추천 코드를 뿌려도 아무도 안 쓴다 — 수강생 리퍼럴을 CAC 절감 채널로 만드는 4단계
"친구 추천하면 1만 원 할인!" 배너를 마이페이지에 붙인 지 세 달, 추천으로 들어온 신규 결제는 전체의 1.2%. 광고비는 계속 오르는데 리퍼럴은 죽어 있습니다. 문제는 보상 금액이 아니라 추천이 발생할 수 없는 자리에 프로그램을 놓았다는 것입니다.
1. 리퍼럴은 '착한 채널'이 아니라 CAC 계산이 끝난 채널이다
리퍼럴을 브랜딩성 이벤트로 취급하면 예산 심의에서 항상 밀립니다. 먼저 숫자로 채널 지위를 확보해야 합니다. 2026년 기준 업계 벤치마크는 다음과 같습니다.
| 지표 | 업계 벤치마크 | 해석 |
|---|---|---|
| 리퍼럴 전환율 | 중앙값 3~5%, 상위권 8% 이상 | 초대받은 사람 중 결제 비율 |
| 활성 유저 참여율 | 10~15% (SaaS 기준) | 실제로 추천을 시도한 비율 |
| 블렌디드 CAC 절감폭 | 25~35% | 리퍼럴 채널 도입 시 |
| 리퍼럴 유입 고객 LTV | 일반 대비 +16% | 리텐션은 약 37% 더 길게 유지 |
교육 플랫폼에서 이 수치가 중요한 이유는 LTV 프리미엄 때문입니다. 리퍼럴로 들어온 수강생은 이미 '이 강의를 들은 지인'이라는 사회적 검증을 거쳤기 때문에 완주율과 재구매율이 높습니다. 즉 리퍼럴의 진짜 KPI는 추천 건수가 아니라 리퍼럴 유입 코호트의 90일 LTV ÷ 보상 원가입니다.
💡 PRO TIP — 리퍼럴 보상 단가의 상한선은 감으로 정하지 마세요.
현재 유료 채널 CAC × 0.6을 상한으로 잡으면 최악의 경우에도 유료 광고보다 40% 저렴한 획득이 보장됩니다. 유료 CAC가 8만 원이라면 추천인과 피추천인 보상 합계 4.8만 원까지가 안전 구간입니다.
2. 추천이 안 도는 진짜 이유: 보상이 아니라 타이밍이 틀렸다
대부분의 교육 플랫폼은 추천 배너를 마이페이지나 결제 완료 화면에 둡니다. 둘 다 최악의 자리입니다.
- 결제 직후: 아직 강의를 듣지 않았으므로 추천할 근거가 없습니다. 확신이 없으니 권유 문구도 약해집니다.
- 마이페이지: 유저가 능동적으로 찾아 들어가야 하는 화면입니다. 노출 자체가 발생하지 않습니다. 추천은 만족이 최고조에 달한 순간에만 발생합니다. 교육 플랫폼에서 그 순간은 다음 네 곳입니다.
- 첫 챕터 완강 직후 — "생각보다 좋다"는 초기 확신이 형성되는 지점
- 수료증 발급 시점 — 성취를 공유하고 싶은 동기가 가장 강한 순간
- NPS 9~10점 응답 직후 — 만족을 이미 언어로 표현한 유저
- 커뮤니티 후기 작성 직후 — 추천 의사가 이미 행동으로 드러난 상태
실무에서는 GA4 또는 Amplitude에서
lecture_complete,certificate_issued,review_submit이벤트를 트리거로 잡고, 해당 이벤트 발생 후 30분 이내에 인앱 모달 또는 카카오 알림톡으로 추천 링크를 노출시키는 구조가 가장 효율적입니다. 동일한 보상과 문구라도 노출 지점만 바꿔 참여율이 크게 벌어지는 사례가 흔합니다.
⚠️ 주의사항 — 트리거 기반 노출은 빈도 제어가 필수입니다. 완강 이벤트마다 모달을 띄우면 학습 경험을 해치고 오히려 이탈을 유발합니다. 유저당 30일 내 최대 2회 수준의 프리퀀시 캡을 걸어두세요.
3. 보상 설계: 금액보다 '형태'가 참여율을 결정한다
현금성 할인 쿠폰은 가장 흔하지만 가장 비효율적인 보상입니다. 원가는 그대로 나가면서 브랜드 인식은 '할인하는 곳'으로 굳습니다. 교육 플랫폼에 맞는 대안은 세 가지입니다.
| 보상 유형 | 예시 | 강점 | 약점 |
|---|---|---|---|
| 양방향 할인 | 추천인·피추천인 각 1만 원 | 이해가 쉬운 즉시 실행 | 마진 직접 훼손, 체리피커 유입 |
| 콘텐츠 언락 | 추천 1회당 심화 강의·자료 개방 | 한계원가 0, 브랜드 가치 강화 | 인지된 가치 설득이 필요 |
| 멤버십 승급 | 추천 3회 시 상위 플랜 1개월 | LTV 직접 상승, 락인 효과 | 초기 허들이 높음 |
가장 성과가 좋은 조합은 피추천인에게는 현금성 혜택을, 추천인에게는 콘텐츠·등급 혜택을 주는 비대칭 구조입니다. 신규 고객은 가격 민감도가 높아 즉시 할인이 전환을 밀어주고, 기존 수강생은 이미 브랜드를 신뢰하므로 한계원가 0인 보상으로도 충분히 움직입니다. 이 구조는 보상 총원가를 크게 낮추면서도 참여율을 유지합니다. A/B 테스트 설계 예시
- A안 (혜택 강조형): "친구도 3만 원 할인, 나도 심화 강의 무료" — 금전적 이득을 전면 배치
- B안 (문제 해결형): "혼자 들으면 완주율 24%, 같이 들으면 68%. 함께 들을 사람을 초대하세요" — 완주 불안이라는 페인 포인트 공략 교육 카테고리에서는 B안 계열이 이기는 경우가 많습니다. 수강생의 진짜 페인 포인트는 '수강료'가 아니라 '끝까지 못 들을 것 같다'는 불안이기 때문입니다. 다만 이는 가설이므로 최소 2주간, 신규·기존 세그먼트를 나누어 검증하십시오.
4. 마찰 제거와 측정: 3클릭을 넘기면 참여율은 무너진다
보상과 타이밍이 맞아도 공유 과정이 번거로우면 성과는 나오지 않습니다. 다음을 점검하십시오.
- 추천 링크 복사가 1탭으로 끝나는가 (코드 수기 입력 요구 금지)
- 카카오톡 공유 시 OG 이미지와 추천인 이름이 자동으로 들어가는가
- 피추천인이 링크로 진입했을 때 혜택이 첫 화면에 즉시 표시되는가
- 회원가입 전 클릭에도 추천 관계가 유지되는가 (쿠키 소실 대비 서버 사이드 매핑)
- 추천 현황을 유저가 직접 확인할 수 있는가 ("2명 초대, 1명 결제 완료")
측정 측면에서 가장 중요한 사실은 UTM만으로는 리퍼럴을 추적할 수 없다는 점입니다. 카카오톡·DM으로 공유되는 링크는 대부분 다크 소셜로 분류되어 direct 트래픽에 섞입니다. 반드시 고유 리퍼럴 코드를 발급하고 서버 측에서
referrer_user_id → referee_user_id관계를 저장해야 합니다. 대시보드에는 다음 5개 지표만 올리면 충분합니다.
- 참여율 = 추천 링크 생성 유저 ÷ 노출 유저
- 공유율 = 실제 공유 발생 ÷ 링크 생성
- 초대 클릭 전환율 = 가입 ÷ 링크 클릭
- 리퍼럴 CAC = 총 보상 원가 ÷ 리퍼럴 신규 결제자
- 리퍼럴 코호트 90일 LTV = 유료 채널 코호트와 반드시 비교 참여율이 5% 미만이면 노출 타이밍 문제, 공유율이 낮으면 마찰 문제, 클릭 전환율이 낮으면 랜딩·보상 문제입니다. 단계를 분리해야 어디를 고칠지 판단할 수 있습니다.
마무리: 리퍼럴은 이벤트가 아니라 퍼널이다
- 리퍼럴의 KPI는 추천 건수가 아니라 리퍼럴 코호트의 LTV ÷ 보상 원가입니다.
- 추천 배너는 마이페이지가 아니라 완강·수료증·고NPS 시점에 배치합니다.
- 보상은 피추천인=현금성, 추천인=콘텐츠·등급의 비대칭 구조가 원가 효율이 가장 높습니다.
- 카카오톡 공유는 다크 소셜입니다. UTM이 아니라 고유 코드와 서버 사이드 매핑으로 추적합니다.
- 참여율·공유율·클릭 전환율을 분리 측정해야 병목을 특정할 수 있습니다. 이번 주에 단 하나만 바꾼다면, 추천 배너를 마이페이지에서 첫 챕터 완강 직후 화면으로 옮겨보십시오. 보상 금액을 1원도 올리지 않고도 참여율이 달라지는 것을 확인하실 수 있을 것입니다. 매일 아침 실무에 바로 적용하는 퍼포먼스·그로스 마케팅 인사이트를 받아보세요. → 블로그 구독하기
