리퍼럴과 공유 설계 (추천이 일어나는 조건 만들기)
리퍼럴과 공유 설계는 기존 사용자가 아는 사람에게 앱을 추천하게 만드는 계기와 보상을 제품 안에 심어, 광고 없이 이어지는 유입 경로를 만드는 작업입니다.
🤔 혹시 이런 생각 해본 적 없나요?
- "친구 초대 기능을 넣었는데 아무도 쓰지 않는다."
- "광고 없이 들어오는 설치를 늘리고 싶은데 어디부터 만져야 할지 모르겠다."
- "초대 링크로 온 가입이 얼마나 되는지 세어 본 적이 없다."
딥링크 실전에서 공유와 초대는 받는 쪽의 기기와 설치 여부를 알 수 없는 대표적인 경우라고 했습니다. 이번 클래스는 그 링크가 오가게 만드는 쪽, 곧 추천이 일어나는 조건을 설계하는 이야기입니다.
🗣️ 광고보다 힘이 센 유입은 아는 사람의 한마디입니다
리퍼럴과 공유 설계는 기존 사용자가 아는 사람에게 앱을 추천하게 만드는 계기와 보상을 제품 안에 심어, 광고 없이 이어지는 유입 경로를 만드는 작업입니다.
동네에서 소문난 맛집을 떠올리면 구조가 보입니다. 전단지를 보고 간 가게보다 친구가 진짜 맛있다고 데려간 가게를 더 믿게 되고, 가서 좋았다면 나도 다른 친구를 데려갑니다. 신뢰하는 사람의 추천은 광고가 넘기 힘든 문턱, 그러니까 이걸 설치해도 되는지 의심하는 마음을 대신 넘어 줍니다. AARRR 퍼널의 네 번째 R인 Referral이 이 단계이고, 잘 돌기 시작하면 획득 비용 없이 새 사용자가 들어오는 길이 하나 생기는 셈입니다.
다만 순서가 있습니다. 서비스가 쓸 만하지 않은 상태에서 초대 보상만 크게 걸면, 보상만 받고 떠나는 유입이 몰려 리워드 캠페인에서 본 문제가 제품 안에서 재연됩니다. 추천은 만족의 결과이지 만족의 대체재가 아닙니다.
📐 공유가 일어나는 세 가지 조건
공유 기능이 있다는 것과 공유가 일어난다는 것은 다릅니다. 잘 도는 서비스들의 공통 조건은 세 단어로 정리됩니다.
- 편리하게: 공유까지의 동작 수가 적어야 합니다. 링크 복사, 카카오톡 공유처럼 두세 번의 터치로 끝나야 하고, 딥링크가 깔려 있어 받는 쪽이 헤매지 않아야 합니다.
- 자주: 공유할 계기가 서비스 사용 중에 반복해서 나와야 합니다. 일 년에 한 번 나오는 초대 팝업보다, 쓰다 보면 자연스럽게 마주치는 계기가 힘이 셉니다.
- 자연스럽게: 공유가 사용자 자신에게도 의미가 있어야 합니다. 함께 쓰면 좋아지는 기능, 자랑하고 싶은 결과물처럼 공유 자체가 사용 경험의 일부인 경우입니다.
버튼을 놓는 자리도 이 조건을 따라갑니다. 가장 간편한 곳에, 가장 필요한 곳에, 가장 당연한 곳에 두는 것이 원칙입니다. 가계부 앱이라면 월말 결산 화면에, 게임이라면 기록 달성 화면에, 지도 앱이라면 장소 상세 화면에 공유가 있어야 그 순간의 마음과 버튼이 만납니다.
반대로 조심할 것이 기능 자랑입니다. 이것도 되고 저것도 된다는 안내를 쏟아부으면 추천할 이유가 많아지는 것이 아니라, 무엇을 추천해야 할지 모르게 됩니다. 추천은 한 가지 확실한 좋음에서 나옵니다.
🎁 보상은 양쪽으로, 행동에 붙여서
보상 설계의 기준을 보여 주는 오래된 교과서가 드롭박스의 추천 프로그램입니다.

공식 도움말 기준으로 무료 사용자는 추천 1명당 500MB를 받고, 추천으로 가입한 친구도 500MB를 추가로 받습니다. 여기서 읽을 것은 용량이 아니라 구조 두 가지입니다.
- 양쪽 보상입니다. 초대한 쪽에만 보상이 몰리면 받는 사람에게 그 초대는 친구의 영업이 됩니다. 받는 쪽에도 이득이 있어야 초대가 부담이 아니라 선물이 되고, 보내는 쪽도 떳떳해집니다.
- 보상이 서비스 그 자체입니다. 저장 공간은 드롭박스를 더 쓰게 만드는 보상입니다. 현금성 포인트처럼 서비스 바깥으로 나가는 보상보다, 서비스를 더 쓰게 만드는 보상이 리텐션까지 함께 끌어올립니다.
보상의 방향에 따라 초대가 어떻게 받아들여지는지 견주면 이렇습니다.
| 구분 | 초대한 쪽만 보상 | 양쪽 보상 |
|---|---|---|
| 받는 사람의 인식 | 친구의 영업 | 친구의 선물 |
| 보내는 사람의 마음 | 미안함이 섞임 | 떳떳함 |
| 보상의 성격 | 유도 수단 | 함께 얻는 이득 |
공짜 혜택으로 노골적으로 유도하기보다, 적절한 행동에 적절한 보상을 붙여 자연스럽게 배우게 하는 쪽이 오래갑니다. 초대를 완료하면 주는 것이 아니라 초대받은 친구가 첫 사용을 마쳤을 때 주는 식으로, 보상 조건을 진짜 행동에 거는 것도 같은 원리입니다. 가짜 가입으로 보상만 채가는 어뷰징을 거르는 안전장치이기도 합니다.
🔄 캠페인과 맞물릴 때 생기는 순환
리퍼럴은 광고의 반대말이 아니라 광고와 맞물리는 톱니입니다. 이 코스의 앞부분과 이어 보면 순환 구조가 보입니다.
- 캠페인이 첫 사용자를 넣습니다. 앱 캠페인과 메타, 리워드로 들어온 유입이 출발점입니다.
- 들어온 사용자가 만족하면 초대가 나갑니다. 초대는 광고비 없이 다음 사용자를 넣습니다.
- 초대로 온 사용자는 잔존이 좋은 편이라 회수가 빨라지고, 그만큼 캠페인에 다시 쓸 여력이 생깁니다.
이 순환이 도는 서비스와 돌지 않는 서비스는 같은 광고비로 얻는 결과가 달라집니다. 초대 한 사람이 평균 몇 명의 가입을 만들어 내는지를 재 보면 순환의 세기를 숫자 하나로 잡을 수 있습니다. 이 값이 0.2라면 광고로 100명을 넣을 때 추천으로 20명이 따라오는 구조이고, 캠페인 성과를 계산할 때 이 몫까지 넣으면 적정 CPI 산정의 상한선이 그만큼 올라갑니다.
런칭 구간에서는 이 결합이 특히 힘을 냅니다. 여러 매체로 알려진 상태를 만들어 두면, 초대를 받은 사람이 어디서 들어 본 앱이라 설치의 문턱이 한 번 더 낮아지기 때문입니다. 광고가 만드는 익숙함과 추천이 만드는 신뢰가 서로의 부족한 쪽을 채우는 관계입니다.
📏 측정: 초대 링크에 이름표를 붙입니다
리퍼럴은 감으로 운영하면 있는지 없는지도 모르는 채 끝납니다. 측정의 재료는 앞 클래스에서 이미 갖췄습니다.
- 초대 링크는 딥링크로 만들고 경로 값을 붙입니다. 어떤 화면의 공유 버튼에서 나간 링크인지 구분 값을 담아 두면, 어느 계기가 실제 초대로 이어지는지 보입니다.
- 초대받은 사용자를 코호트로 봅니다. 코호트 분석의 방법 그대로, 초대로 들어온 집단과 광고로 들어온 집단의 잔존을 비교합니다. 추천으로 온 사용자는 아는 사람이 이미 쓰는 서비스에 들어온 것이라 잔존이 좋은 경우가 많고, 그 차이가 리퍼럴에 투자할 근거가 됩니다.
- 초대 수보다 초대 성공률을 봅니다. 보낸 링크 대비 가입 완료의 비율이 낮다면 받는 쪽 경험, 곧 링크의 도착 화면부터 점검합니다.
❓ 보상 없이도 리퍼럴이 일어날 수 있나요?
일어날 수 있습니다. 함께 쓰면 좋아지는 기능이나 자랑하고 싶은 결과물처럼 공유 자체가 사용 경험의 일부인 서비스에서는, 보상 없이도 초대가 자연스럽게 나갑니다.
이 경우 설계의 초점은 보상이 아니라 계기와 동선입니다. 공유하고 싶어지는 순간의 화면에 버튼을 두고 동작 수를 줄이는 것만으로 초대가 늘어나는지 먼저 확인한 뒤, 보상은 그 위에 얹을지 결정합니다.
❓ 초대 보상만 노리는 어뷰징은 어떻게 막나요?
보상 조건을 진짜 행동에 겁니다. 초대 링크로 가입만 하면 주는 것이 아니라, 초대받은 친구가 첫 사용이나 첫 주문 같은 유의미한 행동을 마쳤을 때 지급하는 방식입니다.
여기에 한 사람이 받을 수 있는 보상의 상한을 두고, 같은 기기나 결제 수단으로 반복 가입하는 패턴을 걸러 내면 가짜 가입으로 보상만 챙기는 우회가 어려워집니다.
📋 30초 요약
-
리퍼럴은 신뢰하는 사람의 추천으로 설치 의심의 문턱을 대신 넘는 유입 경로입니다. 다만 만족이 먼저입니다. 서비스가 쓸 만하지 않은 상태의 보상은 보상만 받는 유입을 부릅니다.
-
공유는 편리하게, 자주, 자연스럽게 일어나도록 설계합니다. 동작 수를 줄이고, 결산과 기록 달성처럼 공유하고 싶은 순간의 화면에 버튼을 두며, 기능 자랑 대신 한 가지 확실한 좋음을 만듭니다.
-
보상은 양쪽에게, 서비스를 더 쓰게 만드는 형태로, 진짜 행동에 걸어 줍니다. 초대 링크는 딥링크에 경로 값을 붙여 만들고, 초대로 들어온 집단의 잔존을 코호트로 비교해 투자 근거를 확인합니다.
참고 자료
이 글이 도움이 되셨다면 공유해 주세요
메신저로 바로 보내거나 링크를 복사할 수 있습니다.
친구 초대 보상을 설계할 때 초대한 쪽에만 큰 보상을 주는 방식과 양쪽 모두에게 나눠 주는 방식 가운데 무엇이 나을까요?
이어서 배우면 좋은 개념
AARRR 퍼널 (해적 지표)
획득, 활성화, 리텐션, 추천, 수익의 다섯 단계로 서비스의 성장 상태를 진단하는 분석 틀입니다.
딥링크 실전 (유형별 작동 원리와 구축 선택)
딥링크 실전 구축은 링크를 누른 사람의 설치 여부와 기기를 판별해, 미설치자는 스토어로 보내고 설치자는 앱 안 화면까지 데려다주는 연결을 설계하는 작업입니다.
리텐션 (Retention)
앱을 처음 사용한 사람이 일정 기간이 지난 뒤에도 다시 돌아와 사용하는 비율을 뜻하는 잔존율 지표입니다.
CAC (Customer Acquisition Cost)
한 명의 신규 고객을 획득하기 위해 들어간 총 비용으로, 마케팅과 영업 활동의 효율성을 판단하는 핵심 지표입니다.
관련 인사이트
- 클로드 텍스트 워터마크 적용 범위와 탐지 한계 정리클로드 텍스트 워터마크는 앤트로픽이 2026년 8월 2일 이후 출시 모델부터 클로드가 만든 글에 심는 기계 판독용 표식입니다. 적용 범위와 표식이 남는 조건, 지워지는 조건, 글을 쓰는 쪽에서 조심할 지점을 공식 문서 기준으로 정리했습니다.
- Grok 4.6 벤치마크 점수와 가격 구간 정리그록 4.6은 SpaceXAI가 2026년 8월 12일 공개한 언어 모델로, 오래 돌아가는 에이전트 작업과 코딩에 초점을 맞춘 그록 4.5의 후속판입니다. 공식 발표와 외부 평가 기관의 측정치를 기준으로 벤치마크 위치, 200K 토큰을 넘으면 달라지는 요금 구간, 실무 도입 판단 순서를 정리했습니다.
- 챗GPT 무료로 어디까지 되는지, 무제한 개방의 정확한 범위오픈AI가 2026년 8월 6일 무료와 Go 요금제 이용자에게 GPT-5.6 루나를 기본 모델로 제공하고 일상 텍스트 대화를 무제한으로 열었습니다. 무제한의 정확한 범위, 루나 모델의 위치, 한국에서 진행 중인 시범 광고의 형태까지 정리했습니다.
- 클로드 소네트 5 API 가격 정리: 2달러 확정과 실제 비용 계산앤트로픽이 2026년 8월 10일 Claude Sonnet 5의 도입 요금(입력 100만 토큰당 2달러, 출력 10달러)을 표준 가격으로 확정했습니다. 9월 1일로 예정됐던 인상은 시행되지 않습니다. 요금 체계와 모델별 비교, 표시가와 실제 청구액이 다를 수 있는 토크나이저 변수까지 정리했습니다.
- 클릭 안 했는데 쿠팡이 열리는 납치광고, 작동 방식과 규제 경과납치광고는 이용자가 클릭하지 않았는데도 특정 앱이나 웹으로 강제 이동시키는 부정 광고입니다. 쿠팡을 둘러싼 규제 절차의 경과를 타임라인으로 정리하고, 개인정보위 처분과 방송미디어통신위원회 절차의 차이, 제휴 마케팅 운영에 주는 시사점을 담았습니다.
- 구글애즈 GA4 AI 기능 정리: Ask Advisor, 대시보드, 벤치마킹구글이 2026년 8월 10일 Google Ads와 구글 애널리틱스에 AI 홈 인사이트, 프롬프트 기반 대시보드, Ask Advisor 벤치마킹을 발표했습니다. 각 기능의 실제 출시 상태와 한국 계정에서의 사용 조건, 지금 확인할 수 있는 메뉴까지 정리했습니다.
