억대 뷰 그로스 해커 Yev가 공개하는 앱 스케일업의 진짜 공식 — Tipping Point를 사냥하는 법

출처: Superwall — How I Grow Viral Apps to 1M+ Downloads (just copy me) · 러닝타임 38분 32초

"Growth hack의 99%는 통하지 않습니다. 진짜 중요한 건 각 단계마다 있는 tipping point를 찾아, 그 순간을 넘기는 것. 그 순간이 지나면 전환율은 급격히 올라가고, 이탈률은 급격히 내려갑니다." — Yev, Sizzle AI Head of Growth

1. 오프닝 — Yev, 억대 뷰 그로스 해커 (00:00~00:35)

진행자는 인터뷰 첫 문장에서 게스트를 "최근 만난 최고의 그로스 해커 중 한 명"이라고 소개한다. 그의 이름은 Yev. 지금은 edtech 앱 Sizzle AI의 Head of Growth지만, 그 이전에는 YouTube Shorts에서 faceless 채널로 수십억 조회수를 만들어낸 이력이 있다. 이번 인터뷰의 주제는 그가 그 두 개의 세계에서 배운 것들을 모바일 앱 그로스 시스템에 어떻게 결합했는가다. 결과적으로 이 대화는 organic과 paid를 별개의 채널이 아니라 하나의 엔진으로 다루는 프레임워크 강의가 된다.

2. Sizzle AI — 학습 사이언스 위의 학습 앱 (00:35~01:00)

Sizzle AI는 학습 앱 붐이 시작되기 전인 1년 전에 출시되었다. Yev가 강조하는 점은 이 앱이 단순한 study 앱이 아니라 실제 learning science에 기반한다는 것이다. 학생부터 시험 준비, 일반적인 학습 주제까지 유저에 맞춰 튜터링 방식을 조정한다.

중요한 사실은 이 팀이 매출과 성장만이 아니라 "실제 학습이 일어나는가"를 지표로 함께 본다는 점이다. 이 원칙은 뒷부분 "Assisted Conversions" 논의에서 다시 등장한다. 결제 지표만이 아니라 참여 지표까지 균형 있게 최적화하는 접근이다.

3. Tipping Point라는 개념 (01:00~01:35)

Yev가 이 인터뷰 내내 반복해서 돌아오는 단어가 tipping point다. 그의 정의는 이렇다.

"어떤 growth hack이든 대부분은 통하지 않습니다. 제가 하려는 건 마케팅·성장·프로덕트 전 영역에서 low-hanging fruit를 계속 찾는 것입니다. 계속 찾다 보면 어느 지점에서 hack이 viral하게 터지는 tipping point가 옵니다. 그 순간을 어디로 잡을지가 전략입니다." — Yev

즉 성장은 균일한 곡선이 아니라 계단식 도약이다. 각 계단의 문턱을 찾아, 그 지점 근처에서 리소스를 집중하는 것이 그의 전략적 사고의 축이다.

4. 퍼널 최대 drop-off를 잡으면 2x~3x가 나온다 (02:36~04:11)

Sizzle AI를 가장 빠르게 성장시킨 방법을 묻자, Yev가 첫 번째로 꺼내는 답은 놀랍도록 단순하다. 퍼널의 모든 단계에서 drop-off가 가장 큰 곳을 찾아, 그것부터 해결한다.

그는 실제 예를 든다. 어떤 스텝에서 이탈률이 50%를 넘는 지점을 발견했다면, 그 지점 하나만 개선해도 다음 스텝으로 넘어가는 유저 수가 2x~3x 뛴다. 반면 프로덕트 안의 부분 기능을 최적화하는 실험들은 대부분 10% 개선에 그친다. Yev의 결론은 이렇다.

"팀원 각자가 자기 전문 관점에서 동일한 최대 drop-off 지점을 함께 뜯어보는 순간이, 한 주 안에 가장 큰 성장 지렛대를 만드는 순간입니다. 월간·분기 목표로 조금씩 개선하는 것과는 완전히 다른 게임이 됩니다." — Yev

5. Organic vs Paid — 이분법의 오류 (04:11~06:45)

진행자가 organic이냐 paid냐 묻자 Yev는 이 이분법 자체를 무너뜨린다. 두 채널은 각각 다른 목적을 갖는다.

Yev의 반전 지점은 여기다. Organic에서 조회수가 폭발하지 못한 콘텐츠(수백~수천 조회수 수준)도 알고리즘 운 때문에 묻힌 것일 수 있다. 그런 콘텐츠에 몇 달러 광고를 붓기만 해도 실제 전환률이 확인된다. 이 관찰이 그의 실험 로직 전체의 출발점이다.

6. 20~30개 organic + $1 광고 = outlier 사냥 (11:53~14:05)

이번 인터뷰의 하이라이트가 바로 이 방법론이다. Yev는 organic 콘텐츠 20~30개를 만들고 각각에 몇 달러씩만 광고를 붓는다. 이때 대부분은 클릭이 0~2 정도로 미미하다. 하지만 그 안에서 클릭 5~10을 찍는 outlier 한두 개가 반드시 나온다.

그의 표현으로는 이건 "데이터 사이언스의 통계적 유의성" 관점이 아니다. 그는 자신이 전직 데이터 사이언티스트임에도, 이 실험 방식을 directional pattern 탐색이라고 부른다. 표본이 작아도 방향은 잡힌다. 그 outlier에만 예산을 더 얹으면, "우연이었나?"가 "진짜 승자였다"로 바뀌든지 아니면 평균으로 회귀해 fluke임이 드러난다. 어느 쪽이든 며칠 안에 답이 나온다.

7. Creative는 10x, 그 외는 10% (13:00~14:05)

Yev가 정색하며 던지는 문장이 있다. "Facebook, Instagram, YouTube, TikTok 어디든 creative가 가장 큰 차이를 만든다. 다른 최적화는 잘해야 10%지만, creative는 10x multiplier다."

그가 강조하는 것은 이 10x가 다음과 같은 사소한 것들에서 나온다는 점이다. 화자의 표정 하나 — 짜증인지, 놀람인지, 흥분인지. 첫 초의 눈빛. 첫 문장의 억양. 이런 요소 때문에 시청자가 1초 더 시청한다. 그 1초가 알고리즘에게 "이건 밀 만하다"는 신호가 되고, 그 순간부터 노출이 폭발한다. 즉 $1 광고비를 여러 크리에이티브에 뿌리는 이유는 이 신호를 강제로 증폭시키기 위해서다.

8. 79K likes 광고 — Hook / Middle / Conclusion 3부 구조 (07:57~11:12)

Yev는 79,000 likes를 만든 TikTok 광고 하나를 화면에 띄우고 세 부분으로 뜯는다.

1. Hook (첫 1~2초) — 말없이 표정만으로 시작. 얼굴 표정이 shock나 감정을 담은 상태. "말부터 시작하는 실수를 하는 사람이 많다"고 Yev가 지적한다. 카피는 다른 바이럴 페이지에서 이미 통하고 있는 헤드라인을 변주(emulate)한다.
2. Middle — 프로덕트 데모. 관련 대상 유저를 소환. "이건 X 같은 사람에게 쓸모 있다"는 신호를 줘서, 그 사람이 나중에 전환할 확률을 올린다.
3. Conclusion — CTA를 넣지 않는다. Paid 광고이므로 링크와 attribution은 광고 시스템이 붙인다. 콘텐츠 자체는 어색하지 않고, 살짝 웃긴 마무리. 크리에이터 스타일 대로.

이 구조에서 Yev가 지적하는 tension이 있다. Hook은 clickbait에 가까울수록 좋지만, 지나치면 전환이 안 된다. 그래서 top 25% 정도의 "적당히 자극적인 콘텐츠"가 오히려 최고의 전환 채널이 되는 경우가 많다.

9. Cost per Purchase 목표를 3개로 나눠라 (15:37~17:16)

Yev는 광고비 목표를 하나의 CPP(Cost per Purchase)로 잡지 않는다. 세 개의 다른 목표를 병렬로 운용한다.

즉 광고 예산의 일부는 실험용 데이터 인프라다. 목표를 여러 개로 나눠두면, 어떤 이슈가 발생해도 다른 라인이 결정을 흐리지 않는다. LTV 데이터가 국가·플랫폼(iOS vs Android)·오디언스별로 달라지므로, 이 세분화는 필수라고 Yev는 강조한다.

10. 삼중 Attribution — Ad Platform + 자체 DB + Apple Connect (22:07~23:40)

광고 플랫폼의 리포트만 믿으면 실제 매출과 크게 어긋난다. Yev는 세 개의 소스를 삼중으로 본다.

1. Ad Platform 리포트 — Meta, TikTok 등이 보고하는 attribution.
2. 자체 앱 DB — install부터 결제까지 실제 유저 저니 로그. 광고 리포트와의 차이(약 10~20%)를 파악.
3. Apple Connect Analytics — 광고를 보고 App Store에서 검색으로 넘어와 설치·결제한 spillover. 이 부분이 다시 10~20%.

Yev가 즐겨 쓰는 방법은 Lift Study다. 광고를 완전히 껐다가 다시 켜서, 매출이 얼마나 오르내리는지 실측한다. 이 방식이 attribution 툴로는 잡히지 않는 "광고 → 검색 → 설치" 같은 간접 효과를 확인시켜준다.

11. 스케일업의 순서 — Audience, Country, Headline (20:00~25:44)

Outlier 크리에이티브가 발견되면 다음은 스케일이다. Yev의 순서는 이렇다.

1. 같은 크리에이티브 + 다른 country/device 조합. 국가마다 LTV·구독 가격·onboarding flow가 달라지므로 각각의 CPP를 재측정.
2. 같은 비디오 + 다른 헤드라인 10개. 광고 시스템 안에서 하나의 요소만 바꾸는 실험.
3. 같은 헤드라인 + 다른 비디오. 반대로 하나만 변경한 대칭 실험.
4. Intro/Outro 미세 변형. Audience fatigue를 늦추기 위해 광고 그룹당 수십~수백 개의 미세 변형 유지.

Yev는 audience 정교화(학생, 튜터 등 관심 타깃 세분화)에는 오히려 힘을 덜 뺀다. 이유는 이제 광고 플랫폼 알고리즘이 그 정도의 매칭은 알아서 하기 때문이다. 대신 디바이스와 국가에만 명확히 리소스를 배분한다.

12. Assisted Conversions — 결제 지표가 무승부일 때 심판 (28:47~30:34)

Onboarding 실험을 돌리다 보면, 특정 스크린 위에서는 유저가 직접 결제하지 않지만 이후 결제 확률이 오르는 경우가 있다. Yev는 이런 스크린을 잡아내기 위해 Assisted Conversions를 별도 지표로 추적한다.

실제 사례로 사회적 증명(social proof) 실험이 있었다. 최종 결제 지표만 보면 결과가 애매했지만, assisted conversion 관점에서 보니 중립~약간 긍정이었다. 즉 특정 데모그래픽에는 도움이 되고 다른 데모에는 노이즈였다. 결제 지표가 무승부일 때, assisted conversion이 tie-breaker 역할을 한다는 것이다.

Yev의 원칙: 실험 목표는 특정 화면을 "이기게" 만드는 것이 아니라, 다음 실험을 빠르게 열게 만드는 학습이다. 매주 실험 사이클을 한 번씩 돌려서 지식 격차를 좁힌다.

13. YouTube Shorts 26M/28일 — 그의 진짜 백그라운드 (30:34~32:11)

진행자가 그의 이력을 되짚자, Yev가 자신의 YouTube Analytics를 열어 보여준다. 한 개 채널이 지난 28일 동안 2,600만 조회수. 다른 채널은 그 이상. 그가 운영한 채널은 10개가 넘고, 누적 조회수는 10억을 훌쩍 넘긴다.

Yev가 다뤄본 니치의 예: 가짜 문자 대화, SpongeBob 리믹스, "대통령 얼굴" 코미디, "부수기(satisfying)" 콘텐츠. 이 다양성이 그에게 준 훈련은 하나였다. micro-storytelling — 첫 몇 초에 심리적 후크를 심는 감각. 이 감각이 그대로 앱 광고 크리에이티브에 이식되었다.

14. $5,000 예산 플레이북 — 100개 변형 실험 (32:11~34:59)

진행자의 질문: "MVP 앱이 있는데 다운로드가 별로 없다. $5,000 예산이 있다면 어떻게 쓸까?" Yev의 답변은 대부분의 그로스 조언과 다르다.

"전부 하나의 알고리즘에 몰빵하지 마세요. 대신 가능한 한 많은 hypothesis로 분산하세요. 100개까지 갈 수 있으면 100개. 처음 20개는 쉽게 나오지만, 그 뒤부터는 스스로에게 새로운 포맷, 앵글, hook을 강제로 생각하게 만듭니다. 그 자체가 실험입니다." — Yev

그리고 각각에 최소 예산을 태운다. 대부분은 클릭 0인데, 그 중 하나가 클릭 20 이상이 뜬다. 그때부터 그 outlier에 예산을 얹어 다음 단계로 넘어간다.

15. TikTok vs Facebook 실전 세팅 (34:59~37:26)

Yev가 실제로 어떻게 예산을 나누는지 구체적 숫자를 밝힌다.

이 단계에서 attribution 정합성은 신경 쓰지 말라고 Yev는 강조한다. 목적은 정확한 CPP가 아니라 outlier 발견이기 때문이다. 4~5개가 나머지보다 확연히 잘 나오면 그것들만 남기고 다음 스케일업 단계로 진입한다.

16. Partnership Shortcut & 마무리 (35:38~38:32)

Yev가 마지막으로 언급하는 대안이 있다. 100개 크리에이티브 실험 대신, 기존에 이미 존재하는 채널이나 오디언스를 인수하는 것. 몇 백에서 몇 천 달러 정도로 이미 청중이 있는 채널을 사거나 partnership을 맺으면, 크리에이티브가 100배 높은 확률로 성공한다는 것이다.

이는 VC/엔터프라이즈 마인드에 가까운 접근이다. "청중을 빌리거나 산다"는 그의 표현대로, 자기가 밑바닥부터 audience를 짓는 걸림돌을 우회하는 방법이다. Yev 본인도 두 방식을 모두 써봤고, 각자에 매우 빠른 그로스 랩이 있다고 말한다.

인터뷰의 마지막 문장은 이 시리즈 전체의 원칙 요약처럼 들린다. "가능한 한 빨리 실험해서 outlier를 찾아라. 그리고 이미 오가닉이 있다면, 그 오가닉을 paid로 증폭하는 게 가장 큰 low-hanging fruit다."

핵심 요약 & 액션 체크리스트

• ☑ 퍼널의 최대 drop-off 지점부터 잡아라. 부분 기능 최적화(10%)가 아니라 이탈률 50% 지점을 잡으면 2x~3x가 나온다.
• ☑ Organic 콘텐츠 20~30개에 $1씩 광고를 태워라. 대부분 조회수 없지만 그 안에 outlier 1~2개가 반드시 있다.
• ☑ Creative가 10x, 나머지는 10%다. 표정 하나, 첫 초의 눈빛이 알고리즘 노출을 결정한다.
• ☑ 광고 크리에이티브는 Hook / Middle / Conclusion 3부. Hook은 말없이 표정으로, Middle은 관련 대상 소환, Conclusion은 CTA 없이 자연스러운 마무리.
• ☑ CPP 목표를 $50 / $100 / $200 세 개로 병렬 운용하라. 그 중 $200 라인은 실험용 데이터 인프라다.
• ☑ Attribution은 삼중으로 봐라. Ad Platform + 자체 DB + Apple Connect. Lift Study로 실측하라.
• ☑ Assisted Conversion을 tie-breaker로 세팅하라. 결제 지표가 무승부일 때 실험 승자를 판별한다.
• ☑ $5,000 예산이라면 100개 변형 실험. TikTok 20 × $20, Facebook 30~40 × $1.
• ☑ 대안은 partnership. 청중을 밑바닥부터 짓지 말고 몇 천 달러로 사거나 빌려라.

본 리포트는 유튜브 원본 영상을 요약·정리한 것이며, 이미지 캡처는 학습·비평 목적입니다. 원본 채널: Superwall