온보딩·리텐션 설계: 첫 경험에서 습관까지

Q: 리텐션 곡선의 어느 구간을 우선 공략할까?

리텐션 곡선은 보통 이렇게 움직인다: - **Day 0→1:** 급격한 하강 (50% 이상 손실 가능). 아하 모먼트 도달 여부가 크게 작용. - **Day 1→7:** 완만한 하강. 첫 경험이 좋으면 이 구간에서 습관 형성 시작. - **Day 7→30:** 안정화 단계. 1주일을 넘긴 사용자는 장기 체류 가능성이 높음. **비즈니스 의사결정:** - **초기 이탈이 크다면:** 온보딩 플로우 개선이 최우선. Day 1 리텐션 5% 상승은 곧 Day 30 리텐션 2~3% 상승으로 이어지는 경향. - **Day 1은 괜찮은데 Day 7에서 떨어진다면:** 반복 사용 유인이 약하다. 푸시 알림, 이메일 재참여 캠페인, 게임화 요소 추가. - **Day 7 이후 안정적이라면:** 심화 기능, 업셀 또는 커뮤니티 강화로 LTV 확대. 대부분의 스타트업은 Day 1→7 구간에서 가장 빠른 개선 기회를 찾는다. 여기서 작은 개선 몇 개가 쌓이면 누적 효과가 크다.

Q: 알림·넛지 전략을 어디까지 자동화할 것인가?

초기 사용자에게 "다시 돌아오도록" 하는 수단은 크게 세 가지다: 푸시 알림, 이메일, 인앱 메시지. **효율성 관점:** - **푸시 알림:** 실시간성 높음, 클릭율 높음(5~15%), 하지만 거부감 위험. 과도하면 제거/비활성화 요청 급증. - **이메일:** 도달률 높음, 제어 쉬움, 하지만 반응 지연. 특히 초기 사용자 이탈 방지용 이메일은 24~48시간 내 발송이 효과적. - **인앱 메시지:** 참여도 높음(앱 켠 사람만 본다), 설계 유연, 하지만 이미 앱을 쓰는 사용자에게만 닿음. **초기 사용자 재참여 시나리오:** - Day 1 (아직 미사용): 이메일 "시작 가이드" - Day 2~3 (부분 사용): 푸시 "다음 단계 해보기" - Day 5 (3일 미사용): 이메일 "한 가지만 더 해보세요" - Day 7 이후 (1주 미사용): 이메일 1회, 그 후 과도한 알림은 제거 옵션 강조 **비용 최적화:** 알림 전략에 드는 인건비는 매우 낮지만(자동화된 이메일·푸시는 설정 후 운영 비용 거의 없음), 잘못된 메시지는 제거 요청·스팸 신고·앱 삭제로 이어져 더 큰 손실을 일으킨다. 따라서: - **세그먼테이션:** 모든 신규 사용자에게 같은 메시지를 보내지 말 것. 가입 유입 경로, 기본 관심사, 초기 행동(예: 프로필 완성 여부)에 따라 다른 메시지. - **빈도 제어:** 주당 알림 개수를 사용자 선호도에 맞게. 기본값은 보수적으로. - **A/B 테스트:** 메시지 타이밍, 텍스트, 빈도를 수십만 명 규모에서 자동으로 테스트하고 최적값을 반영.

Q: 제품의 복잡도에 따라 온보딩 전략이 달라지는가?

단순 제품 vs. 복잡 제품의 온보딩은 완전히 다르다. **단순 제품** (할 일 앱, 이미지 편집, 날씨 앱): - 온보딩 거의 불필요. "열고 바로 사용"이 이상적. - 아하 모먼트까지 초 단위. - 초기 이탈 방지는 UI/UX 직관성에 집중. **중간 복잡도** (협업 도구, 가벼운 분석 플랫폼): - 10~20분짜리 온보딩 플로우 효과적. - 인터랙티브 튜토리얼(가이드 화살표, 강조 오버레이)로 핵심 기능을 차례대로 보여주기. - 데모 데이터나 샘플 프로젝트로 즉시 결과 확인. **높은 복잡도** (엔터프라이즈 SaaS, 데이터 분석 플랫폼): - 담당자(예: 팀 리더)의 온보딩과 일반 사용자의 온보딩 구분 필수. - 비디오 튜토리얼 + 대화형 가이드 + 라이브 데모 세션 조합. - 아하 모먼트 달성까지 며칠이 필요할 수 있으므로, 그 기간 동안 정기적 체크인(이메일, 팀 메시지) 유지. **비용 차원:** - 단순 제품: 온보딩 개선에 엔지니어 몇 시간, ROI 매우 높음. - 복잡 제품: 온보딩 비디오 제작, 담당자 배치, 교육 자료 유지에 상당한 운영 비용. 하지만 초기 이탈 방지 효과도 크므로, 평균 순환율 2~5% 상승을 얻을 수 있으면 정당화됨.

Q: 온보딩 개선이 비즈니스 메트릭을 어떻게 움직이는가?

온보딩과 리텐션 개선의 연쇄 효과를 정량으로 본다면: | 시나리오 | Day 1 리텐션 | Day 30 리텐션 | LTV 영향 | 예상 CAC 회수 기간 | |---|---|---|---|---| | 개선 전 (기준) | 50% | 20% | 기준 | 90일 | | 온보딩만 개선 | 55% | 23% | +5~10% | 80일 | | 온보딩 + 알림 개선 | 57% | 27% | +15~20% | 65일 | 수치는 제품 카테고리에 따라 크게 다르지만, 일반적인 B2B·B2C 앱의 경험상 이 수준의 개선은 비교적 빨리 달성 가능하다. **현금 흐름 관점:** CAC 회수 기간이 90일에서 65일로 단축되면, 같은 규모의 마케팅 스펜드로 더 빠르게 양의 현금 흐름에 도달한다. 초기 성장 단계에서 이것은 매우 중요한 지표다.

Q: 온보딩 개선에서 자주 간과되는 부분은 무엇인가?

대부분의 팀이 온보딩을 개선할 때 "단계 줄이기"에만 집중한다. 하지만 더 중요한 것이 간과된다: **1. 이탈자 분석의 부재** 온보딩 단계 A→B 진행률이 80%인데, B→C 진행률이 40%라면? 문제는 C 단계의 설계, 또는 B 단계에서의 기대 미스매치일 수 있다. 많은 팀은 "C 단계를 더 쉽게 하자"고 하지만, 실은 B 단계의 화면 문구를 바꾸는 것이 더 효과적일 수 있다. 정성 인터뷰나 세션 리플레이를 통해 "왜" 떨어졌는지 이해하지 않으면, 개선은 짐작에 불과하다. **2. 가입 후 사용자 세그먼트 무시** 신규 가입자 100명은 절대 같은 사람이 아니다. A는 팀 리더, B는 팀 멤버. A는 결제 의사 있음, B는 없음. A의 온보딩 목표는 "팀 셋업", B는 "개별 작업 시작"이다. 같은 온보딩을 강제하면 양쪽 모두 미스매치를 경험한다. **3. 초기 리텐션과 후기 리텐션 혼동** Day 1→7은 아하 모먼트와 초기 마찰 제거가 핵심이지만, Day 30→60 리텐션은 제품 기능 깊이, 커뮤니티, 콘텐츠 질이 더 중요할 수 있다. 초기 이탈을 완벽히 막아도 3개월 뒤 이탈이 많다면, 문제는 온보딩이 아니라 제품 근본 가치 또는 경제 모델일 수 있다. **4. 안내 피로(Guidance Fatigue)** 인앱 가이드, 팝업, 투어가 너무 많으면 사용자는 모두 스킵한다. 특히 반복 방문할 때마다 같은 가이드가 뜨면 신뢰도가 떨어진다. 가이드는 최소한으로, 그리고 상태에 따라 동적으로 보여줘야 한다(처음 3회만, 또는 특정 액션을 한 사용자에게만).

온보딩·리텐션 설계, 무엇부터 봐야 할까?

사용자가 처음 손대는 순간부터 가치를 느끼기까지의 거리가 짧을수록, 그리고 그 가치가 반복 사용으로 굳어질수록 CAC(고객 획득 비용) 회수 속도는 빨라진다. 온보딩·리텐션 설계의 가치는 여기에 있다.

핵심 판단 축 세 가지: (1) 사용자가 실제 가치에 닿는 '아하 모먼트'가 언제 오는가—이를 며칠 내로 단축할 수 있는가, (2) 첫 경험에서 이탈하는 사람이 집중된 지점은 어디인가—그 병목을 제거했을 때 리텐션이 얼마나 오르는가, (3) 습관으로 굳기까지 필요한 인터랙션 빈도와 알림 전략을 얼마나 정교하게 설계했는가.

아하 모먼트를 며칠 내로 당기는 게 왜 중요한가?

아하 모먼트는 제품의 핵심 가치를 사용자가 직접 경험하는 순간이다. 가입 후 앱을 켰을 때 즉시 가치를 보는 것과, 3단계 설정을 거친 후에 보는 것은 전혀 다른 지점에서 이탈을 좌우한다.

초기 가입자의 약 40~50%가 처음 48시간 내 이탈한다는 것이 업계 광범위한 관찰이다. 이는 아하 모먼트에 빨리 닿지 못했거나, 설정 과정에서 마찰이 생겼거나, 기대와 현실이 맞지 않았기 때문이다.

비즈니스 관점에서 이것의 의미:

CAC 회수 기간이 길어진다. 리텐션이 낮으면 LTV(평생가치)가 떨어지고, 결국 같은 수익을 위해 더 많은 마케팅 비용을 써야 한다.
초기 이탈 곡선이 완만할수록 Day 7, Day 30 리텐션이 높을 확률이 크다. 즉, 초반 경험 설계에 들인 작은 투자가 장기 생존율로 돌아온다.

실행 관점에서:
아하 모먼트를 단축하려면, 가입 후 가장 빠른 경로로 핵심 기능을 경험하게 해야 한다. 예를 들어 협업 도구라면 "초대→문서 작성→실시간 공동 편집" 이 네 단계를 5분 내에 끝내는 것. 데이터 분석 플랫폼이라면 "데이터 업로드→첫 대시보드 생성→인사이트 확인"을 같은 시간에. 이를 위해서는:

온보딩 플로우 재설계: 필수 필드만 남기고 나머지는 나중으로. 생년월일·직책 같은 선택사항은 가입 후 1주일 후 채우도록 미룬다.
데모 데이터 제공: 사용자가 직접 입력할 때까지 기다리지 말고, 샘플 데이터나 템플릿으로 즉시 결과를 보게 한다.
프로그레시브 프로파일링: 필요한 정보를 여러 번에 걸쳐 수집해서, 한 번에 느껴지는 마찰을 줄인다.

2026년 기준, 아하 모먼트까지 걸리는 평균 시간이 단축 추세지만, 여전히 제품 복잡도에 따라 분산이 크다. B2B SaaS의 경우 첫 실제 가치 경험까지 평균 3~5일, 모바일 커머스나 소셜은 수 분 단위.

초기 이탈의 가장 큰 병목 지점은 어디인가?

사용자 행동 로그를 보면 대부분 특정 스텝에서 떨어져 나간다. 회원가입 후 프로필 완성, 첫 구매/구독 결제, 권한 설정 단계 중 하나인 경우가 많다.

흔한 병목들:

이메일 인증 대기 (메일 지연 또는 스팸으로 간주)
결제 정보 입력 (신용카드 거절, 보안 경고)
권한·접근성 설정 (팀원 초대, 보안 설정 복잡)
초기 설정의 선택지 과다 (어떤 옵션을 고를지 모르는 상태)

데이터로 본 영향:
병목 지점을 제거하면 다음 단계로 진행하는 사용자 비율(conversion rate)이 5~15% 포인트 오르는 것이 일반적이다. 가입자 100명 중 30명이 탈락했던 구간을 25명으로 줄이면, 장기적으로 누적 리텐션은 크게 달라진다.

해결 방법:

마찰 제거: 선택적 스텝은 나중으로, 또는 스킵 옵션 제공.
컨텍스트 도움말: 왜 이 정보가 필요한지, 어떻게 채우는지 인라인 가이드.
재시도 메커니즘: 결제 실패 시 다른 결제 수단 제시, 이메일 재전송 버튼.
실시간 모니터링: 어느 스텝에서 이탈률이 급증하는지 추적하고, 주 단위로 개선 사이클.

리텐션 곡선의 어느 구간을 우선 공략할까?

리텐션 곡선은 보통 이렇게 움직인다:

Day 0→1: 급격한 하강 (50% 이상 손실 가능). 아하 모먼트 도달 여부가 크게 작용.
Day 1→7: 완만한 하강. 첫 경험이 좋으면 이 구간에서 습관 형성 시작.
Day 7→30: 안정화 단계. 1주일을 넘긴 사용자는 장기 체류 가능성이 높음.

비즈니스 의사결정:

초기 이탈이 크다면: 온보딩 플로우 개선이 최우선. Day 1 리텐션 5% 상승은 곧 Day 30 리텐션 2~3% 상승으로 이어지는 경향.
Day 1은 괜찮은데 Day 7에서 떨어진다면: 반복 사용 유인이 약하다. 푸시 알림, 이메일 재참여 캠페인, 게임화 요소 추가.
Day 7 이후 안정적이라면: 심화 기능, 업셀 또는 커뮤니티 강화로 LTV 확대.

대부분의 스타트업은 Day 1→7 구간에서 가장 빠른 개선 기회를 찾는다. 여기서 작은 개선 몇 개가 쌓이면 누적 효과가 크다.

알림·넛지 전략을 어디까지 자동화할 것인가?

초기 사용자에게 "다시 돌아오도록" 하는 수단은 크게 세 가지다: 푸시 알림, 이메일, 인앱 메시지.

효율성 관점:

푸시 알림: 실시간성 높음, 클릭율 높음(5~15%), 하지만 거부감 위험. 과도하면 제거/비활성화 요청 급증.
이메일: 도달률 높음, 제어 쉬움, 하지만 반응 지연. 특히 초기 사용자 이탈 방지용 이메일은 24~48시간 내 발송이 효과적.
인앱 메시지: 참여도 높음(앱 켠 사람만 본다), 설계 유연, 하지만 이미 앱을 쓰는 사용자에게만 닿음.

초기 사용자 재참여 시나리오:

Day 1 (아직 미사용): 이메일 "시작 가이드"
Day 2~3 (부분 사용): 푸시 "다음 단계 해보기"
Day 5 (3일 미사용): 이메일 "한 가지만 더 해보세요"
Day 7 이후 (1주 미사용): 이메일 1회, 그 후 과도한 알림은 제거 옵션 강조

비용 최적화:
알림 전략에 드는 인건비는 매우 낮지만(자동화된 이메일·푸시는 설정 후 운영 비용 거의 없음), 잘못된 메시지는 제거 요청·스팸 신고·앱 삭제로 이어져 더 큰 손실을 일으킨다. 따라서:

세그먼테이션: 모든 신규 사용자에게 같은 메시지를 보내지 말 것. 가입 유입 경로, 기본 관심사, 초기 행동(예: 프로필 완성 여부)에 따라 다른 메시지.
빈도 제어: 주당 알림 개수를 사용자 선호도에 맞게. 기본값은 보수적으로.
A/B 테스트: 메시지 타이밍, 텍스트, 빈도를 수십만 명 규모에서 자동으로 테스트하고 최적값을 반영.

제품의 복잡도에 따라 온보딩 전략이 달라지는가?

단순 제품 vs. 복잡 제품의 온보딩은 완전히 다르다.

단순 제품 (할 일 앱, 이미지 편집, 날씨 앱):

온보딩 거의 불필요. "열고 바로 사용"이 이상적.
아하 모먼트까지 초 단위.
초기 이탈 방지는 UI/UX 직관성에 집중.

중간 복잡도 (협업 도구, 가벼운 분석 플랫폼):

10~20분짜리 온보딩 플로우 효과적.
인터랙티브 튜토리얼(가이드 화살표, 강조 오버레이)로 핵심 기능을 차례대로 보여주기.
데모 데이터나 샘플 프로젝트로 즉시 결과 확인.

높은 복잡도 (엔터프라이즈 SaaS, 데이터 분석 플랫폼):

담당자(예: 팀 리더)의 온보딩과 일반 사용자의 온보딩 구분 필수.
비디오 튜토리얼 + 대화형 가이드 + 라이브 데모 세션 조합.
아하 모먼트 달성까지 며칠이 필요할 수 있으므로, 그 기간 동안 정기적 체크인(이메일, 팀 메시지) 유지.

비용 차원:

단순 제품: 온보딩 개선에 엔지니어 몇 시간, ROI 매우 높음.
복잡 제품: 온보딩 비디오 제작, 담당자 배치, 교육 자료 유지에 상당한 운영 비용. 하지만 초기 이탈 방지 효과도 크므로, 평균 순환율 2~5% 상승을 얻을 수 있으면 정당화됨.

온보딩 개선이 비즈니스 메트릭을 어떻게 움직이는가?

온보딩과 리텐션 개선의 연쇄 효과를 정량으로 본다면:

시나리오	Day 1 리텐션	Day 30 리텐션	LTV 영향	예상 CAC 회수 기간
개선 전 (기준)	50%	20%	기준	90일
온보딩만 개선	55%	23%	+5~10%	80일
온보딩 + 알림 개선	57%	27%	+15~20%	65일

수치는 제품 카테고리에 따라 크게 다르지만, 일반적인 B2B·B2C 앱의 경험상 이 수준의 개선은 비교적 빨리 달성 가능하다.

현금 흐름 관점:
CAC 회수 기간이 90일에서 65일로 단축되면, 같은 규모의 마케팅 스펜드로 더 빠르게 양의 현금 흐름에 도달한다. 초기 성장 단계에서 이것은 매우 중요한 지표다.

온보딩 개선에서 자주 간과되는 부분은 무엇인가?

대부분의 팀이 온보딩을 개선할 때 "단계 줄이기"에만 집중한다. 하지만 더 중요한 것이 간과된다:

1. 이탈자 분석의 부재
온보딩 단계 A→B 진행률이 80%인데, B→C 진행률이 40%라면? 문제는 C 단계의 설계, 또는 B 단계에서의 기대 미스매치일 수 있다. 많은 팀은 "C 단계를 더 쉽게 하자"고 하지만, 실은 B 단계의 화면 문구를 바꾸는 것이 더 효과적일 수 있다. 정성 인터뷰나 세션 리플레이를 통해 "왜" 떨어졌는지 이해하지 않으면, 개선은 짐작에 불과하다.

2. 가입 후 사용자 세그먼트 무시
신규 가입자 100명은 절대 같은 사람이 아니다. A는 팀 리더, B는 팀 멤버. A는 결제 의사 있음, B는 없음. A의 온보딩 목표는 "팀 셋업", B는 "개별 작업 시작"이다. 같은 온보딩을 강제하면 양쪽 모두 미스매치를 경험한다.

3. 초기 리텐션과 후기 리텐션 혼동
Day 1→7은 아하 모먼트와 초기 마찰 제거가 핵심이지만, Day 30→60 리텐션은 제품 기능 깊이, 커뮤니티, 콘텐츠 질이 더 중요할 수 있다. 초기 이탈을 완벽히 막아도 3개월 뒤 이탈이 많다면, 문제는 온보딩이 아니라 제품 근본 가치 또는 경제 모델일 수 있다.

4. 안내 피로(Guidance Fatigue)
인앱 가이드, 팝업, 투어가 너무 많으면 사용자는 모두 스킵한다. 특히 반복 방문할 때마다 같은 가이드가 뜨면 신뢰도가 떨어진다. 가이드는 최소한으로, 그리고 상태에 따라 동적으로 보여줘야 한다(처음 3회만, 또는 특정 액션을 한 사용자에게만).

핵심 정리

아하 모먼트까지 시간이 짧을수록 Day 1 이탈률이 낮고, 이는 Day 7·Day 30 리텐션으로 이어진다. 초기 경험 개선은 가장 빠른 CAC 회수 수단.
첫 48시간 내 40~50% 이탈이 업계 표준. 이 구간을 1~2% 개선해도 장기 생존율 큰 폭 상승.
병목 지점 제거(이메일 인증 지연, 결제 입력 마찰, 복잡한 초기 설정)가 단계 추가보다 효과적. 다음 단계 전환율 5~15% 포인트 개선 가능.
알림 전략은 과하기보다 과소하게. 제거 요청·스팸 신고·삭제가 재참여보다 더 큰 손실. 세그먼트별 맞춤과 빈도 제어가 필수.
제품 복잡도에 따라 온보딩 투자 규모가 달라진다. 엔터프라이즈는 담당자 교육·라이브 데모, 모바일 앱은 UI/UX 직관성. 비용 대비 효과를 분기별로 검증.
이탈자 행동 로그 분석 없이 개선은 짐작일 뿐. 정성 인터뷰, 세션 리플레이, 세그먼트별 진행률 비교로 "왜"를 찾는 게 먼저.
Day 17과 Day 3090 리텐션 드라이버는 다르다. 초기 이탈을 막고도 중기 이탈이 크면, 문제는 온보딩이 아니라 제품 근본 가치 검증이 필요.

자주 묻는 질문

온보딩 단계를 줄이면 리텐션이 무조건 올라가나?

아니다. 필수 정보를 과하게 줄이면 초기 만족도는 올라가도, 나중에 설정을 다시 하도록 강제되면서 다시 떨어질 수 있다. 중요한 것은 "지금" 필요한 정보만 수집하고, 나머지는 사용자가 자연스럽게 채우도록 유도하는 것. 가입 후 24시간 내 필수 정보(이메일, 비밀번호), 가입 후 1주일 내 기본 설정(언어, 알림 선호도), 1개월 후 심화 설정(팀 청구 정보) 같은 식으로 구분.

A/B 테스트 없이 온보딩 개선을 할 수 있나?

기술적으로는 가능하지만 위험하다. 직관상 "이게 더 낫겠지"라고 생각한 변화가 실제로는 특정 사용자 세그먼트에서만 작동하거나, 더 나쁠 수 있기 때문. 특히 알림 타이밍, 메시지 톤, 단계 순서는 A/B 테스트로 검증해야 신뢰도가 높다. 한 번에 모든 사용자를 바꾸기보다, 신규 가입자의 10~20%에 먼저 적용하고 메트릭을 비교하는 게 표준 관행.

온보딩 투자 ROI를 어떻게 측정하나?

가장 직접적인 지표는 Day 1 리텐션과 Day 30 리텐션의 변화. 예를 들어 개선 전 Day 1 50%, Day 30 20%에서 개선 후 Day 1 55%, Day 30 24%로 올라갔다면, 회원가입자 1,000명 기준으로 30일 뒤 유지되는 사용자가 200명에서 240명으로 증가했다는 뜻. 만약 월간 가입자가 5,000명이고 ARPU가 100원이라면, Day 30 리텐션 4% 포인트 개선은 월간 수익 약 20만원 증가와 같다. 이 효과가 누적되면, 온보딩 개선에 쓴 엔지니어 인건비(보통 2주~1개월)는 대부분 3개월 내 회수된다.

기존 사용자에게도 온보딩을 다시 해야 하나?

기존 사용자에게 갑자기 온보딩 팝업을 띄우면 거부감이 생긴다. 대신 "새 기능" 투어는 제한적으로 보여주거나(처음 1회만, 또는 해당 기능을 아직 쓰지 않은 사용자에게만), 선택적으로 제공하는 게 좋다. 온보딩 개선의 이점은 주로 신규 사용자를 대상으로 시작하고, 기존 사용자는 별도 재활성화 캠페인으로 접근하는 게 일반적.

푸시 알림의 클릭율을 높이려면?

시간대, 메시지 내용, 대상 세그먼트가 모두 작용한다. 일반적으로 오전 910시와 저녁 67시 클릭율이 높지만, 사용자 타임존과 행동 패턴에 따라 다르다. 메시지는 실제 가치(무엇을 하게 되는지)를 명확히 해야 하고, "다시 돌아오세요"처럼 추상적이면 클릭율이 낮다. 예: "내 팀의 새 댓글 3개" > "뭔가 새로워졌어요". 그리고 무엇보다 과도한 알림은 제거 요청으로 이어지므로, 빈도는 보수적으로 설정하고 사용자 행동을 기반으로 동적으로 조절.

온보딩 플로우를 설계할 때 가장 중요한 순서는?

(1) 현재 이탈 지점을 정확히 파악(로그 분석), (2) 그 지점에서 떨어진 사용자 인터뷰로 원인 파악, (3) 가장 큰 병목부터 해결(예: 메일 인증 지연이 20% 떨어진다면 이메일 재전송 버튼 추가가 우선), (4) 변화 후 메트릭 검증, (5) 다음 병목 공략. 사소해 보이지만, 이 순서를 지키지 않으면 느낌상 좋은 개선을 했는데 리텐션이 안 오르는 일이 반복된다.

온보딩 시 사용자 데이터를 얼마나 수집해야 하나?

최소한만. 가입과 동시에 수집할 정보는 이메일·비밀번호·기본 동의 정도. 나머지는 사용 과정에서 필요할 때마다 점진적으로(프로그레시브 프로파일링). 예를 들어 협업 도구라면 "팀 멤버를 초대하려다가 팀 이름을 물을 때" 입력하게 하는 식. 초기에 10개 필드를 요구하는 것과 2개만 요구하는 것의 완료율 차이는 보통 20~30% 포인트.