Carrying Capacity와 Growth Dynamics 완벽 가이드

PO/PM이 반드시 알아야 할 데이터 기반 성장 모델링

1. Carrying Capacity(CC)란?

정의

"내 서비스가 도달할 최종적인 유저 수"
생태이론에서의 "한계수용능력" 개념을 서비스에 적용
호수의 물 높이가 비(유입)와 증발/유출의 균형으로 결정되듯, MAU도 동일한 원리로 결정됨

핵심 공식

CC = Number of New Daily Customers / % Customers You Lost Each Day
   = 일일 신규 유저 수 / 일일 이탈률(Churn Rate)

왜 중요한가?

서비스 운영 3~6개월 안에 알 수 있음
제품의 성장을 미리 예측할 수 있음
제품의 본질적인 순수 체력 (마케팅, 광고 제외)
이 값이 MAU의 최대 도달치

2. CC의 핵심 원리

두 가지 요소만이 MAU에 영향을 준다

토탈 고객 수는 오직 두 가지 요소에 의해서만 결정:

오늘 들어온 새 유저 (Inflow)
오늘 나간 유저 수 (Outflow/Churn)

Inflow와 Churn의 특성

요소	특성	단위
Inflow	서비스 특성에 따라 결정, 일정한 숫자로 유지	정수 (명)
Churn Rate	전체 유저에 대해 일정한 비율로 유지	비율 (%)

왜 Inflow는 정수, Churn은 비율인가?

Inflow: 새로 들어오는 물이기 때문에 유저수에 영향을 받지 않는 정수값
Churn: 물이 담겨있는 양에 비례해서 나가므로 유저수에 비례하는 비율값

3. CC 계산 예시

Case 1: 현재 MAU 10만, CC는 75만

75만 = 7,500명(일일 유입) / 1%(일일 이탈률)

매일 7,500명이 들어오고, 1%가 나감
75만에 도달하면 들어오는 양 = 나가는 양 (평형 상태)
광고 없이도 언젠간 75만에 도달

Case 2: 현재 MAU 70만, CC는 75만

광고하지 않아도 MAU는 75만이 될 때까지 자연 증가
광고는 선택사항 (J커브를 위한 가속화 용도)

Case 3: 현재 MAU 100만, CC는 75만

광고로 일시적으로 100만 달성
광고 멈추면 75만까지 하락 (평형점으로 회귀)

CC 변화의 레버리지

75만 상태에서 Churn이 1% → 0.1%로 개선되면?
→ CC = 7,500 / 0.1% = 750만 (10배 성장 가능!)

4. CC를 모르면 벌어지는 일

흔한 실패 패턴

CC에 도달한 서비스, MAU가 안 늘어서 고민
제품 문제를 찾아봐야 하는데, 대규모 마케팅 집행
C, D 단계에서 투자 유치 후 광고비 소진
DAU 증가 (하지만 진성 유저 아님)
광고 종료 후 MAU 급락
"왜 우리 MAU는 줄어드는 걸까?" 혼란

핵심 교훈

근본적인 제품 개선 없이는 MAU 증가가 불가능한 시점이 온다

Inflow 늘리기 위한 리텐션과 액티베이션 개선
Churn 감소시키기 위한 근본적인 노력
마케팅으로는 절대 개선 불가

5. 광고할 때 CC 계산하는 방법

방법 1: 마케팅 유저 분리

마케팅/광고를 통해 들어온 유저를 다 발라낸 나머지 유저만 분석

주의: 마케팅하면 Organic 유저의 부스트 효과가 있음

방법 2: 광고 2달 끄기

광고를 끄고 MAU가 어디까지 도달하는지 관찰
이걸 모르면 광고비를 굉장히 낭비할 가능성 큼

6. Active User 정의하기

#1 Active를 어떻게 정의하나?

95% 이상의 Visitor들이 꼭 하게 되는 활동
Page by Page, Repeatable하고, Meaningful한 Action인가?

#2 Churn은 어떻게 정의하나?

우리 서비스를 얼마 동안 안 써야 이탈로 정의할지 결정
상식적으로 "이 정도면 Loss"를 정함 (나중에 바꾸면 안 됨!)

예시:

한 달에 한 번 쓰는 앱 → 3개월을 Churn으로 정의
송금 서비스 → 30%가 이전 달에 온 적 없는 유저

7. CC가 꽉 차면?

해결책: 새로운 서비스 레이어 추가

새로운 서비스 = 새로운 Inflow + 새로운 Churn 구조
기존 CC 한계를 돌파하는 방법

많은 기업이 CC를 측정하지 않는 이유

Acquisition만 보는 팀이 제일 많음
Retention도 잘 보지 않음
Churn Rate를 보는 사람은 거의 없음

그러나 서비스의 생사는 "CHURN"이 결정한다

8. 5가지 질문과 CC 기반 답변

Q1: 파워 유저들의 행동을 모든 유저에게 강요하면 도움이 될까?

A: Yes & No

특정 메트릭은 높일 수 있음
핵심: 파워 유저 되는 것과의 인과관계 vs 연관관계 구분
Churn Rate가 올라가는지 반드시 확인 필요
강요 후 Churn Rate 상승 = 잘못된 방향

Q2: 24시간 장애 후 트래픽 급감, 장기적으로 문제일까?

A: 대부분 아니다

CC는 그대로 (Inflow/Churn이 바뀌지 않았다면)
예외: 다운타임으로 신뢰 하락 → 다른 서비스로 이탈 → 새로운 CC 형성
대부분의 경우 다운타임이 CC에 영향 주는 경우 크지 않음

Q3: 하루 10만명 vs 매주 70만명, 차이가 있을까?

A: CC 관점에서 봐야 함

매일 오는 유저수 늘리는 것만이 중요한 게 아님
매일 일으키는 변화들이 Churn User를 늘리는지 확인 필요
푸시 등으로 DAU 늘려도 Churn Rate 동시 상승하면 CC에 무의미

Q4: 광고 계속 틀면 유저가 계속 늘까?

A: No

CC에 도달할 때까지만 증가
그 이상은 늘릴 수도 줄일 수도 없음

Q5: 알림 서비스 장애로 DAU 감소, 걱정해야 할까?

A: Inflow뿐 아니라 Outflow도 봐야 함

푸시 꺼지면 들어오는 사람 감소
그러나 쓸데없는 푸시로 인한 Churn도 감소 가능
푸시마다 30일 후 이탈 여부 트래킹 → 끌지 말지 결정 가능
유저 안 괴롭히면서 MAU 유지하는 효과 가능

9. Product-Market Fit과 Retention

PMF의 유일한 기준

Cohort Retention이 Plateau(고원)를 형성했는가?

[그래프 해석]
- 녹색선: 시간 지날수록 계속 빠짐 → PMF 못 찾음
- 파란선: 시간 지나도 일정 수준 유지 → PMF 찾음

Retention Plateau의 높이가 회사 가치를 결정

Plateau 위치	의미
20% 미만	이걸로 회사 만들기 어려움
20%	괜찮은 회사 가능 (MAU 200~300만 한계)
40%	유니콘 가능
70%	세상을 바꿀 수 있음, 산업 혁신 가능

참고: Facebook 초기 리텐션 68%, Instagram도 비슷

10. AARRR은 뒤에서부터 고쳐야 함

흔한 실수 (지옥 버전)

아무튼 광고 때려! (Acquisition)
사용자들 잘 못 들어오네 (Activation 고침)
왜 사용자들 떠나? (Retention 고침)

올바른 순서

Retention: 떠나지 않는 강력한 서비스 만들기
Activation: 유저들이 들어오는 길을 꽃길로
Acquisition: 그 다음 광고

11. 아하 모멘트 (Aha Moment)

정의

제품의 핵심가치를 경험하는 순간
서비스를 계속 쓰게 되는 특이점
이 행동을 한 유저의 95%가 리텐션이 생기는 행동

아하 모멘트의 형태

"XX라는 행동을 YY라는 날짜 안에 ZZ번 한다"

요소	설명
XX	핵심가치에 대한 액션
YY	충격을 잃어버리기 전의 날짜
ZZ	리텐션 형성에 필요한 횟수

해외 기업 사례

기업	아하 모멘트
Facebook	첫 10일 동안 7명의 친구와 연결
Slack	팀 안에서 2,000개의 메시지 작성
Dropbox	1개 기기에서 폴더에 1개 이상 파일 저장
Zynga	회원가입 후 1일 안에 재방문
Twitter	30명을 팔로우
LinkedIn	X connection in Y days

아하 모멘트 찾기 101

Step 1: 액션 XX 후보군 찾기

직관이나 노가다로 스토리 찾기
Shap Value 등 도구로 리텐션 영향도 높은 액션 후보 추출

Step 2: RPV와 교차값으로 검증

RPV (Retain Probability Value) = 리테인된 유저가 이 액션을 할 확률
→ 95% 이상이면 OK

교차 = (액션 AND 리테인) / (액션 OR 리테인)
→ 높을수록 좋음

핵심 조건

RPV 95% 이상
교차값 최대
충분한 샘플 사이즈
연관관계가 아닌 인과관계

실행 불가능한 아하 모멘트가 나온다면?

예: "첫 3일 안에 40명 커넥트" → 현실적으로 불가능
제품을 심각하게 재고민해야 함
XX 행위 자체를 더 강화시켜야 함
"더 매력적이고", "더 와우 하는" 모멘트로 제품 개선 필요

12. Activation의 진짜 정의

흔한 오해

회원가입 과정 = Activation? ❌

진짜 정의

"고객이 겪는 첫 번째 행복한 경험"

서비스가 제공하는 핵심 가치(액션 XX)를 첫 번째로 하는 과정까지의 경험
퍼널이 아니고, 회원가입 과정이 아님

Activation = 아하 모멘트

차이 없음, 같은 것!

Activation 개선이란?

더 많은 유저가 더 빠르고 손쉽게 액션 XX를 하게끔 만드는 것

단순 퍼널 개선이나 전환율 높이기가 아님
핵심 가치 경험을 빠르게 만드는 것

13. Activation 개선 핵심 원칙

#1 기간이 전환율보다 중요

퍼널 계산 시 전환율만 보지 말고 얼마만에 다음 과정으로 넘어가는지 확인
시간 디멘션을 같이 봐야 핵심적인 것 파악 가능

목표: 더 많은 유저가 더 빠르게 아하 모멘트를 경험하게 만드는 것

#2 Activation은 모든 Growth Dynamics에 영향

한 번만 겪는 게 아님 (CC 관점)
Resurrection(부활) 유저도 Activation 과정을 다시 거침
CC 도달 시 신규 유저 없고 대부분 부활 유저

Activation 30% → 60% 개선 시
= Inflow 2배 = CC 2배 증가

#3 Viral Growth 설계 시 더욱 중요

유저 가입 → 서비스 사용 → 친구 초대 → 친구 가입 → ...

모든 단계에서 Activation 퍼널 통과
Viral K를 1 이상으로 만들려면 Activation 전환율 매우 중요

#4 3천만 이상 서비스의 특징

가입 과정이 거의 없음 (기억 안 남)
유튜브: 그냥 볼 수 있음
네이버: 그냥 볼 수 있음
Activation 90% 이상이어야 대규모 CC 달성 가능

#5 퍼널은 그래프 단위로 봐야 함

화면 단위 ❌ → 버튼 단위까지 ⭕
극적으로 떨어지는 구간 발견 → 정확한 이탈 지점 파악

14. Data Growth Modeling

Inflow 구성요소

Inflow = New User + Resurrection + Referral + Paid

Organic (CC에 영향 O)

New: 자연 유입 (앱스토어, 웹사이트 등)
- Word of Mouth, SEO, Media, Fluke(우연)
Resurrection: Churn된 유저의 부활
- 써야만 하는 상황, 바이럴, 뜬금없이 생각나서

Referral (CC에 영향 O)

쓰는 유저가 다른 유저를 데려오는 현상
Trackable 해야 Referral (측정 불가하면 Word of Mouth)

Paid (CC에 영향 X)

마케팅/광고로 유입
Volume, Conversion%, Budget만 고려

15. Viral Growth

Viral K (바이럴 계수)

신규 유저 1명이 데려오는 유저 수
Sequential: 한 명이 데려오면 또 데려옴
Time Decayed: 시간 지날수록 감소

현실적인 Viral K 수치

Viral K	평가
0.2	엄청 잘 하는 것
0.4	진짜 잘 하는 것 (발표 가능)
0.7	투자받을 수준
1 이상	역사상 없음

Amplification Factor (증폭 계수)

AF = 1 / (1 - Viral K)

Viral K	AF	의미
0.2	1.25	광고 1명 → 1.25명 효과
0.4	1.67	광고 1명 → 1.67명 효과
0.7	3.33	광고 1명 → 3.33명 효과

Virality 공식

Virality = Payload × Conversion Rate × Frequency

요소	설명
Payload	한 루프에서 몇 명에게 메시지 노출
Frequency	그 메시지를 몇 번 받는가
Conversion Rate	메시지 보고 신규 유저로 전환

바이럴 성장 사례

서비스	전략	강점 요소
Hotmail	메일 말미에 홍보 문구	Frequency (이메일이 유일한 소통수단)
Facebook	메일 계정 친구 정보 가져오기	Payload (여러 명에게 전달)
PayPal	가입하면 만원 제공	Conversion Rate
Dropbox	친구 가입 시 50GB 추가	Conversion Rate

16. Network Effect

정의

서비스 사용 유저 수 증가 → 서비스 가치 증가
예: 메신저에 친구 10명 vs 100명일 때의 가치 차이

효과

MAU 증가 → 리텐션 상승 → Churn 하락
CC 무한 상승 가능하게 함

Viral Growth vs Network Effect

구분	효과
Viral Growth	신규 유저 계속 증가
Network Effect	들어온 유저가 절대 안 나감

바이럴만 있고 리텐션 없으면 CC 주저앉음
Network Effect만 있으면 CC 도달에 오래 걸림
둘 다 있는 것이 최고

17. CC 목표 설정 시 3가지 팁

#1 Growth는 MAU가 아니라 CC를 높이는 것

지속 가능하지 않은 것은 장기적으로 무의미

지속 불가능한 것들:

일시적 프로모션 마케팅
다크 패턴 푸시 (법 위반)
한동안만 가능한 퍼널 트윅
CC를 넘는 Paid Marketing
법률/PR 이슈 될 제품 퍼널
잠시만 노출할 홈 화면 인텔리전스
일시적 정책(지역화폐 등) 활용

#2 어떤 CC값을 목표로?

두 가지 핵심 질문:

전국민의 몇 %가 그 행위를 하는가? (Broadness)
얼마나 자주 하는가? (Frequency)

Frequency 임계점:

월 3~4회 미만 = 리텐션 만들기 어려움 = 스타트업이 피해야 할 서비스
자주 쓰는 서비스 = CC 만들기 훨씬 쉬움

Maximum CC = Total Addressable Market = 회사 밸류에이션의 최대값

#3 CC에 가장 큰 영향을 주는 지표 (우선순위)

1. Churn (가장 중요!)
2. Retention
3. Activation
4. Acquisition

많은 기업이 반대로 일함 (Acquisition부터)

18. 매주 CC 변화 확인하는 방법

7일/30일 Trailing 비교

7일 CC = 최근 7일 Inflow / 최근 7일 Churn Rate
30일 CC = 최근 30일 Inflow / 최근 30일 Churn Rate

긍정적 변화 시: 7일이 먼저 반응 → 30일이 따라감
부정적 변화 시: 반대 패턴

19. 제품 구조의 3요소

요소	설명	역할
Top Funnel	총 노출 규모	마케팅 + Organic + Referral
Wow Factor	입소문 영향	첫 유저를 입소문내게 만드는 요소
Recurring Value	리텐션	계속 들어와서 사용할 이유

핵심 인사이트

Wow Factor ≠ Recurring Value (반드시 연계되지 않음)
리텐션과 바이럴도 연계 크지 않음
마이데이터 서비스: Wow Factor 없음, 리텐션 높음
바이럴 서비스: Wow Factor 높음, 리텐션 낮을 수 있음

핵심 요약

CC의 의미

이 두 개의 숫자(Inflow, Churn Rate)를 변화시키는 제품 개선 활동 외에는 전부 MAU를 바꾸는 데 일절 영향을 주지 못한다

실행 체크리스트

Active User와 Churn 정의하기
CC 계산하기 (Inflow / Churn Rate)
광고 끄고 순수 Organic Inflow 파악하기
Cohort Retention Plateau 확인 (PMF)
아하 모멘트 찾기 (XX를 YY일 안에 ZZ번)
Activation 최적화 (첫 번째 행복한 경험까지)
7일/30일 Trailing으로 CC 변화 추적

최종 교훈

"CC 하나로 스타트업의 생존 확률이 크게 올라갈 수 있다"

더 많은 그로스 인사이트가 필요하신가요?

📚 너드보드 기술블로그 더보기 →

🚀 너드보드 7일 무료체험 해보기 →

🔥 7일 한정 특가: ~~99,000원~~ → 29,000원

shane-shim/carrying_capacity_growth_dynamics.md