텔레그램봇 유료전환 레버: 3개월 500 결제는 ‘채널+가격+제품’이 한 번에 맞물린 결과

텔레그램 봇이 3개월 만에 유료 500명을 만들었다는 dev.to 사례( Kirill Strelnikov )는 “와 이거다!” 싶은 그로스 교과서입니다. 유저 획득(CAC), 전환(Conversion), 과금 설계(ARPU/LTV), 리텐션(재사용)까지 하나의 퍼널에서 동시에 설명돼요. 특히 무료→유료 전환율이 약 14%였는데(봇 업계 평균 2~5% 대비), 이건 기능이 좋아서만이 아니라 퍼널 마찰 제거 + 과금 단위 설계 + 공유 메커니즘이 한꺼번에 맞았다는 신호입니다. 핵심 맥락은 “텔레그램이 곧 랜딩페이지”라는 점입니다. 앱 설치도 없고, 회원가입 폼도 없습니다. 유저가 링크를 열고 바로 대화하면서 가치(답변)를 받죠. 퍼널에서 가장 비싼 구간(가입/온보딩)을 통째로 삭제했으니 CAC가 내려갈 수밖에요. 여기에 텔레그램의 알림 오픈율이 80%대라고 언급되는데, 이건 리인게이지먼트 채널 비용을 거의 0에 가깝게 만듭니다. 이메일 20~25% 대비면, 같은 메시지로도 D7/D30 방어력이 달라져요. 전환 레버는 의외로 ‘AI 성능’이 아니라 무료 티어 크레딧(20) 설계였습니다. 충분히 “맛보기”는 되지만 “일상 사용”은 못 하게 만든 거죠. 여기서 Aha는 “모델 스위칭 비교”입니다. GPT-4 vs Claude vs Gemini를 같은 프롬프트로 비교하는 순간, 유저는 기능이 아니라 선택권(옵션 가치)을 산다고 느껴요. 이 구조는 전환을 강요하는 게 아니라, 유저가 스스로 ‘결제할 이유’를 발견하게 만듭니다. “유저가 여기서 이탈할 것 같은데…” 싶은 지점(무료로도 충분)만 정확히 끊어낸 설계예요. 과금은 구독이 아니라 크레딧 기반이었습니다. 봇 사용 패턴이 ‘스파이키(spiky)’하다는 통찰이 중요해요. 한 주 몰아 쓰고 쉬는 유저에게 월 구독은 불만을 만들고 churn을 앞당깁니다. 반대로 크레딧은 “잠깐 쉬어도 손해가 아니다”라는 심리를 줘서, 이탈을 ‘휴면’으로 바꾸고 다시 돌아오게 합니다. 게다가 헤비 유저는 월 $20~60까지 자연스럽게 결제 규모가 커져 ARPU 상단도 열립니다. 이거 바이럴 될 것 같은데? 결제도 텔레그램 인앱 결제로 끝내서, ‘결제 페이지 이탈’이라는 전형적 퍼널 손실을 줄였다는 점이 큽니다. 획득은 인라인 모드가 미친 레버입니다. 그룹 채팅에서 @botname으로 답변을 뿌리면, 그 순간 봇이 ‘데모 콘텐츠’가 됩니다. 광고가 아니라 사용 장면 자체가 전파되니, K-factor(바이럴 계수)가 붙어요. 콘텐츠 마케팅이나 커뮤니티 운영 없이도, 제품 사용이 곧 배포가 되는 구조죠. “빨리 테스트해봐야 돼!” 싶은 건 여기입니다: 인라인/그룹에서 얼마나 자주 노출되는지(노출→클릭→대화 시작)만 잡아도 채널 효율이 바로 보입니다. 여기서 한 단계 더: 같은 퍼널을 더 크게 스케일하려면 결국 COGS(모델 비용)가 병목이 됩니다. 그래서 ‘작고 빠른 멀티모달 모델’인 MS의 Phi-4-reasoning-vision-15B(AI타임즈 보도)를 연결해야 합니다. Phi-4는 필요할 때만 추론을 길게 쓰는 ‘혼합 추론’ 접근을 강조하는데, 이건 봇 운영자 입장에서 자주 발생하는 가벼운 요청은 싸게, 어려운 요청만 비싸게 처리할 수 있다는 뜻이에요. 예: 영수증/OCR, 간단한 캡션, 짧은 요약은 소형 멀티모달로 처리하고, 고난도는 상위 모델로 넘기는 식입니다. 그리고 결정타가 모델 라우팅입니다. dev.to의 task-aware routing 글처럼(“Stop Sending Opus to Do Haiku's Job”), 요청 난이도를 분류해 저가 모델/고가 모델로 보내면 비용을 75%까지 낮출 수 있다고 하죠. 이걸 텔레그램 봇에 얹으면, 크레딧 과금의 ‘마진’을 지키면서도 더 공격적으로 무료 크레딧을 줄 수 있습니다. 무료 크레딧을 늘리면 Activation이 올라가고, Aha(모델 비교/스위칭)까지 도달하는 유저가 늘어 Conversion rate가 더 오를 수 있어요. 즉 COGS 절감이 전환율 실험의 재원이 됩니다. 시사점은 명확합니다. (1) 텔레그램은 ‘앱 대체’가 아니라 퍼널 자체다: 설치/가입 제거로 CAC를 구조적으로 낮춘다. (2) 유료전환은 paywall 문구가 아니라 사용량 단위(크레딧)와 Aha 설계로 만든다. (3) 바이럴은 광고가 아니라 그룹 내 실사용 노출(인라인)로 만든다. (4) 스케일은 모델을 더 비싸게 쓰는 게 아니라 라우팅+경량 멀티모달(Phi-4)로 COGS를 깎아야 열린다. “이 기능이 유료 전환에 도움 될까요?”라는 질문의 답은: 기능 그 자체보다, 기능이 Aha를 얼마나 빨리/자주 만들고 결제로 얼마나 매끄럽게 연결되는지가 전환을 만듭니다. 전망: 텔레그램 봇은 앞으로 ‘채널’과 ‘프로덕트’의 경계가 더 흐려질 겁니다. 결제·알림·공유가 기본 탑재된 메신저 위에서, 멀티모달(이미지/문서)까지 들어오면 사용 케이스가 폭발해요(영수증, 스크린샷, 문서 질의). 그때 승자는 “가장 똑똑한 봇”이 아니라 가장 싼 비용으로 Aha를 반복 재현하는 봇입니다. 그래서 지금 해야 할 일은 하나: 크레딧 패키지/무료 크레딧/라우팅 정책을 한 세트로 묶어, 2주 단위로 A/B 테스트 돌리는 것. Conversion rate가 얼마나 오를까요? 라우팅으로 COGS를 30~70%만 낮춰도, 무료 크레딧 확장과 리텐션 메시지 실험을 더 세게 걸 수 있고, 그게 결국 유료 500을 유료 5,000으로 만드는 길입니다.