소개팅 앱 사업은 왜 생각보다 어려운가

천생연분 알고리즘보다 먼저 해결해야 할 플랫폼의 문제들

개발자들의 사이드 프로젝트를 보다 보면 소개팅 앱이 제법 자주 등장한다. 개발을 시작하거나 사이드 프로젝트에 뛰어드는 연령대가 연애와 만남에 관심이 많은 시기이니 자연스러운 일이다. 자신이 직접 겪은 불편도 선명하다. 사진과 실물이 달랐고, 조건은 괜찮았지만 대화가 통하지 않았으며, 진지한 사람을 만나기 어려웠다.

개발자가 보기에는 해결 방법도 많아 보인다. 가치관 설문이나 MBTI를 붙이고, 학력과 직장을 인증하고, 요즘이라면 AI로 두 사람의 궁합을 분석할 수도 있다. 프로필과 좋아요, 매칭, 채팅으로 이어지는 화면 구성도 다른 플랫폼보다 단순해 보인다.

얼마 전 한 개발자가 몇 달 동안 만든 소개팅 앱을 출시했지만 가입자가 거의 없다며 조언을 구했다. 가입자의 성격과 가치관을 반영한 AI 분신을 만들고, 두 사람의 분신이 여러 연애와 갈등 상황을 미리 겪게 한 뒤 잘 맞는 상대를 골라주는 서비스였다. 기술적 차별점도 있었고 상당한 공을 들인 제품이었다.

그럼에도 내가 처음 떠올린 질문은 알고리즘의 완성도가 아니었다.

이 서비스에는 지금 서로를 소개할 수 있을 만큼 충분한 사람이 있는가?

소개팅 앱은 프로필 데이터베이스와 매칭 함수, 채팅 기능을 구현하면 완성되는 앱이 아니다. 지역과 연령대별로 충분한 사람을 동시에 모아야 하고, 서로가 실제 사람이라는 믿음을 만들어야 한다. 성비와 활동량의 불균형을 조정하고, 온라인 만남이 오프라인 위험으로 이어지는 상황도 감당해야 한다. 게다가 서비스가 가장 잘 작동한 순간, 가장 만족한 고객이 떠난다.

애플도 앱스토어 심사 지침에서 데이팅 앱을 이미 충분히 확립된 범주로 분류하고, 의미 있게 다르거나 개선된 경험을 제공하지 않는 신규 앱은 승인하지 않을 수 있다고 명시한다. 시장의 포화는 개발자들의 체감만이 아니라 앱 마켓의 진입 심사에도 반영된 현실이다. (출처 : Apple App Review Guidelines — 4.3 Spam)

하지만 진짜 어려움은 경쟁 앱이 많다는 데서 끝나지 않는다.

1. 매칭 알고리즘보다 먼저 필요한 것은 ‘매칭할 사람’이다

소개팅 앱에서 중요한 숫자는 전체 다운로드나 누적 가입자 수가 아니다. 한 사용자가 앱을 열었을 때 실제로 소개 가능한 후보가 몇 명인지가 중요하다.

가입자가 1만 명이어도 최근 활동자만 남기고, 같은 생활권과 성별·나이 조건을 맞추고, 흡연·종교·결혼 의향·자녀 계획 같은 필수 조건을 적용해야 한다. 여기에 서로가 원하는 조건까지 양방향으로 통과해야 한다. 누적 가입자는 1만 명인데 어떤 사용자에게 실제로 소개할 수 있는 사람은 몇 명에 불과할 수 있다.

소개팅 앱은 전국 단위 서비스처럼 보여도 실제로는 작은 지역별 시장이 수없이 붙어 있는 구조다. 서울의 20대 여성 가입자가 늘어도 부산의 40대 남성 경험은 좋아지지 않는다. 같은 도시에 사람이 많아도 연령과 관계 목적이 다르면 서로에게 공급이 아니다.

앱이 많아질수록 사람들은 여러 곳에 중복 가입하지만 모든 앱에서 활발하게 움직이지는 않는다. 플랫폼마다 프로필은 쌓이는데 실제로 답장하고 만날 의사가 있는 사람은 얇아진다. 신규 사용자는 많은 프로필을 보고도 매칭되지 않고 떠난다. 사람이 떠나니 다음 사용자의 경험도 나빠진다.

틴더가 초기 확산 과정에서 대학 캠퍼스처럼 실제로 만날 수 있는 좁은 생활권의 밀도를 먼저 만든 점은 참고할 만하다. 처음부터 모든 싱글을 모으려 하기보다 한정된 집단에서 네트워크 효과를 만들었다. (출처 : TIME — Tinder의 초기 대학가 확산)

신규 진입자도 전국 광고보다 한 도시, 한 대학, 한 직군, 한 연령대처럼 첫 시장을 의도적으로 좁히는 편이 나을 수 있다. 알고리즘을 만들기 전에 창업자가 직접 20쌍을 소개해보는 것도 좋은 검증이다. 수작업으로도 만남이 만들어지지 않는 시장이라면 AI를 붙인다고 갑자기 유동성이 생기지는 않는다.

봐야 할 지표도 가입자 수가 아니라 사용자당 최근 활동 후보 수, 상호 수락률, 대화 시작률, 실제 만남률, 지역·연령·관계 목적별 활성 밀도에 가까워야 한다.

내가 선택한 첫 시장에서, 서로에게 유효한 사람을 몇 명이나 동시에 모을 수 있는가?

2. 진지한 만남은 좋은 포지셔닝이지만 성공할수록 고객이 떠난다

틴더는 결혼정보회사처럼 결혼을 공동의 전제로 삼지 않는다. 그렇다고 짧은 만남만을 위한 앱도 아니다. 공식적으로 장기 관계, 단기 만남, 친구, 아직 목적을 정하지 못한 사람까지 받아들인다. Relationship Goals에도 장기 관계부터 짧은 만남, 친구, 아직 모르겠음까지 여러 선택지가 있다. (출처 : Tinder — Relationship Goals)

이것이 틴더 성공의 유일한 이유는 아니지만, 목적을 결혼 하나로 제한하지 않아 가입 가능한 사람과 앱을 다시 열 이유를 넓힌 것은 분명하다. 결혼을 전제로 하면 의도가 명확하고 과금 가치도 커질 수 있지만 시장은 작아지며, 좋은 결과가 날수록 고객은 빠르게 사라진다.

배달의민족에서 주문이 성공하면 다음 식사 때 다시 찾을 수 있다. 카카오T로 택시를 잘 잡으면 다음 이동 때 또 부른다. 거래의 성공이 신뢰와 재이용으로 이어진다.

소개팅은 반대다. 좋은 사람을 만나 관계가 시작되면 두 사람이 동시에 시장에서 빠져나간다. 강남언니에서 큰 시술을 받거나 직방을 통해 집을 계약한 뒤 한동안 핵심 거래를 반복하지 않는 것과 더 비슷하다. 이런 서비스는 일상적인 재사용보다 성공 경험이 평판과 후기, 지인 소개로 전환돼야 한다.

진지한 관계를 지향하는 Hinge는 이 문제를 감추지 않고 ‘삭제되도록 설계된 앱’이라는 브랜드를 내세운다. 앱에 오래 머물게 하기보다 실제 만남을 만들고, 성공 사례를 다음 사용자를 설득하는 자산으로 바꾼다. We Met 기능으로 실제로 만났는지와 다시 만나고 싶은지를 물어 추천을 개선하기도 한다. (출처 : Hinge — Designed to be Deleted, Hinge — We Met)

따라서 마냥 진지한 만남만 추구해서는 안 된다는 말보다는 이렇게 표현하는 편이 정확하다.

진지한 만남만을 선택한다면, 성공할수록 고객이 떠나는 구조까지 포함해 사업을 설계해야 한다.

틴더처럼 목적을 열어두면 시장의 입구와 사용 계기가 넓어진다. Hinge처럼 목적을 좁히면 명확한 브랜드를 만들 수 있지만, 성공 탈퇴를 평판과 추천으로 되돌리는 장치가 필요하다. 관계 목적은 프로필 필터 하나가 아니라 비즈니스 모델 전체를 결정하는 선택이다.

3. 정보 비대칭이 크고 운영자까지 의심받기 쉽다

소개팅 앱에서는 상대에 대해 모르는 것이 너무 많다. 사진은 최근 것인지, 실제 나이와 직업이 맞는지, 미혼인지, 정말 사람을 만날 의향이 있는지 알기 어렵다. 투자·종교·다단계 영업이나 사기를 위한 접근일 가능성도 있다.

매칭이 잘 되지 않는 사용자는 플랫폼까지 의심하기 쉽다. 프로필이 실제 활동자인지, 답장하지 않을 사람을 보여주며 크레딧만 소진시키는지, 운영자가 만든 계정이나 AI 계정이 섞여 있는지 묻게 된다. 운영자가 그런 행동을 하지 않아도 의심하기 쉬운 경제 구조라는 사실이 중요하다.

Pew Research Center 조사에서도 온라인 데이팅 이용자 가운데 플랫폼이 봇이나 가짜 계정을 제거하는 일을 잘못하고 있다고 평가한 사람이 잘한다고 평가한 사람보다 많았다. 신뢰 부족은 일부 피해자의 문제가 아니라 제품 경험의 중심 문제다. (출처 : Pew Research Center — The Experiences of U.S. Online Daters)

좋은 만남에 성공한 활동적인 사용자는 빠져나가지만, 장기간 답하지 않는 휴면 계정이나 만날 의사가 약한 계정은 운영자가 걷어내지 않으면 남는다. 좋은 사용자가 먼저 졸업하는 시장에서는 후보 풀의 품질이 저절로 유지되지 않는다.

그래서 대형 서비스들은 사진과 활동성을 확인하는 데 비용을 쓴다. 틴더는 영상 셀카와 프로필 사진을 비교하는 사진 인증을 운영하며, Bumble은 가짜 프로필과 사기 계정을 찾는 AI 기반 탐지 기능을 공개했다. (출처 : Tinder — Photo Verification, Bumble — Deception Detector)

신규 서비스도 인증 배지가 무엇을 보장하는지 구분해야 한다. 사진 인증은 대개 현재 영상의 인물이 프로필 사진과 비슷하다는 뜻이지, 미혼 여부나 직업·소득까지 보장하지 않는다. 하나의 배지로 모든 신뢰를 약속하면 사고가 났을 때 오히려 신뢰가 더 크게 무너진다.

휴면 계정을 추천에서 제외하고, 가짜 계정에 소진한 크레딧을 환급하며, 신고 처리 시간과 재가입 방지 절차를 정하고, 운영자가 가짜 프로필을 채우지 않는다는 원칙을 공개하는 등의 노력이 필요하다. 인증 정보도 필요한 최소 범위만 수집하고 삭제 정책을 밝혀야 한다.

소개팅 플랫폼에서 신뢰는 부가 기능이 아니다. 매칭 알고리즘을 사용하기 전에 통과해야 하는 첫 번째 관문이다.

4. 같은 앱이 남성과 여성에게 전혀 다른 제품이 된다

이성 간 매칭 시장에서 남성과 여성은 같은 앱에 들어오지만 완전히 다른 문제를 겪을 수 있다. Pew 조사에서 최근 온라인 데이팅을 이용한 여성은 너무 많은 메시지 때문에 압도됐다는 응답이 많았고, 남성은 메시지를 충분히 받지 못해 불안감을 느끼는 경우가 더 많았다. (출처 : Pew Research Center — The Experiences of U.S. Online Daters)

한쪽에는 노출 부족이 문제이고, 다른 쪽에는 원하지 않는 접근과 안전 문제가 더 크다. 플랫폼이 한쪽 사용자에게 더 많은 노출과 메시지 기회만 판매하면 단기 매출은 늘 수 있지만 다른 쪽의 피로도 함께 커진다. 여성이 떠나면 남성의 경험이 더 나빠지고, 다시 더 강한 유료 노출 상품을 찾는 악순환이 생길 수 있다.

그래서 많은 앱은 상호 호감 이후에만 대화를 허용하고, 하루 추천 수를 제한하며, 원치 않는 메시지를 감지하고 신고와 차단을 앞에 배치한다. Coffee Meets Bagel은 무한 스와이프 대신 매일 소수의 추천을 제공하고, The League는 신청 절차와 선별된 일일 후보로 커뮤니티의 의도와 품질을 관리하려 한다. (출처 : Coffee Meets Bagel — Intentional Dating, The League — Application Process)

신규 진입자는 전체 가입자 수 하나로 시장 상태를 판단해서는 안 된다. 성별과 목적별 가입 완료율, 한 사람이 받는 좋아요와 메시지 수의 분포, 한 번도 노출되지 않는 사용자 비율, 결제 후 실제 대화 가능성이 높아지는지를 따로 봐야 한다.

소개팅 플랫폼 운영자는 두 집단을 많이 모으는 사람이 아니라, 서로 다른 불편과 인센티브를 조정하는 시장 설계자다.

5. 강한 검증과 긴 설문은 차별점인 동시에 이탈 지점이다

포화된 시장에서 신규 앱은 학력·직장·소득·외모·초대제 같은 명확한 검증 기준을 내세우려 한다. 특정 조건을 강하게 보장하면 사용자는 서비스의 차이를 쉽게 이해한다. 반대로 단지 “AI가 더 잘 골라준다”고 말하면 사용자는 그 AI가 어떤 입력을 믿고 판단하는지부터 의심한다.

그렇다고 인증과 설문을 끝없이 늘리면 가입 완료율이 떨어진다. 창업자는 긴 가입 절차를 진지한 사람을 골라내는 필터라고 해석하기 쉽다. 실제로 The League처럼 가입 절차를 커뮤니티의 진입 장벽으로 사용하는 서비스도 있다. 그러나 중간에 나간 사람이 모두 불성실한 것은 아니다. 아직 이름도 모르는 앱에 사진과 직장, 소득, 종교, 가족관, 수십 개의 가치관 답변을 넘길 만큼 서비스를 믿지 못했을 뿐일 수 있다. (출처 : The League — Application Process)

긴 가입 절차는 진지하지 않은 사람뿐 아니라, 아직 우리를 신뢰하지 않는 좋은 사람도 걸러낸다.

특히 초기에 20분 동안 설문을 작성했는데 소개 가능한 사람이 없거나 휴면 계정 한 명만 받는다면 다시 돌아오기 어렵다. 처음에는 나이·지역·관계 목적처럼 후보 존재 여부를 확인할 최소 정보만 받고, 실제 후보가 있을 때 더 깊은 질문을 요청할 수 있다. 결과 예시를 먼저 보여주거나 첫 소개 이후 프로필을 점진적으로 완성하게 하는 방법도 있다.

가입 퍼널은 단순한 UX 문제가 아니다. 신뢰와 공급 밀도, 검증 비용을 동시에 결정하는 사업 설계다.

6. AI를 1,000번 돌렸다는 말은 정확도를 증명하지 않는다

사주, MBTI, 가치관 설문, AI 매칭은 모두 같은 질문 앞에 선다.

이 점수가 실제로 무엇을 얼마나 잘 예측하는가?

자녀 계획이나 종교처럼 타협하기 어려운 조건을 미리 확인하는 것은 유용하다. 그러나 사람이 사람에게 끌리는 이유를 모두 설문으로 수집할 수 있는지는 다른 문제다.

나는 연애도 좀 해봤고 결혼한 지도 오래됐지만 아직도 잘 모르겠다. 좋아해서 그 사람의 옷차림이 예뻐 보이는 것인지, 그 옷이 잘 어울려서 좋아하게 된 것인지. 쩝쩝거리는 소리가 싫어서 마음이 식은 것인지, 마음이 식고 나니 전에는 들리지 않던 소리가 들리는 것인지.

사람에게는 도저히 넘길 수 없는 작은 가시 하나가 있고, 다른 조건을 기꺼이 감수하게 만드는 후크 하나도 있다. 질문을 수만 개로 늘린다고 그것들이 반드시 설문에 걸려든다고 장담하기 어렵다.

속도 소개팅 참가자의 만남 전 특성과 선호를 머신러닝으로 분석한 연구에서도, 누가 전반적으로 매력적으로 평가받을지는 어느 정도 예측했지만 특정 두 사람이 서로에게 느낄 고유한 호감은 의미 있게 예측하지 못했다. 다른 연구에서는 실제 대화에 정적인 설문과는 다른 종류의 호감 신호가 담길 수 있음을 시사했다. (출처 : Is Romantic Desire Predictable? — Psychological Science, Do Large Language Models Understand Verbal Indicators of Romantic Attraction?)

그렇다고 AI 매칭이 쓸모없다는 뜻은 아니다. 천생연분을 판정하는 예언자보다 두 사람의 공통점과 중요한 차이를 설명하고 첫 대화를 돕는 보조자로 사용하는 편이 현실적이다. 신규 서비스라면 매칭 점수가 무엇을 예측하는지 정하고, 단순한 조건 추천보다 실제 만남이나 두 번째 만남을 더 잘 만들어내는지 검증해야 한다. 시뮬레이션 횟수는 계산량일 뿐 정확도의 증거가 아니다.

7. 소개팅 앱의 위험은 화면 밖에서 발생한다

대부분의 소프트웨어는 문제가 앱 안에서 끝난다. 소개팅 앱의 목표는 낯선 두 사람을 실제 공간에서 만나게 하는 것이므로 스토킹, 사기, 원치 않는 성적 메시지, 폭력 같은 오프라인 위험까지 운영 범위에 들어온다.

Pew 조사에서 온라인 데이팅 이용자들은 원치 않는 노골적인 메시지나 이미지, 거절 이후의 지속적인 연락, 신체적 위협을 경험했다고 답했다. 이 수치를 한국에 그대로 적용할 수는 없지만, 안전이 부가적인 CS가 아니라 핵심 운영 업무라는 점은 분명하다. (출처 : Pew Research Center — The Experiences of U.S. Online Daters)

신규 서비스는 신고 버튼 하나로 끝낼 수 없다. 신고가 들어오면 누가 몇 시간 안에 어떤 기준으로 판단하는지, 정지된 사용자의 전화번호·기기·사진을 이용한 재가입을 어떻게 막는지 정해야 한다. 심각한 사건의 증거 보존과 개인정보 보호, 수사기관 요청 대응 절차도 필요하다.

안전 기능은 특정 사용자를 위한 배려에 그치지 않는다. 안전하다고 느끼는 사람이 충분히 들어오지 않으면 시장의 균형과 매칭 밀도 자체가 무너진다. 신뢰와 안전에 쓰는 비용은 공급을 유지하기 위한 비용이다.

소개팅 앱은 결국 시장을 운영하는 일이다

소개팅 앱은 서버와 AI API를 돌리는 소프트웨어에 그치지 않는다. 충분한 사람을 같은 시기와 지역에 모으고, 관계 목적과 성비를 조정하며, 상대와 플랫폼을 믿게 하고, 오프라인 안전까지 책임져야 하는 시장이다. 좋은 매칭이 성공할수록 고객이 떠난다는 구조까지 감당해야 한다.

따라서 신규 진입자는 매칭 기능을 더 정교하게 만들기 전에 한정된 지역·연령·관계 목적에서 실제로 시장이 만들어지는지부터 검증하는 편이 낫다. 직접 몇 쌍을 소개해보고 소개 수락률, 대화 시작률, 실제 만남률, 두 번째 만남률과 지불 의사를 확인해야 한다. “좋은 아이디어네요”라는 말보다 이런 행동이 훨씬 정확한 증거다.

AI와 가치관 설문은 그 기반 위에서 힘을 발휘한다. 실제 사람이 충분히 있고, 믿을 수 있으며, 만나도 안전하다는 전제가 없다면 아무리 정교한 천생연분 점수도 보여줄 상대가 없다.

소개팅 앱의 가장 어려운 기술은 천생연분을 계산하는 알고리즘이 아니라, 믿을 만한 두 사람이 안심하고 한 번 만나게 하고 그 경험을 다음 매칭과 신규 유입으로 되돌리는 운영일 것이다.

필자: 이의균 — 학원 관리 프로그램 AnotherClass를 만들고 운영합니다. 본 글은 공개 자료와 개인적 경험을 바탕으로 작성한 견해입니다. 사실관계 오류가 확인되면 출처와 함께 정정하겠습니다.