💌아시아의 슈퍼앱 성공 신화, 서구권에선 왜 힘들까?

요즘 한국에서 인기 있는 앱들을 보면 하나같이 '생활 금융 플랫폼', '일상생활 서비스'와 같은 슬로건을 내세우고 있어요. 토스는 처음에는 간편 송금 서비스로 시작했지만, 이제는 은행, 증권, 보험, 부동산까지 영역을 확장하여 금융 전반을 포괄하는 슈퍼앱으로 발전했죠. 카카오 역시 메신저를 기반으로 결제, 쇼핑, 모빌리티에 이르기까지 일상 전반을 아우르는 다양한 기능을 제공하며, 기존 금융사들도 여러 개별 서비스를 통합해 슈퍼앱 전략을 도입하는 추세예요.

슈퍼앱 전략이 각광받는 이유는 경제 불확실성이 커진 상황에서 새로운 고객을 획득하는 데 드는 비용을 줄이고, 기존 고객에게 교차 판매와 상향 판매 기회를 제공하기 때문이에요. 예를 들어, 토스가 보험 서비스 사용자에게 부동산 자산 관리 서비스를 추천하거나, 카카오가 메신저를 이용하는 고객에게 모빌리티 서비스를 추가로 제공하는 방식으로 연결이 가능하죠. 이렇게 고객의 다양한 필요를 한 앱 안에서 충족시키면 고객이 여러 앱을 사용할 필요 없이 슈퍼앱 하나만으로 다양한 서비스를 이용할 수 있어, 고객 이탈을 줄이는 데 효과적이에요. 또한, 여러 기능이 한데 모여 있음으로써 사용 빈도가 증가하고, 자연스럽게 고객 충성도를 높이는 구조가 되는 것이죠.

하지만 모든 앱이 슈퍼앱을 지향하게 되면 과연 다 살아남을 수 있을까요? 요즘은 이런 질문이 오히려 현실적으로 다가오는데요. 모든 앱이 각자의 차별성을 잃고 유사한 서비스를 제공하는 '슈퍼앱'을 지향하게 된다면 시장 내에서 장기적으로 생존하는 데 오히려 어려움이 있을 수 있어요. 슈퍼앱 전략을 통해 여러 기능을 탑재하다 보면 각 기능이 앱의 핵심 서비스와 밀접하게 연계되지 않는 경우가 생기기 쉬운데, 이는 서비스의 통일성을 해칠 수 있고, 메뉴가 불필요하게 복잡해져 사용자 경험이 떨어질 가능성이 커요. 또한, 전문성을 가진 기존의 강력한 경쟁자들과 맞서야 하는 상황에서, 후발주자로 추가된 기능들이 기대만큼 성과를 내지 못하는 경우도 많아요. 예를 들어, 금융사들이 상업적인 쇼핑 서비스를 추가했지만 사용자들이 전문 쇼핑 앱과 비교했을 때 활용도가 떨어지는 경우를 볼 수 있어요.

앞으로 슈퍼앱이 성공적으로 자리 잡으려면, 모든 것을 포함하는 '만능'보다는 '핵심 전문성'을 강화하는 방향이 중요해요. 예를 들어 네이버는 검색과 커머스에, 카카오는 소셜과 모빌리티에, 토스는 금융에 차별화된 생태계를 구축해 나가고 있어요. 이렇게 각자 자신의 강점에 집중하면, 모든 것을 담으려다 서비스의 정체성을 잃는 위험을 피하면서도 각각의 핵심 분야에서 깊이 있는 서비스를 제공할 수 있어요. 이는 마치, 백화점과 아울렛, 프리미엄 몰이 각자의 영역에서 공존하며 역할을 유지하는 것과 비슷한 맥락이에요.

또한, 슈퍼앱의 진정한 성공은 사용자 데이터를 효과적으로 활용하는 데 달려있는데요. 슈퍼앱은 다양한 데이터를 통해 고객의 행동을 이해하고, 이를 바탕으로 더욱 개인화된 서비스를 제공할 수 있어야 해요. 예를 들어, 금융 슈퍼앱은 사용자의 소비 패턴과 자산 관리를 연계해 맞춤형 금융 상품을 추천하는 방식으로 고객에게 실질적인 가치를 제공할 수 있어요. 이와 함께 다양한 산업과 파트너십을 맺어 사용자의 요구를 충족시키되, 사용자 피드백을 지속적으로 반영해 경험을 개선하는 것도 중요해요.

결국, 승자는 '가장 많은 기능을 가진 앱'이 아니라 사용자 일상에 자연스럽게 스며드는 편리함과 전문성을 갖춘 앱이 될 거예요. 슈퍼앱 전략을 추구하더라도, 앱이 자사의 강점을 극대화하고 사용자와의 일관성 있는 연결을 유지하는 방향으로 발전하는 것이 진정한 성공의 열쇠라고 할 수 있겠죠.

토스에는 리서치 플랫폼팀, 일명 '리플 팀'이라고 불리는 조직이 있는데요. 리플 팀에서 토스 팀의 리서치 운영 효율화에 집중하고 있는 리서치 옵스 매니저 '리옵매'라는 역할이 있다고 합니다. 이번 글에서는 리옵매가 어떤 일들을 하는지 실제 리옵매 역할을 하시는 담당자분의 인터뷰를 통해 자세하게 담고 있습니다.

카카오맵의 지도 데이터를 고도화해 나가는 맵 비전 플랫폼 개발 팀의 Zayden 님께서 카카오맵의 리뷰 이미지 분류 모델의 개발 과정에 대해 알려주신다고 해요. 이번 글에서는 다양한 이미지 분류 방법 중 Zero-shot 분류를 사용하여 가공한 선분류 데이터 셋을 통해 모델 개발 기간을 단축하고, OOD(Out-Of-Distribution) 필터링을 이용하여 정의되지 않은 카테고리를 분류해 내는 방법을 중점으로 설명해 주신다고 하는데요. 카카오맵에서는 리뷰 이미지 분류 모델을 어떻게 구현했는지 궁금하신 분들은 본문을 통해 자세한 내용을 확인해 보세요!

본문 확인하기