Wispr Flow와 Superhuman에서 배우는 1억 달러 성장 엔진 구축법

URL: https://www.youtube.com/watch?v=bm8rMM4Bxz8
날짜: 2026-08-16
채널: 20VC
원문 제목: How to Build a $100M Growth Engine: Lessons from Wispr Flow & Superhuman | Matt Swulinski
주요 인물: Matt Swulinski(Superhuman·Wispr Flow·Victor의 성장 담당)

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==AI 시대의 SaaS 성장 엔진은 제품 주도 성장(Product-Led Growth, PLG)에 전자상거래식 유료 획득·대량 크리에이티브·정교한 측정·에이전트 자동화를 결합해야 한다.==

• PLG는 인간 사용자가 제품을 발견하고 선택하는 흐름뿐 아니라, 미래에 에이전트가 도구와 API를 조사·선택하는 흐름까지 최적화해야 한다.
• Meta·Google·라이프사이클 마케팅을 먼저 연결하고, 전환 추적과 귀속(Attribution)을 제대로 만든 뒤 유료 광고를 빠르게 실험해야 한다.
• 광고 성과는 매체 운영보다 크리에이티브의 다양성과 생산 속도에 좌우되며, 월 10만 달러의 Meta 예산에는 월 400~500개의 신규 크리에이티브가 필요할 수 있다.
• 성장팀의 경쟁력은 특정 채널의 전문가가 아니라 전체 시스템을 분해하고 AI 에이전트로 반복 작업을 자동화하는 시스템 사고(Systems Thinking)에 달려 있다.

Matt Swulinski는 Superhuman의 창업자 주도 입소문 성장을 거친 뒤, Wispr Flow에서 전자상거래(E-commerce)의 UGC·다채널·성과 마케팅 플레이북을 SaaS에 이식했다. 현재 Victor에서는 이 방식을 AI 에이전트와 결합해 적은 인원으로 지식 노동을 확장하는 모델을 실험한다.

1. 인간용 PLG에서 에이전트용 PLG로

1.1. 제품 선택 주체가 사람에서 에이전트로 넓어진다

1. PLG의 기본 전제

   1. PLG는 사람이 제품을 스스로 발견하고, 사용하고, 유료 전환하는 셀프서비스 퍼널(Self-Serve Funnel)을 전제로 한다.
   2. 에이전트 시대에도 셀프서비스 퍼널은 사라지지 않지만, 에이전트가 어떤 도구와 API를 조사하고 선택하는지까지 제품 설계와 유통 설계에 포함해야 한다.

2. 에이전트 선택을 위한 준비

   1. PLG를 잘하는 기업은 제품이 왜 인간에게 선택됐는지, 어떤 사용 사례와 신호가 결정을 만들었는지를 이미 분석하고 있다.
   2. 같은 프레임과 엄격함을 에이전트의 의사결정에도 적용하면, 사람의 개입 없이 특정 작업에 필요한 도구가 선택되는 에이전트 레이어에서 유리해진다.
   3. 현재 PLG에 강한 회사가 에이전트 기반 선택 시장에도 가장 잘 준비된 회사가 될 가능성이 높다.

1.2. 제품 완성도가 성장의 출발점이다

1. Superhuman에서 배운 제품 감각

   1. Superhuman에서 얻은 핵심 교훈은 제품의 모든 작은 요소를 초정밀하게 다듬어 사용자가 계속 쓰고 싶게 만드는 제품의 맛(Taste)이다.
   2. 한 번 사용한 뒤 계속 남는 이유는 기능 하나의 화려함보다 전체 경험의 일관된 완성도에 있다.

2. 초기 입소문의 한계

   1. Superhuman은 처음에 창업자 추천과 장인적인 제품 경험을 중심으로 성장했다.
   2. 그러나 창업자 주도 입소문만으로 확장할 수 있는 규모에는 점근선(Asymptote)이 있다.
   3. 약 3년 전 SaaS 업계는 유료 광고보다 PLG와 추천에 집중했고, 전자상거래 업계가 수십만 개의 UGC 광고를 만들어 성과를 내는 방식을 과소평가했다.

2. SaaS에 전자상거래 성장 플레이북을 이식하기

2.1. 유통이 유일한 방어력이 된다

1. 전자상거래식 성장 모델

   1. 모든 광고 노출은 구매 또는 장바구니 추가(Add to Cart)로 연결돼야 한다.
   2. 수백 명의 UGC 크리에이터, 서로 다른 크리에이티브, 여러 채널을 동시에 운영해 브랜드 전체를 보여준다.
   3. 이 방식은 전자상거래에서 10년 이상 검증됐고, SaaS가 뒤늦게 배워야 할 운영 DNA다.

2. Superhuman에서 Wispr Flow로

   1. Superhuman의 Grammarly 인수 전 단계에서 유료 획득을 확장할 때 전자상거래 모델을 적용했다.
   2. 같은 모션을 Wispr Flow에 이식했고, 제품을 시장에 알리고 빠르게 확장하는 데 기여했다.
   3. 제품이 비슷하게 복제되는 시대에 배포와 유통(Distribution)이 유일한 해자(Moat)가 되므로, 제품만 잘 만드는 것만으로는 부족하다.

2.2. 유료 광고는 검증 도구이지 나중의 사치품이 아니다

1. 유료 광고를 시작할 시점

   1. 유료 광고는 PLG와 확장 가능한 제품을 검증하는 가장 빠른 방법이므로 즉시 시작해야 한다.
   2. 브랜드 콘텐츠, 유기적 콘텐츠, 팟캐스트, 사용자 인터뷰도 병행하되, 유료 광고를 통해 메시지·크리에이티브·퍼널·포지셔닝을 일주일 안에 테스트한다.
   3. 같은 학습을 콘텐츠와 입소문만으로 얻으려면 훨씬 오래 걸린다.

2. 초기 획득 엔진의 세 축

   1. Meta: 영상 의도(Video Intent)가 있는 플랫폼으로, 다양한 크리에이티브를 통해 사람을 찾는다.
   2. Google: 검색 의도(Search Intent)를 포착하고, 비브랜드 검색·PMax·YouTube·디스플레이를 묶어 운영한다.
   3. 라이프사이클(Lifecycle): 이메일·SMS·푸시로 사용자를 다시 nudging하고 적절한 순간에 퍼널로 복귀시킨다.
   4. 초기에는 TikTok·Reddit 등 여러 채널을 한꺼번에 추가하지 말고 Meta와 Google에 집중한다. 채널을 많이 열고 모두 부실하게 운영하면 에이전트를 여러 개 시켜 모든 일을 못하게 만드는 것과 같은 결과가 난다.

3. 초기 예산

   1. 300만~500만 달러를 조달한 회사라면 초기 검증 예산의 출발점으로 10만 달러를 둘 수 있다.
   2. 다만 적정 금액은 ARPU, 퍼널 길이, 유닛 이코노믹스에 따라 달라지며, 10만 달러가 무엇을 검증해 주는지 계산해야 한다.

2.3. 측정 인프라를 광고보다 먼저 만든다

1. SaaS의 측정 공백

   1. 전자상거래에는 Triple Whale 같은 도구가 있어 픽셀과 광고비만 연결하면 Meta·Google·라이프사이클의 중복 집계를 보정하고 신규 매출 기여도를 보여준다.
   2. Elevar 등은 장바구니·구매·서버사이드 전환 추적을 15분 정도에 연결할 수 있다.
   3. SaaS는 ClickHouse·Hex 같은 데이터베이스와 BI 레이어, 퍼스트클릭·라스트클릭 귀속을 엔지니어링팀이 직접 구축해야 한다. 90%의 회사가 첫 광고비를 쓰기 전에 이 일을 하지 않는다.

2. 전환 추적의 품질

   1. 제품 분석 도구가 있어도 Meta·Google에 동일한 전환 신호가 전달되는지 확인해야 한다.
   2. Meta의 매치율(Match Rate)과 Google의 인리치먼트 점수(Enrichment Score)를 최대로 끌어올리지 않으면 전환의 절반이 유령 데이터가 될 수 있다.
   3. 알고리즘은 전달받은 신호를 그대로 학습한다. 구독 이벤트를 50%만 추적하면 Meta는 구독자의 특성을 충분히 배우지 못하고 무작위에 가까운 사람을 데려와 CAC를 높인다.
   4. “유료 광고가 작동하지 않는다”는 결론보다 먼저 추적과 측정 설정이 올바른지 검증해야 한다.

3. 초기 최적화 이벤트

   1. SaaS의 첫 이벤트는 구독 또는 체험 시작일 수 있고, Wispr Flow에서는 데스크톱 클라이언트와 iOS 앱 때문에 추적이 어려워 다운로드를 상단 퍼널 이벤트로 사용했다.
   2. Victor는 Slack 관리자 또는 Microsoft Teams 테넌트가 온보딩을 완료하고 제품을 Slack·Teams에 추가하는 깊은 전환 이벤트를 사용한다.
   3. Victor처럼 ARPU가 높은 사업은 수천 달러의 CAC도 유닛 이코노믹스가 맞을 수 있으므로, 사업에서 실제 성공을 의미하는 이벤트를 찾아 채널 단위로 최적화해야 한다.
   4. 제품팀은 유지율(Retention)을 담당하므로 초기 마케팅팀은 양질의 사용자를 데려오는 획득 비용에 집중한다. 시간이 지나면 가장 중요한 다운퍼널 이벤트로 최적화 기준을 바꾼다.

2.4. CAC와 AI 제품의 비용 구조

1. 초기 LTV:CAC의 기준

   1. 조달한 자금이 많다면 초기에는 1:1에 가까운 LTV:CAC를 감수하며 최대한 많은 사용자가 제품을 경험하고 믿게 할 수 있다.
   2. 1:1 아래로 내려가면 돈을 태우는 상태이므로 웹사이트와 퍼널을 고쳐 1:1 이상으로 올려야 한다.
   3. 성숙한 목표는 대체로 3:1이지만, 스폰서십·AEO·기타 채널이 유기적 전환을 끌어올리는지 함께 봐야 한다.

2. 토큰 기반 AI SaaS의 올바른 분모

   1. 단순 LTV:CAC만으로는 부족하고, 토큰 비용이 있다면 LTV 총이익(Gross Profit):CAC를 봐야 한다.
   2. Meta와 Google은 사용량 기반 B2B SaaS를 잘 이해하지 못한다. 한 사람의 연간 계약 가치가 5만 달러일 수도, 50달러일 수도 있기 때문이다.
   3. Anthropic 청구서만 원가로 보면 안 된다. Modal 비용, 추론(Inference) 비용, 제품을 서비스하는 다른 인프라 비용까지 포함한 완전 원가를 재무 리더가 점검해야 한다.
   4. AI 제품은 ARPU가 높아도 사용자별 비용도 높으므로, 비용 항목을 놓치면 높은 매출이 실제로는 손실을 키울 수 있다.

3. 크리에이티브가 곧 타기팅이 되는 광고 시장

3.1. Meta Andromeda와 대량 생산

1. 알고리즘 변화

   1. Meta의 Andromeda 업데이트 이후 크리에이티브가 곧 타기팅이 됐다.
   2. 예전 미디어 바이어가 캠페인 설정과 오디언스를 세밀하게 조정했다면, 이제 Meta는 광고의 내용과 타깃 의도를 분석해 적합한 사람을 스스로 찾는다.
   3. 미디어 바이어의 역할은 크리에이티브 전략가로 이동했다.

2. 생산량의 기준

   1. Meta 월 예산이 10만 달러라면 월 400~500개의 신규 크리에이티브가 필요할 수 있다.
   2. 생산 속도가 떨어지면 광고 피로와 경쟁 심화로 성과가 평평해지고 획득 비용이 오른다.
   3. Victor는 자체 크리에이터 프로그램, 5개 에이전시, 사내 크리에이티브팀을 함께 운영한다.
   4. 크리에이터 한 명이 참여하면 주 3~4개의 영상을 만들고, 수백 명이 누적되면서 대량 변형을 만든다.

3.2. UGC 네트워크와 파트너십 광고

1. UGC 공급망

   1. UGC는 크리에이터의 개인 채널에 게시할 필요가 없으므로, 한 크리에이터가 여러 브랜드와 경쟁사 광고를 동시에 만들 수 있다.
   2. 에이전시와 마켓플레이스가 매우 많아졌지만, 가장 좋은 선택 방법은 동료 창업자에게 실제 사용처를 묻는 것이다.
   3. 파트너십 광고는 크리에이터의 게시물에 광고비를 추가로 집행하는 방식이며, 전체 광고비의 약 30%를 이 방식에 배분할 수 있다.
   4. 17~19세 크리에이터도 몇 개의 광고만 제작해 월 2만~3만 달러를 벌 수 있다. 좋은 광고가 계속 성과를 내면 새 영상을 계속 만들지 않아도 광고비가 그 소재에 집중된다.

2. 20%의 크리에이터가 80%의 매출을 만든다

   1. 알고리즘은 가장 좋은 광고를 찾아 예산을 몰아주므로 80/20 현상이 강하게 나타난다.
   2. 성별, 카메라를 정면으로 보는지, 주방에서 무언가를 자르거나 커피를 만들며 말하는지보다 중요한 것은 패턴을 깨고 멈춰 세우는 훅(Hook)이다.
   3. 카메라가 실수처럼 흔들리고, 정돈되지 않은 “어, 안녕”으로 시작한 뒤 제품을 말하는 방식도 주목을 끈다.
   4. 한 가지 승자 소재만 복제하면 성과가 무너진다. 연령·성별·장소·훅·설정이 서로 다른 전체 에셋 패키지가 알고리즘에 다양성을 제공해야 한다.
   5. 완전히 새롭고 이상한 아이디어를 계속 생산하지 않으면 획득 비용이 상승한다.

3. AI 크리에이티브의 역할

   1. AI는 배경과 옷을 바꾸고 하나의 영상을 수천 가지로 변형하는 데 특히 강하다.
   2. 완전히 AI로 생성한 영상은 즉시 AI 티가 나는 “슬롭(Slop)”이므로 전체 광고 계정의 약 5% 정도만 실험적으로 사용할 수 있다.
   3. AI가 실제 사람을 대체할 정도로 크리에이티브 전체를 맡을 단계는 아니다.
   4. AI 콘텐츠를 인간 콘텐츠보다 알고리즘이 덜 평가절하한다는 주장에는 회의적이며, 인간이 만드는 진짜 다양성이 여전히 핵심이다.

3.3. 50회 전환, 2~3주, 3개월의 운영 리듬

1. 광고를 켜기 전 조건

   1. 제품이 실제로 사랑받아 친구에게 추천될 정도의 제품 완성도가 있어야 한다.
   2. 분석과 전환 추적을 연결하고, 최적화 이벤트에서 약 50회의 전환을 먼저 확보해야 알고리즘이 이상적인 고객을 이해하기 시작한다.
   3. 50회 전환은 광고를 시작할 수 있는 최소 데이터선에 가깝다.

2. 초기 판정과 장기 운영

   1. 캠페인을 시작한 뒤 2~3주 동안 2~3개의 크리에이티브 반복 사이클을 돌리면 오늘 당장 돈을 찍을 수 있는지, 전면 재설계해야 하는지 판단할 수 있다.
   2. 광고 크리에이티브·카피·랜딩 경험·메시지·페이지 속도·앱스토어 스크린샷은 서로 연결된 미세 레버다.
   3. 전체 캠페인은 보통 3개월 정도 운영하되, 그동안 각 레버를 계속 고쳐야 한다.
   4. 잘못된 신호가 명백해 회복 가능성이 없으면 즉시 끄고, 초기 지표만 나쁘고 다른 변수가 영향을 줄 가능성이 있으면 개인화 랜딩페이지 같은 실험을 더한 뒤 판단한다.

3.4. 랜딩 경험과 페이지 속도

1. 첫 화면의 기본 감사

   1. 모바일 트래픽 비중을 알고 모바일 최적화를 확인해야 한다.
   2. 주요 CTA가 한 화면 이상 아래로 밀려 있는 사이트가 많다.
   3. 헤드라인만 읽어도 무엇을 하는지 알 수 있어야 하며, 사용자가 손가락을 더 움직이지 않고도 “써보고 싶다”는 결론에 도달해야 한다.
   4. 이 기준은 광고 크리에이티브, 카피, 랜딩페이지 전체에 동일하게 적용된다.

2. 예외로서의 패턴 파괴

   1. PostHog처럼 낯설고 혼란스러운 UI를 가진 제품도 타깃 사용자가 그 기묘함을 좋아한다면 의도적인 패턴 파괴가 된다.
   2. 예외 사례를 일반 법칙으로 삼지 말고, 트래픽 구성과 ICP가 그 특이성을 받아들이는지 먼저 확인해야 한다.

3. 속도와 검색

   1. 페이지 속도는 AEO(Answer Engine Optimization)와 SEO의 핵심 랭킹 요소다.
   2. 검색봇이 페이지 로딩 시간을 저렴하게 측정할 수 있고, 낮은 속도 등급은 실제 사용자의 로딩 포기를 부른다.
   3. 0.5초와 0.2초의 차이처럼 작아 보이는 개선도 전환율에 큰 차이를 만든다.

4. 예산을 키우는 법과 Superhuman의 점근선

4.1. 증분성(Incrementality)을 확인하며 불을 키운다

1. 지출-매출 탄력성

   1. 오늘 지출한 광고가 14일 뒤 유료 전환으로 나타날 수 있으므로 지연을 감안해 총지출과 획득, ARR의 관계를 그린다.
   2. 지출을 늘릴 때 ARR도 함께 뛰는지, 그 관계가 얼마나 탄력적인지가 예산 확대 또는 감액의 기준이다.
   3. 증분 지출이 없어도 같은 결과가 났다면 Meta와 Google에 불필요한 돈을 준 셈이다.

2. Wispr Flow의 5배 실험

   1. Wispr Flow는 한 달에서 다음 달로 예산을 5배 늘려 어디서 시스템이 무너지는지 확인했다.
   2. 이 실험으로 Meta를 Google보다 낮춰야 하는지, 어떤 뉴스레터와 팟캐스트가 작동하는지, 어디서 오디언스 포화가 왔는지를 빠르게 알 수 있었다.
   3. 6개월 동안 매달 30~40% 성장해야 하는 회사가 천장을 천천히 찾을 시간은 없다.
   4. 최대로 밀어붙여 실패 지점을 찾고, 얻은 정보로 예산을 낮춘 뒤 다시 반복 가능한 상승 곡선을 만든다.

3. 매월 100만 달러 이상 집행할 때

   1. 채널별 증분성을 추정하는 MMM(Marketing Mix Modeling) 모델을 둔다.
   2. 초기 모델은 틀릴 수 있으므로 예산 조정, 홀드아웃(Holdout), 지출 축소 실험으로 검증한다.
   3. 광고·스폰서십·팟캐스트·PR이 서로 어떻게 작동하는지 전체 관계를 보지 못하면 한 채널만 잘하는 전문가로 남게 된다.

4.2. Superhuman의 성장 점근선과 ICP 확장

1. 창업자 ICP의 유한성

   1. Superhuman은 즉시 결제하는 프리미엄 제품이었고 핵심 이상적 고객 프로필(ICP)은 창업자였다.
   2. 당시 초기 기술 창업자 시장은 빠르게 성장했지만 무한하지 않았다.
   3. 초기 기술 창업자에게 집중한 결과 시장의 첫 점근선에 도달했다.

2. 다음 성장층

   1. 영업팀과 다른 개인 기여자(IC)를 새 ICP로 추가하고, 최근 이메일을 본 사람을 오른쪽에서 보여주는 기능처럼 영업 업무에 맞는 제품 경험을 만들 수 있었다.
   2. 제품의 껍질을 한 겹씩 열어 새로운 고객군·새 사용 사례·새 가격 구조를 찾지 않으면 특정 ICP의 천장에 갇힌다.
   3. Wispr Flow와 Victor는 서로 다른 시장과 가치 제안을 가졌지만, 소비자 PLG·Meta 광고·대형 기업 계약을 함께 운영했다.
   4. Victor는 Gmail에 라벨을 더하는 간단한 도구를 원하는 소비자, Outlook에 불만이 큰 사용자, 대형 기업을 동시에 공략했다.
   5. Wispr Flow는 B2C PLG로 시작했지만 AE 한 명을 두기 전부터 팀 라이선스와 셀프서비스 기업 도입으로 ARR의 큰 부분을 기업에서 만들었다.

4.3. YouTube는 별도 크리에이티브 프로그램이다

1. Meta와 다른 훅 곡선

   1. Meta에서는 즉시 “이게 맞다”는 확인이 필요하지만, YouTube 사용자는 긴 영상을 소비할 의향이 있어 훅이 조금 늦게 나와도 된다.
   2. YouTube 광고는 16:9 가로 영상이 강해 세로 UGC만 가진 팀이 진입을 두려워한다.

2. 세로 영상을 가로 광고로 변환

   1. Victor는 세로 스토리 영상을 로고·G2 평점·CTA가 있는 정적 템플릿에 넣는 앱을 만들었다.
   2. 영상만 교체하는 구조로 기존 UGC를 YouTube 광고로 확장했고, 포맷에 맞게 일부 편집만 추가했다.
   3. Figma에서 정적 템플릿을 만든 뒤 영상을 넣어 내보내는 것만으로도 YouTube 광고를 시작할 수 있다.

3. YouTube식 스토리텔링

   1. “이 도구를 쓰기 시작했더니 삶이 바뀌었고, 방법을 보여주겠다” 같은 유기적 영상의 문법을 사용한다.
   2. Meta 광고와 다른 대본·촬영·편집이 필요하므로 별도 팀이 YouTube 프로그램을 맡아야 한다.
   3. Wispr Flow는 “말하면 텍스트가 된다”는 설명만으로 이해하기 어려워 30초~1분 교육형 영상을 YouTube에 오래 노출했다.
   4. 수백만~수억 회 노출된 교육 영상이 비브랜드 검색, PMax, 디스플레이와 연결되어 나중에 전환을 만들었다.
   5. Google Ads가 Wispr Flow의 가장 강한 채널이 된 이유는 비브랜드 검색·PMax·YouTube 전체가 하나의 시장처럼 연결되고, 국가별 가격과 CAC를 Meta보다 세밀하게 제어할 수 있었기 때문이다.

5. 추천·AEO·유기적 성장의 설계

5.1. 사용 한도에 맞춘 추천 엔진

1. Superhuman의 추천 구조

   1. Superhuman은 “한 달을 추천하면 한 달을 받는” 단순한 보상 구조를 사용했다.
   2. 일부 사용자는 수백 건을 추천해 수백 개월의 무료 사용 기간을 얻었고, 발견하기 쉽고 보상이 즉각적이라 행동이 자연스러웠다.

2. Wispr Flow와 Victor의 사용 한도 순간

   1. Wispr Flow는 약 2,000단어 한도에 도달하기 직전 “친구에게 공유하면 다음 달을 무료로 받을 수 있다”는 메시지를 보여줬다.
   2. Victor는 토큰 크레딧이 한도에 가까워질 때 사용자의 유형별 의사결정 트리를 보여준다.
   3. LinkedIn에 Victor를 게시하면 CPM 방식으로 크레딧을 지급하고, 회사를 추천하면 결제액의 일정 비율을 매월 크레딧으로 지급한다.
   4. 8명 규모 팀이 Victor에 월 1.5만~2만 달러를 쓰는 경우, 지인이 월 5,000달러를 쓰는 회사를 소개하고 20%를 받으면 추천자의 비용도 낮아진다.
   5. Victor는 코호트에 따라 고객 한 명을 얻는 데 1,000~2,000달러를 쓸 수 있으므로, 가장 좋은 고객을 기존 고객이 찾게 만드는 편이 합리적이다.

3. 추천 프로그램의 실패 패턴

   1. 보상이 무엇인지 명확하지 않거나, 스웨그처럼 사용자에게 실제 가치가 없는 것을 주면 행동이 일어나지 않는다.
   2. 20단계의 복잡한 게임화는 사용자가 이해하고 실행하기 어렵다.
   3. 제품 사용량이 늘어나면 가장 절실해지는 순간에, 5초 안에 실행할 수 있는 단순한 보상을 제시해야 한다.
   4. 사용 한도와 추천 보상을 정렬하면 추천 계수(K-factor)가 퍼널의 중요한 성장 변수가 된다.

5.2. 마법 같은 아하 모먼트와 페이월

1. 페이월의 위치

   1. 페이월의 즉시성보다 먼저 해결해야 할 문제는 사용자가 “이건 정말 대단하다”라고 느끼는 마법 같은 아하 모먼트(Aha Moment)다.
   2. 첫 발견 직후 계속 쓰고 싶은 허니문 구간을 만든 뒤, 그 감정이 유지될 때 페이월을 둔다.
   3. Victor는 사용자가 게임체인저 같은 워크플로를 한 번 경험한 직후 결제를 제안할 수 있도록 무료 크레딧과 노출 시점을 계속 실험한다.
   4. Wispr Flow가 LinkedIn에서 “더는 타이핑하지 않는다”는 반응을 얻은 것도 많은 사용자가 그 마법의 순간을 경험했기 때문이다.

2. 무료 크레딧의 회계 처리

   1. 무료 체험 크레딧은 공짜가 아니라 완전 원가 CAC(Fully Loaded CAC)의 일부다.
   2. 마케팅비에 광고비만 넣고 무료 사용량을 제외하면 실제 획득 비용을 과소평가한다.

5.3. AEO와 PR의 새로운 역할

1. AEO의 기본 원칙

   1. AEO는 SEO의 핵심 원리를 따르지만, 검색엔진과 답변엔진이 읽고 인용할 가치 있는 페이지가 필요하다.
   2. 경쟁사의 사이트맵과 페이지 생성량을 에이전트로 분석하면 주당 100~200개의 페이지를 만드는 사례를 볼 수 있다.
   3. AI로 만든 페이지를 양산하는 것은 AI 슬롭이므로, 특정 질문에 실제로 답하는 유용한 콘텐츠를 쌓아야 한다.
   4. 답변엔진이 “이 작업에 가장 좋은 도구는 무엇인가”라는 질문에 제품을 인용하게 만드는 것이 목표다.

2. YouTube·Reddit·사회적 서사의 중요성

   1. 웹사이트 콘텐츠만으로는 부족하며 YouTube, Reddit, 소셜에서 어떤 이야기가 반복되는지가 중요하다.
   2. 창업 초기에 좋은 YouTube 리뷰를 확보해야 한다. 긴 영상은 롱테일 검색에 남고 ChatGPT 같은 답변엔진의 고가치 인용원이 된다.
   3. 웹사이트·PR·외부 리뷰·영상이 하나의 신뢰 네트워크를 만들면 AEO 유입이 증가한다.

3. 전통 PR의 역할

   1. Product Hunt와 TechCrunch 등재는 출시 트래픽을 폭발시키는 것보다 신뢰와 창업자 입문 의례에 가깝다.
   2. PR의 핵심 가치는 답변엔진이 참고할 수 있는 권위 있는 외부 출처를 늘리는 데 있다.
   3. 긍정적인 외부 서사가 누적되면 “무엇이 이 문제에 좋은 제품인가”라는 답변에 선택될 확률이 커진다.

4. TikTok의 현재 한계

   1. B2C 비중이 높은 회사에는 틱톡을 실험할 시간과 장소가 있을 수 있다.
   2. 그러나 Matt Swulinski가 거친 Superhuman·Wispr Flow·Victor의 세 회사에서는 아직 틱톡이 검증된 핵심 채널이 아니었다.

5.4. 유기적 믹스와 유료 의존성

1. 건강한 유기적 비중

   1. 성장 후반에는 전체 획득의 약 35~45%가 입소문과 유기적 발견에서 나오는 구조가 이상적이다.
   2. 초기에 외부 콘텐츠가 부족하면 유료 광고 의존도가 높지만, 시간이 지나면 SEO·AEO·리뷰·추천이 그 절반을 담당해야 한다.

2. 유료를 줄이는 실험

   1. 매출 3,000만~5,000만 달러까지 공격적으로 유료 광고를 키운 뒤 지출을 크게 줄여 낙폭을 보는 것은 강한 학습 실험이다.
   2. 유료를 끄자 성장이 무너진다면 다른 절반의 일을 잊었다는 신호다.
   3. 매출 규모가 커질수록 MMM과 홀드아웃으로 어떤 지출이 진짜 증분인지 확인해야 한다.

6. AI 네이티브 성장팀과 시스템 사고

6.1. 풀스택 성장 인재의 부상

1. 전문가보다 시스템을 이해하는 사람

   1. 1년 전에는 Meta 광고를 10년 운영하고 수억 달러를 확장한 미디어 바이어가 최우선 채용 대상이었다.
   2. 이제는 역사적 경험이 조금 부족해도 AI 네이티브이고 자신이 하던 일을 분해할 수 있는 시스템 사고자가 더 강력할 수 있다.
   3. 전문화된 일반인(Specialized Generalist)처럼 한 영역의 강점을 갖되 크리에이티브·촬영·편집·광고 집행·분석·전환 추적까지 직접 해봐야 한다.
   4. 하이퍼 스페셜리스트는 느리게 사라지고 있다. 시스템의 기본 원리를 모르면 AI에게 일을 맡길 수 없다.

2. 풀스택 경험의 실제 사례

   1. Matt Swulinski는 컨설팅에서 시작해 첫 에이전시를 창업하고 전자상거래·SaaS·엔터프라이즈 B2B에서 처음부터 직접 실행했다.
   2. Wispr Flow에서는 1년 반 동안 월 100만 달러의 Google 예산, 수십만 개의 키워드, 광고·실험·랜딩페이지를 한 사람이 관리했다.
   3. 제품팀이 온보딩을 넘겨받은 뒤에도 Meta·뉴스레터·광고 지표를 연결하며 전체 KPI를 노출에서 다운로드까지 소유했다.

6.2. 시스템 사고를 검증하는 면접

1. 시스템 사고의 정의

   1. 하나의 업무에서 한 단계 떨어져 자신의 역할을 구성하는 모든 입력·출력·반복 작업·보고·관리·상호작용을 지도처럼 그리는 능력이다.
   2. 업무 전체를 보면 어떤 부분을 에이전트에 맡기고, 어떤 고레버리지 판단에 사람의 시간을 써야 하는지 보인다.
   3. 단순히 ChatGPT에 질문하고 원래 방식으로 계속 일하는 것은 워크플로가 아니다.

2. 면접 질문과 좋은 답

   1. “업무와 개인 생활에서 AI를 어떤 워크플로로 쓰는가?”를 묻는다.
   2. 나쁜 답은 맥락이 저장된 ChatGPT 프로젝트나 대화 하나를 보여주는 것이다. 대화는 메모리와 컨텍스트 레이어일 뿐 피드백 루프를 갖춘 워크플로가 아니다.
   3. AI가 슬롭을 만들었을 때 결과물을 직접 다시 쓰지 않고, 왜 잘못됐는지 구체적으로 피드백해 다음 결과가 좋아지게 만드는지가 핵심이다.
   4. 가장 좋은 후보자는 어려운 문제를 A부터 Z까지 직접 해결하며 반복 가능한 시스템을 만든 사례를 제시한다. 이런 깊이를 가진 후보자는 1% 미만이다.

6.3. 자기개선형 뉴스레터 스폰서십 시스템

1. 에이전트가 처리하는 흐름

   1. 뉴스레터 스폰서가 이메일을 보내면 에이전트가 요청으로 분류하고, 요율을 묻고, 독자층을 조사하고, 첫 협상을 진행한다.
   2. Matt Swulinski는 협업 여부와 계약을 승인하는 지점에서만 개입한다.
   3. 계약이 시스템에 들어가면 비용 데이터를 파일 시스템에 넣고, 카피·이메일·링크·전환 추적을 생성해 파트너에게 보낸다.
   4. CPM과 전환 데이터를 바탕으로 파트너를 계속 운영할지 중단할지 에이전트가 판단한다.
   5. 이전 광고 카피와 링크의 성과를 학습해 다음 카피를 과거 데이터에 근거해 만든다.

2. 도구와 구축 과정

   1. 초기 구현은 컴퓨터의 폴더 시스템과 SKILL.md 파일로 만든 Claude Code 기반 마케팅 OS였다.
   2. 이메일에 Claude를 연결하고 오전 9시·정오·오후 6시에 새 요청을 확인하는 cron을 설정해 승인할 계약만 Slack으로 올렸다.
   3. 70~120개의 뉴스레터 제공자와 이메일로 요율을 협상하던 석기시대 같은 프로세스를 자동화하는 데서 시작했다.
   4. 코딩을 몰라도 Claude Code에 “이 OS를 어떻게 만들까”라고 물으며 시작할 수 있고, 초기 모델은 자주 틀렸지만 매일 피드백을 주면서 시스템을 개선했다.
   5. 2025년 9월에 Claude Code를 일찍 도입했고, 2025년 12월 대중적인 전환점이 오기 전부터 사용했다. 하루 업무의 90~95%를 AI에 흘려보내며 실행·검증·피드백을 반복했다.

6.4. 팀은 더 작아지고 에이전트는 더 큰 범위를 맡는다

1. 인플루언서 마케팅의 예시

   1. 인플루언서 마케팅팀 3~5명이 하던 일을, 훌륭한 한 명과 에이전트 모음이 맡을 수 있다.
   2. 월 10만 명의 인플루언서 게시물을 분석하고, 어디에 개입해야 하는지 선별하는 시스템이 있으면 인원 증가 없이 규모를 키울 수 있다.
   3. 중요한 것은 에이전트를 사는 것이 아니라 한 사람이 문제를 완전히 소유하고 시스템을 구축하는 능력이다.

2. 향후 업무 구조에 대한 베팅

   1. 현재 업무의 약 80%는 여전히 수동이고 20%만 에이전트가 담당한다.
   2. 약 3년 뒤에는 기업이 이사회처럼 20%의 전략과 사고를 사람이 맡고, 80%의 실행을 에이전트가 맡는 구조가 될 수 있다.
   3. 편집·이메일 발송 등은 아직 인간 레이어가 남아 있지만 품질·사용량·ROI가 개선되면 자동화 비중이 커진다.

6.5. AI 네이티브 조직의 인재 격차

1. 기존 팀의 양극화

   1. AI 도구를 붙인다고 팀이 AI 네이티브가 되는 것은 아니다.
   2. 시스템 사고가 없는 사람은 에이전트를 기존 업무 위에 얹을 뿐 업무 자체를 재설계하지 못한다.
   3. AI를 제대로 활용하는 A 플레이어는 S 티어로 올라가고, 기존 B 플레이어는 D 플레이어로 밀리는 격차가 생긴다.
   4. 역할의 직무기술서(JD)가 1년 전과 달라졌으므로, 시스템 사고가 없는 마케팅 인력은 교체를 검토해야 한다.

2. B2B와 B2C의 경계

   1. 기업이 구매해도 결국 의사결정을 하는 사람은 소비자이므로 소비자 마케팅과 B2B 마케팅을 완전히 분리할 필요가 없다.
   2. Victor는 수천 달러를 지불해 직원을 채용하는 것과 같은 B2B SaaS 제품이지만, 초기 마케팅은 소비자 앱처럼 접근했다.
   3. 19~20세에 가까운 Tobin은 Wispr Flow에서 UGC 바이럴 프로그램을 만들고 이후 Polymarket으로 이동한 사례로, 각 분야의 희소한 마케팅 인재가 머신러닝 연구자만큼 높은 가치를 가질 수 있음을 보여준다.

7. 빠른 채널 평가와 성장 교육

7.1. 가장 저평가된 채널은 제휴(Affiliate)다

1. 제휴의 작동 방식

   1. 제휴자는 고객이 아니어도 리뷰·콘텐츠·추천을 만들어 자신의 웹사이트와 오디언스에 제품을 판매한다.
   2. 제품 내부의 추천과 달리 외부 표면적을 가진 사람을 별도의 수익 사업자로 끌어들인다.
   3. Wispr Flow와 Victor에서 제휴는 가장 높은 초기 ROI를 만든 채널이었다.

2. 수익 구조

   1. Victor의 월 획득 중 약 10~15%가 제휴에서 온다.
   2. 제휴자에게 매출의 10~15%를 나누면 월 1만 달러를 내는 회사를 한 곳만 소개해도 월 1,500달러가 생긴다.
   3. 일부 제휴자는 월 2만~3만 달러를 벌며, 돈을 벌고 싶어 하는 사람을 먼저 끌어들이면 아직 고객이 아니어도 고객으로 전환된다.

7.2. 가장 오염된 채널은 X다

1. X의 문제
   1. SaaS 성장 책임자나 퍼포먼스 마케터 중 X 광고가 안정적으로 수익을 낸다고 말하는 사람을 만나기 어렵다.
   2. 제품 출시 영상도 모두 같은 “바이럴 런치” 공식을 반복해 오염됐다.
   3. 비행기에서 뛰어내리며 카피를 읽는 식의 충격과 공포(Shock and Awe) 영상은 제품보다 출시 영상에 더 많은 시간을 썼다는 신호가 될 수 있다.
   4. 제품이 빈약한데 출시 연출만 커지는 현상이 반복되므로, 화제성과 제품 완성도를 혼동하면 안 된다.

7.3. 성장 리더를 양성하는 실전 학교

1. 6주 부트캠프 제안

   1. AI 네이티브가 되라는 추상적인 말 대신, 6주 동안 평일 오전 9시부터 오후 5시까지 시스템·프로세스·모델을 직접 익히는 학교가 필요하다.
   2. 수강료 1만 달러를 받아도 대학 교육보다 가치가 높을 수 있고, JP모건이나 골드만삭스 같은 기업은 전 직원을 보낼 수 있다.
   3. 이 과정을 이수한 사람이 미래의 하이퍼스케일러가 될 수 있다.

2. 교육의 방향

   1. NYU에서 마케팅 수업을 하나도 듣지 않고 실행으로 배운 경험은, 먼저 해보고 나중에 원리를 이해하는 방식이 더 빠를 수 있음을 보여준다.
   2. 전통 교육이 Facebook 픽셀 설치와 AI 도구의 통합·권한·워크플로를 실제로 가르치는지는 의문이다.
   3. Reforge와 Brian Balfour 같은 시도가 있지만, 성장 직무를 A부터 Z까지 실제 시스템으로 구축하는 교육은 여전히 부족하다.

7.4. 작업을 복리로 만드는 Session End 스킬

1. 세션 기록 구조

   1. Claude Code 터미널 세션을 끝낼 때 Session End 스킬을 실행한다.
   2. 매일의 Obsidian 로그에 모든 결정·열린 작업·학습·핵심 노트와 원자적 사실(Atoms)을 쌓는다.
   3. 스킬은 세션에서 무엇을 했고, 어떤 프레임을 사용했고, 목표를 달성했는지, 미해결 항목이 무엇인지 분석해 Obsidian으로 옮긴다.
   4. 날짜별 기록이 노드 기반 지식 그래프로 연결되어, 일주일 전 막힌 문제를 오늘 해결한 과정과 Meta 광고·크리에이티브 유형의 관계를 되찾게 한다.

2. AI 산출물의 미래 가치

   1. 사람이 만드는 시스템·실험·수정·개선의 모든 흔적을 기록하면 개인의 업무 기억이 된다.
   2. AI가 만든 결과물과 그 결과를 개선한 피드백의 축적은 앞으로 몇 년 동안 개인이 가진 가장 큰 지식 자산이 될 수 있다.

3. 투자위원회와 회의 후속 조치

   1. 투자위원회는 매주 모든 통화를 AI가 10점 만점으로 평가하고 창업자-시장 적합성, 제품-시장 적합성, 거래 품질, 제품 품질 등 다섯 변수를 기준으로 순위를 매긴다.
   2. 12주 동안 1,000개가 넘는 회사를 평가했으며, AI 순위가 아직 한 번도 틀리지 않아 우선순위 결정을 위임하고 있다.
   3. 별도의 회의 녹음 시스템은 하루가 끝나면 약속했지만 할 일 앱에 적지 않은 업무를 찾아 다음 날 할 일 목록으로 만든다.
   4. 의사결정 트리를 먼저 설계해 AI의 판단 기준을 명확히 만들면, 시스템의 결과를 신뢰할 수 있다.

주요 발언 모음

“유통은 오늘날 시장에서 유일한 해자다.”

“유료 광고는 PLG와 어떤 형태로든 확장 가능한 제품을 가지고 있는지 검증하는 가장 쉬운 방법이다.”

“월 10만 달러의 Meta 예산을 쓴다면 월 400~500개의 신규 크리에이티브가 필요할 수 있다.”

“크리에이티브 하나가 중요한 게 아니라, 모든 에셋의 패키지가 중요하다. 서로 다른 연령·성별·장소·훅이 있어야 한다.”

“대화는 워크플로가 아니다. 결과가 슬롭이면 피드백을 주고 다음 결과를 개선하는 루프가 있어야 한다.”

“현재 일의 80%는 여전히 수동이고 20%가 에이전트다. 3년 뒤에는 사람이 전략과 사고의 20%를 맡고 에이전트가 실행의 80%를 맡을 수 있다.”

“제품이 마법처럼 느껴지는 순간을 만들고, 그 순간에 페이월을 둬야 한다.”

“새로운 제품이 매일 쏟아지는 상황에서 제품 완성도를 갖춘 제품은 극소수다.”

핵심 데이터 & 수치

• 300만~500만 달러 조달: 초기 유료 획득 검증 예산을 시작할 수 있는 규모의 예시다.
• 10만 달러: Meta·Google에서 초기 가설을 검증하는 예시 예산이다.
• Meta·Google·라이프사이클: 초기 획득 엔진의 세 핵심 축이다.
• 90%: 첫 광고비 전에 올바른 측정 인프라를 구축하지 않는 회사의 추정 비율이다.
• 1:1: 자금이 충분한 초기 단계에서 허용 가능한 LTV:CAC의 출발점이다.
• 3:1: 성숙한 SaaS가 일반적으로 목표로 삼는 LTV:CAC 비율이며, AI 제품은 총이익 기준으로 다시 계산해야 한다.
• 400~500개/월: Meta에 월 10만 달러를 쓸 때 필요한 신규 크리에이티브 추정량이다.
• 3~4개/주: 참여한 UGC 크리에이터 한 명이 만들 수 있는 주간 영상 수다.
• 30%: 파트너십 광고에 배분할 수 있는 대략적인 광고비 비중이다.
• 17~19세, 월 2만~3만 달러: 일부 UGC 크리에이터가 몇 개 광고만으로 벌 수 있는 수익 사례다.
• 50회 전환: 최적화 이벤트에서 광고 알고리즘이 고객을 학습하기 시작하는 최소 데이터선이다.
• 2~3주: 초기 캠페인의 2~3회 반복 사이클을 돌려 방향을 판단하는 기간이다.
• 3개월: 캠페인의 전체 학습과 미세 조정을 위해 운영할 수 있는 기간이다.
• 5배: Wispr Flow가 한 달 사이 예산을 늘려 성장의 천장과 증분성을 확인한 실험 폭이다.
• 30~40% 월간 성장: 빠르게 성장해야 하는 회사가 요구받는 예시 성장률이다.
• 약 35~45%: 성숙한 성장 단계에서 입소문·유기적 발견이 차지해야 하는 이상적인 획득 비중이다.
• 월 100만 달러 이상: MMM과 홀드아웃으로 채널 증분성을 엄격히 모델링해야 하는 지출 수준의 예시다.
• 10~15%: Victor 월 획득에서 제휴가 차지하는 비중이다.
• 10~15% 매출 셰어: Victor 제휴자에게 지급하는 보상 범위다.
• 월 1만 달러 계약·월 1,500달러 수익: 제휴자가 기업 한 곳을 소개해 얻는 예시다.
• 월 2만~3만 달러: 일부 Victor 제휴자의 월 수익 사례다.
• 6주, 주 5일, 오전 9시~오후 5시, 1만 달러: AI 네이티브 성장 시스템 교육 학교의 제안 구조다.
• 90~95%: Claude Code 도입 후 Matt Swulinski의 일상 업무 중 AI를 거친 비중이다.
• 70~120개: Wispr Flow 시절 동시에 상대하던 뉴스레터 제공자 수다.
• 1% 미만: 어려운 문제를 처음부터 끝까지 시스템으로 구축할 수준의 후보자 비율에 대한 추정이다.
• 약 3년: 인간이 전략 20%, 에이전트가 실행 80%를 맡는 구조가 현실화될 수 있다고 본 시간이다.
• 12주·1,000개 이상 기업: AI 투자 통화 평가 시스템의 초기 운영 기간과 평가 규모다.

결론 및 시사점

1. 광고를 늦추지 말고 측정을 먼저 끝낸다. 전환 이벤트·서버사이드 추적·매치율·귀속을 세팅한 뒤 Meta와 Google로 빠르게 유료 검증을 시작한다.
2. 초기 채널은 세 개로 제한한다. Meta·Google·라이프사이클을 깊게 운영한 뒤 데이터가 쌓이면 YouTube·제휴·AEO를 확장한다.
3. 크리에이티브를 타기팅 인프라로 본다. 월 400~500개의 신규 소재와 연령·성별·장소·훅의 다양성을 운영 체계로 만든다.
4. AI는 인간을 없애기보다 변형 수를 늘리고 반복 작업을 자동화하는 데 먼저 쓴다. 실제 사람이 만드는 원본과 AI가 만드는 변형을 함께 운영한다.
5. 제품의 아하 모먼트와 사용 한도를 추천·페이월에 연결한다. 사용자가 가장 큰 가치를 느끼는 순간에 단순하고 즉각적인 보상을 제안한다.
6. 예산을 한 번은 과감하게 늘려 천장을 찾는다. 5배 실험, 지출 축소, 홀드아웃으로 무엇이 진짜 증분인지 확인한 뒤 반복 가능한 믹스를 만든다.
7. 특정 ICP에 갇히지 않는다. 창업자 시장이 포화되면 영업팀·개인 기여자·기업 라이선스·새 사용 사례로 제품의 다음 층을 연다.
8. AEO는 콘텐츠 양이 아니라 인용 가능한 외부 서사다. YouTube 리뷰·Reddit·PR·웹사이트가 함께 답변엔진의 신뢰 그래프를 만든다.
9. 성장 인재의 기준을 시스템 사고로 바꾼다. 광고 한 채널의 경력보다 자신의 업무를 입력·출력·피드백 루프로 분해하고 에이전트화한 경험을 본다.
10. 업무 기억을 Obsidian과 세션 종료 루프로 축적한다. 모든 실험·판단·실패·수정을 연결하면 개인과 조직의 성장 지식이 복리로 쌓인다.
11. 미래의 성장팀은 작지만 강해야 한다. 한 명의 시스템 사고자가 여러 에이전트를 지휘해 과거의 3~5명 팀이 하던 일을 수행할 수 있다.
12. 결국 지속 가능한 성장의 중심은 제품 완성도다. 뛰어난 배포가 제품을 시장에 올려놓지만, 사용자가 실제로 사랑하는 경험만이 반복 사용·추천·유기적 성장을 만든다.

핵심 요약 (20줄)

1. AI 시대의 PLG는 사람이 제품을 선택하는 셀프서비스 퍼널과 에이전트가 도구·API를 선택하는 퍼널을 함께 설계해야 한다.
2. Superhuman의 창업자 추천과 장인적인 제품 경험은 초기 성장을 만들었지만, 단일 ICP와 창업자 주도 입소문에는 점근선이 있었다.
3. Matt Swulinski는 전자상거래의 UGC·다채널·성과 마케팅 플레이북을 SaaS의 유료 획득에 이식했다.
4. 초기 획득 엔진은 Meta·Google·라이프사이클 마케팅의 세 축으로 구성하고 다른 채널은 나중에 추가해야 한다.
5. 유료 광고는 브랜드 콘텐츠보다 빠르게 메시지·크리에이티브·퍼널·포지셔닝을 검증하므로 제품이 준비되면 즉시 시작해야 한다.
6. SaaS는 첫 광고비를 쓰기 전에 서버사이드 전환 추적과 채널별 귀속을 직접 구축해야 한다.
7. Meta의 매치율과 Google의 신호 품질이 낮으면 알고리즘이 잘못된 고객을 찾아 CAC가 급격히 올라간다.
8. 초기에는 제품의 가장 중요한 전환 이벤트를 정해 획득 비용에 집중하고, 제품팀이 양질의 사용자 유지율을 책임지게 해야 한다.
9. AI SaaS는 토큰·추론·인프라 비용을 포함한 총이익 기준으로 LTV와 CAC를 계산해야 한다.
10. Meta Andromeda 이후 크리에이티브가 타기팅이 되었으며, 월 10만 달러 예산에는 월 400~500개의 신규 소재가 필요할 수 있다.
11. UGC 성과는 소수의 크리에이터와 소재에 집중되지만, 장기적으로는 연령·성별·장소·훅을 계속 바꿔야 한다.
12. AI 크리에이티브는 배경·의상·대사의 변형에는 강하지만, 사람의 진짜 경험을 대체하는 전체 영상은 아직 슬롭에 가깝다.
13. 50회의 전환을 확보한 뒤 2~3주 동안 반복 실험하고, 전체 캠페인은 약 3개월 동안 미세 조정해야 한다.
14. 랜딩페이지는 첫 헤드라인만으로 가치를 전달하고 CTA를 즉시 보여주며 모바일과 페이지 속도를 최우선으로 점검해야 한다.
15. Wispr Flow는 예산을 한 달 사이 5배로 늘려 증분성·오디언스 포화·채널별 천장을 빠르게 확인했다.
16. Superhuman·Wispr Flow·Victor는 소비자 PLG와 기업 계약을 함께 운영해 새로운 ICP와 매출 층을 열었다.
17. Wispr Flow의 Google Ads는 교육형 YouTube 영상과 비브랜드 검색·PMax·디스플레이가 연결되며 가장 강한 채널이 되었다.
18. 사용 한도 직전의 추천 보상과 마법 같은 아하 모먼트 직후의 페이월은 추천 계수와 결제를 동시에 높인다.
19. 제휴는 월 획득의 10~15%를 만들 수 있는 저평가 채널이고, X의 획일적인 출시 영상과 광고는 가장 오염된 채널로 평가된다.
20. 미래의 성장팀은 시스템 사고자를 중심으로 에이전트가 실행의 80%를 맡고, 사람은 전략·제품 완성도·고레버리지 판단에 집중하는 구조가 된다.