PODO 신규 유저 온보딩 A/B — 체험 신청률 +14.89%p

PODO 는 영어·일본어 1:1 전화수업 앱입니다. PODO 팀에 AI Product Owner 로 합류한 뒤, 신규 유저 행동 데이터를 살펴보면서 funnel 의 각 단계 — 가입 → 체험 → 결제 → 정규 수강 — 어디서 사람들이 빠져나가는지 추적했습니다. 가장 큰 leak 가 funnel 의 첫 구간 — 신규 유저 온보딩에 있었습니다. 가입자 중 D+7 (가입 후 7일 이내) 체험 수업 신청까지 도달하는 비율이 63.87% (스냅샷 기준) — 약 36% 의 신규 유저가 체험 한 번 잡지 않고 떠나고 있었습니다. 원인은 명확했습니다. 그 시점 PODO 에는 온보딩 플로우 자체가 존재하지 않았고, 신규 유저는 다운로드 → 로그인 → 곧바로 체험 레슨 결제 팝업 으로 이동되고 있었습니다. 게다가 체험 레슨이 무료도 아니었습니다 — 무료 할인 쿠폰은 지급했지만 카드 결제 허들이 그대로 남아있었음. 신규 유저 입장에서는 앱이 뭔지도 모르는 상태에서, 개인화도 없이, 무작정 결제부터 강요받는 구조. 이탈은 자연스러운 reaction. 이걸 풀면 임팩트가 어디까지 갈지 추산해봤습니다. 온보딩 leak 을 5%p 만 막아도 그 다음 단계 (체험 → 결제 → 정규 수강) 의 모수 자체가 커지기 때문에, 단일 craft 중 임팩트가 가장 큰 영역 중 하나였습니다. 이 문제를 직접 정의하고 우선순위를 잡아서 — 합격선 D+7 체험 신청률 +5%p 개선을 KPI 로 — 신규 유저 온보딩 흐름 자체를 처음부터 만들고 A/B 로 검증하기로 했습니다.

1. 본질 진단 — "결제 → 가치" 가 아니라 "가치 → 결제" 기존의 진짜 문제는 결제 팝업의 디자인이 아니라 순서 자체, 더 정확히는 온보딩의 부재 였습니다. 사용자가 앱에서 가치를 한 번도 경험하기 전에 결제 의사결정을 강요하는 구조 — 신뢰가 없는 상태에서 거래를 요청하는 셈입니다. 카피 변경이나 팝업 timing tweak 으로 풀 문제가 아니라, "가치 경험 → 신뢰 → 거래" 라는 순서를 처음부터 만들어야 했습니다. 2. 시장 reference 검증 — 다른 언어 앱들은 다 이렇게 하고 있었음 Duolingo (글로벌), 민병철 영어·유폰·랭디·프레플리 (한국 1:1 화상영어 직접 경쟁사) 등 주요 언어 앱들의 신규 유저 온보딩을 모두 분석. 결과는 명확 — 모두 개인화 온보딩 플로우 (취향 질문 → 맞춤 추천) 를 거친 뒤에 결제로 유도 하는 패턴. PODO 만 이 표준에서 벗어난 채 무작정 결제 팝업을 띄우고 있었던 셈. 모든 언어 앱이 같은 패턴을 쓰는 데는 이유가 있다 — 검증된 패턴을 차용하는 것이 risk-adjusted return 측면에서 합리적 이라는 결론. 3. 솔루션 디자인 — PODO 캐릭터가 취향을 묻고 맞춤 레슨 제안 새 온보딩 흐름은 PODO 캐릭터가 6개 질문으로 사용자의 학습 목적, 선호 시간, 영어/일본어 레벨 등을 듣고 — 그 답변을 기반으로 맞춤 레슨을 제안하는 구조 로 디자인했습니다. 결제 팝업은 사용자가 맞춤 레슨 제안을 보고 "체험해볼 만하다" 고 판단한 뒤에야 등장. 핵심은 사용자가 자기 입으로 자기 needs 를 말하면서 앱과 라포를 형성하는 것 — 그러면 그 다음에 오는 체험 제안이 "강요" 가 아니라 "맞춤 추천" 으로 인식됨. 4. 디자인 의사결정 — within-constraint best + 한 흐름에 녹여낸 multi-objective 두 가지 제약·기회를 동시에 풀었습니다. (1) within-constraint best — radical change 가 아닌 검증 패턴: PODO 는 기술적 부채가 큰 앱이라 radical 한 UX 변경은 불가능. 사용자에게 완전히 다른 앱 경험을 주기보다 검증된 시장 표준 (개인화 온보딩) 을 기존 PODO 톤·디자인 시스템 안에서 best practice 로 풀어내는 결. (2) 한 흐름에 multi-objective 녹여내기: 그동안 PODO 는 유저 데이터 수집이 사실상 0 에 가까웠음 — 마케팅 수신 동의율 낮음, 푸시 알림 권한 동의율 낮음, 유저 취향 데이터 X. 새 온보딩이 한 번 만들어지는 김에 체험 신청 (Primary KPI) + 유저 취향 데이터 + 마케팅 수신 동의 + 푸시 알림 동의 — 4 결과를 한 흐름에 자연스럽게 녹여냄. 강제 동의 받는 결이 아니라, 사용자가 자기 needs 말하면서 자연스럽게 수신·푸시 동의가 흐름에 들어가도록 디자인. 이 craft 의 진짜 가치는 단일 metric (+14.89%p) 이 아니라, 추후 앱 개선·CRM·푸시 캠페인 의 base 가 되는 데이터·동의·채널이 한 번에 정리됐다는 것. 5. 실험 디자인 — KPI · 합격선 · 종료 기준 사전 명시 A (기존 — 온보딩 X + 결제 팝업) vs B (새 흐름 — 6 질문 → 맞춤 추천) A/B 테스트 셋업: - Primary KPI: D+7 체험 신청률 - 합격선: +5%p 개선 - 종료 기준: 사전 정의된 표본 도달 + 통계적 유의 (z 검정)

결과 — 합격선 +5%p 의 약 3배 A/B 테스트 정식 결과: - D+7 체험 신청률 (Primary): 63.87% → 78.76%, +14.89%p (z=2.50, p=0.012) — 합격선 +5%p 의 약 3배 lift, 통계적 유의 도달 - 가입 → 체험 완료율 (보조): 42.86% → 51.33%, +8.47%p — primary 만 lift 한 게 아니라 funnel 의 그 다음 단계도 동반 상승. 체험 신청만 늘고 완료는 빠진 패턴이 아니라, 다음 단계의 모수 자체가 커지는 효과 다운스트림 base 확장 신규 온보딩 leak 가 줄어들면서 그 다음 단계 (체험 → 결제 → 정규 수강) 의 모수가 커지는 base 가 만들어졌습니다. 단일 craft 가 funnel 전체에 영향을 주는 케이스로, 합격선 통과 + 다음 funnel 단계의 base 확장 두 효과가 동시에 발생.