체가 높아지지는 않는다(노출이 많이 됨으로써 감염될 확률 자체는 높아진다). 하지만 해피 바이러스는 감염된 사람의 수에 의해 바이러스의 전염성 자체가 달라진다. 이에는 크게 두 가지 원인이 있다.[10]

첫 번째는 네트워크 효과가 발생하기 때문이다. 주변의 사람들이 많이 감염되면 해피 바이러스의 가치가 상승하는 것이다. 하지만 네트워크 효과는 서로 전혀 관련 없는 사람들이 감염되었을 때는 크게 유발되지 않는다. 따라서 네트워크 효과가 있는 서비스라면, 임의의 다수에게 감염시키기보다는 강한 연결로 묶인 무리를 전체 감염시켜 무리 내에서의 네트워크 효과를 유발하고 이를 주위의 무리로 다시 확산시키는 방법이 더 효과적[11]이다.

두 번째는 소위 정보 낙수(information cascade) 효과 때문이다.[12] 우리는 베스트셀러를 구입하고, 공유가 많이 된 글을 공유한다. 네트워크 효과가 없다면 베스트셀러가 되었다고, 공유가 많이 되었다고 제품·서비스의 가치가 높아지지 않는다. 하지만 이러한 (판매, 리뷰, 공유 등의) 정보는 해피 바이러스에 감염되지 않은 사람들이 의사결정을 내릴 때 매우 중요한 역할을 한다.

결과적으로는 다른 사람들의 행동을 모방하는 것처럼 보이지만 이는 사회적 압력(social pressure)에 의한 생각 없는 모방이 아니라, 제한된 정보를 가진 개인이 할 수 있는 합리적인 행동이라 할 수 있다. 따라서 똑같은 글이라도 공유가 100번 된 글과 5,000번 된 글의 가치는 다르다고 할 수 있다. 많은 기업들이 양떼 효과를 노리고 많은 비용을 들여 블로그에 긍정적인 리뷰(리뷰라 쓰고 광고라 읽는다)를 남기고 좋아요·공유 수를 늘리지만 진정성이 없다면 반짝 효과에 그칠 수밖에 없다.

지금까지 바이럴 확산의 메커니즘과 확산을 측정하는 데 필요한 핵심적인 지표에 대해 알아보았다. 일반 바이러스의 감염, 해피 바이러스 감염의 특성 등을 숙지한다면 오가닉 비즈니스를 막연한 단계에서 보다 과학적으로 측정 가능한 단계로 끌어올릴 수 있다.

우리는 비즈니스의 성공 지표, 측정 지표로 항상 회원 수, 인당 지출, 매출 등의 결과값에만 집중해왔다. 하지만 오가닉 비즈니스라는 것은 결과보다 과정에 집중하는 접근이다. 바이럴 확산의 관점을 정확히 이해한다면 네트워크 성장의 과정·원리를 이해하고 과학적인 지표를 하나씩 설정해 갈 수 있는 힌트를 얻게 될 것이다.

이 글을 통해 바이럴 확산의 원리는 이해했지만 제품·서비스의 확산과 마케팅에 있어서 빠질 수 없는 마케팅 비용의 역할에 대해 여전히 궁금증이 남아 있을 것이다. 실제로 위와 같은 유기적 방법만 사용할 경우 대부분 바이럴 계수가 1을 넘지 못하기 때문이다. 다음 글에서는 바이럴 확산의 원리와 마케팅 비용을 어떻게 조합하여 최대의 효과를 얻을 것인지에 대해 다룬다.

*참고: 바이럴 확산 모형

이 글에서 사용한 모형은 다음과 같다. 이 모형은 데이빗 스콕(David Skok)의 바이럴 확산 모형[13]에 고객 유지율을 추가한 것으로 간결성을 위해 탈퇴 고객이 다른 고객을 초대하지 않고 떠나는 것으로 가정했다.

Custs(t) = Custs(0) * ((K*r) ^ (t/ct +1) – 1)  /  ((K*r)-1)

Custs(t): t 시점의 고객 수
Custs(o): 최초 고객 수
K: 바이럴 계수(viral coefficient)
r: 고객 유지율(retention rate)
ct: 바이럴 사이클 주기(viral cycle time)

<갈림 길>


  1. Steve Jurvetson, "What exactly is viral marketing?" Red Herring, May 2000, https://currypuffandtea.files.wordpress.com/2008/03/viral-marketing.pdf.
  2. 어떤 콘텐츠(content)가 감염성이 높은지, 어떻게 감염을 더 쉽게 만드는지 등, 바이럴 확산의 예술적인 측면에 대해서는 Heath 형제의 Made to stick(번역서: 스틱)과 이의 아류인 Jonah Berger의 Contagious를 읽어보기 권한다.
  3. "Epidemic model," Wikipedia, https://en.wikipedia.org/wiki/Epidemic_model.
  4. Adam Pennenber, Viral Loop, Hyperion, 2009.
  5. Duncan Watts, Six Degrees, Norton, 2003, p. 163.
  6. David Skok, "Lessons Learned – Viral Marketing," For Entrepreneurs, http://www.forentrepreneurs.com/lessons-learnt-viral-marketing/.
  7. Malcolm Gladwell, Tipping Point, Little, Brown and Company, 2000.
  8. Kyle Wong, "The Explosive Growth Of Influencer Marketing And What It Means For You," Forbes, Sep 10, 2014, http://www.forbes.com/sites/kylewong/2014/09/10/the-explosive-growth-of-influencer-marketing-and-what-it-means-for-you/.
  9. Clive Thompson, "Is the Tipping Point Toast?" Fast Company, Feb 1, 2008, http://www.fastcompany.com/641124/tipping-point-toast.
  10. David Easley and Jon Kleinberg, Network, Crowds, and Markets, Cambridge University Press, 2010.
  11. Hanool Choi, et al., "Role of network structure and network effects in diffusion of innovations," Industrial Marketing Management, January 2010.
  12. 일반적으로 양떼 효과(herding effect)라고도 한다. 하지만 양떼 효과는 비합리적인 군중심리를 나타내는 것으로 오해할 소지가 있어 어렵지만 정보 낙수(information cascade)라는 용어를 사용했다.
  13. David Skok, "Lessons Learned – Viral Marketing," For Entrepreneurs, http://www.forentrepreneurs.com/lessons-learnt-viral-marketing/.

답글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다.