2025-10-04
1일 1아티클
토스
푸시 생태계 재설계
배경
- 토스의 문화 : 데이터 중심 (Data-Driven)
- 슈퍼앱으로 확장되면서, 운영 중인 서비스가 100개 돌파
- 서비스 증가로 인한 푸시 발송량 급증 → 사용자의 푸시 반응 역치 증가
원인 파악 과정
- 푸시에는 타겟팅, 빈도, 콘텍스트, 의도가 복잡하게 얽혀 있음
- 따라서 문제 원인 파악을 정확하게 하는 것에 집중
EDA(Exploratory Data Analysis)를 통한 문제 진단- 서비스/템플릿 분석
- 유저 세그먼트별 반응 분석
- 주요 피처 분석
- EDA의 단순 빈도/타이밍/세그먼트 정비만으로는 전사 차원의 문제 해결이 어렵다는 결론 도달
새로운 규칙
- 원하는 푸시만 발송한다 → 원하지 않는 푸시는 줄인다
- “최근 N일간 유사 목적의 푸시에 N회 연속 반응하지 않은 사용자는, 해당 카테고리 푸시를 불필요하다고 생각”
- 위와 같은 정의에 따라 기준 설정, 디타겟팅 룰 설계
- 기준의 핵심 : 최적의 n값 설정
테스트
- 전사적 의미가 크고 장기적 습관 형성과 직결되므로, 2개월의 장기 실험으로 진행
- 표본 : 전체 6% 유저 무작위 추출, 실험군 간 랜덤화/독립성 보장
- 설계 : ABC 테스트 (현행, 진보적 N, 보수적 N)
- 주 지표 : 푸시 CTR
- 보호 지표 : 앱 오픈 AU, 서비스별 AU, 매출 등 핵심 지표 저하 방지
- 트레이드오프 : n값을 크게 잡을 시, CTR 상승 but 도달/리텐션/매출에 부정적 영향
향후 계획
- 고정된 N값 일괄 적용 → 유저별/서비스별 특성에 따른 동적 N값 적용
- 타겟팅 정교화
데이터로 문제 정의, 실험 가설 검증, 액션으로 임팩트 생성