바이럴 제품 성장 루프 설계(Design a Viral Product Growth Loop)

Description

이 프롬프트는 바이럴 루프(viral loop)와 네트워크 효과를 구조화해, 추천(referral)과 참여 루프를 통해 유기적 사용자 획득을 견인하고 리텐션을 높이도록 돕습니다.

당신은 바이럴 성장 엔진을 설계하는 **그로스 프로덕트 매니저**입니다. **[Type your product]**의 모든 사용자를 유통 채널로 바꾸는, 측정 가능하고 최적화 가능한 바이럴 루프를 설계해주세요.

---

## 제품 컨텍스트

| 항목 | 상세 |
|---|---|
| **사용자가 취하는 핵심 행동** | {{core_action}} |
| **현재 사용자 베이스** | {{current_users}} |
| **주요 공유 채널** | {{sharing_channel}} |
| **제품 카테고리** | (예: B2B SaaS, 컨슈머 소셜, 마켓플레이스, 크리에이터 도구) |

---

## 바이럴 루프 청사진

### 1. 루프 아키텍처
각 바이럴 루프 단계를 전환 목표와 함께 매핑:

| 단계 | 설명 | 핵심 지표 | 목표 전환율 |
|---|---|---|---|
| **트리거(Trigger)** | 어떤 인앱 순간이 자연스러운 공유 충동을 만드는가? | 트리거 발생률 (이 순간에 도달한 활성 사용자 %) | --% |
| **공유(Share)** | 사용자가 어떻게 공유하는가? (인앱 초대, 이메일, 소셜 포스트, 추천 링크) | 공유율 (트리거된 사용자 중 공유한 비율) | --% |
| **클릭/도착(Click/Land)** | 초대받은 사용자가 처음 보는 것은? (랜딩 페이지, 공유된 산출물, 초대 미리보기) | CTR(클릭률) | --% |
| **활성화(Activate)** | 새 사용자가 아하 모먼트(aha moment)에 도달하게 하는 것은? | 활성화율 (가입에서 아하 모먼트까지) | --% |
| **루프 클로저(Loop Closure)** | 새 사용자를 공유자로 바꾸는 것은? | 신규 사용자의 첫 공유까지 시간 | -- 일 |

### 2. 바이럴 루프 유형 평가
어떤 루프 유형이 가장 잘 맞는지 식별하고 이유 설명:

| 루프 유형 | 설명 | 적합한 곳 | 적합? |
|---|---|---|---|
| **Organic / Word-of-Mouth** | 제품이 자연스럽게 대화에 등장 | 감정 강도가 높은 제품 | Y/N |
| **Incentivized Referral** | 양쪽 모두 추천 보상을 받음 | 트랜잭션 기반 제품 | Y/N |
| **Collaborative** | 제품이 작동하려면 다른 사람을 초대해야 함 | 멀티플레이어/팀 도구 | Y/N |
| **Content/Artifact** | 사용자가 제품 브랜딩이 담긴 공유 가능한 산출물을 만듦 | 크리에이터/생산성 도구 | Y/N |
| **Social Proof** | 사용이 비사용자에게 보임 (배지, 시그니처, 임베드) | 커뮤니티/소셜 제품 | Y/N |

**기본 루프(primary loop)** 하나와 그 위에 얹을 **보조 루프(secondary loop)** 하나를 선택하세요.

### 3. 바이럴 계수 계산

| 변수 | 공식 / 값 |
|---|---|
| **사용자당 초대 수 (i)** | 활성화된 사용자당 평균 발송 초대 수 |
| **초대당 전환율 (c)** | 초대받은 사람 중 활성화된 비율 |
| **K-팩터(K-factor)** | K = i × c (목표: 보조적 바이럴리티는 K > 0.5, 진정한 바이럴리티는 K > 1.0) |
| **바이럴 사이클 시간** | 사용자 활성화에서 그 초대받은 사람의 활성화까지 평균 일수 |
| **유효 성장률** | 사이클 시간 반영: 빠른 루프일수록 더 공격적으로 복리 성장 |

### 4. 세 가지 그로스 실험
루프의 가장 약한 단계를 최적화하는 실험 설계:

| # | 실험 | 타깃 단계 | 가설 | 노력(S/M/L) | 예상 K 임팩트 |
|---|---|---|---|---|---|
| 1 | | | "우리가 [change]하면, [metric]가 [X%] 증가할 것이다" | | |
| 2 | | | "우리가 [change]하면, [metric]가 [X%] 증가할 것이다" | | |
| 3 | | | "우리가 [change]하면, [metric]가 [X%] 증가할 것이다" | | |

**측정 계획:** 각 실험마다 다음을 명시:
- 1차 지표와 추적 방법
- 통계적 유의성에 필요한 샘플 크기
- 테스트 기간

### 5. 안티 패턴 & 가드레일

| 안티 패턴 | 리스크 | 예방 |
|---|---|---|
| 스팸 같은 초대 압박 | 사용자 신뢰 침식, 플랫폼 차단 | 초대 빈도 상한, 명시적 옵트인(opt-in) 요구 |
| 인센티브 어뷰징 | 가짜 계정, 비용 폭증 | 보상 전 활성화 검증 |
| 다크 패턴 | 브랜드 손상, 규제 리스크 | 인지된 강요에 대한 사용자 테스트 |
| 허영(vanity) 바이럴리티 | 높은 공유, 낮은 활성화 | 공유 수가 아니라 풀 퍼널 K 추적 |

### 6. 바이럴 루프 스코어카드
런칭 전 루프의 준비도 평가:

| 차원 | 점수 (1~5) | 비고 |
|---|---|---|
| 자연스러운 공유 모먼트가 존재 | | |
| 공유 액션이 2클릭 이내 | | |
| 콜드 트래픽에도 매력적인 랜딩 경험 | | |
| 초대받은 사람의 가치 도달 시간이 5분 이내 | | |
| 루프 클로저 메커니즘이 명확 | | |
| **합계 (25점 만점)** | | 런칭 임계값: 18 이상 |

---

**출력:** 임팩트 가장 크고 노력 가장 적은 실험부터 시작하는 우선순위화된 액션 플랜을 전달하세요. 각 단계와 전환율을 보여주는 간단한 텍스트 기반 루프 흐름도를 포함하세요.

Customize This Prompt