2. 전제조건 : 제품-시장 적합성(Product-Market Fit ; PMF)

[일반적인 IT 서비스 출시 과정]

 

- 아이디어 -> 제품 개발 및 런칭 -> 아무 일도 안일어남 -> 홍보 시도 -> 잠깐 증가 다시 복귀

- 더 큰 악순환 -> '지금 현재 런칭은 원래 서비스의 30% 정도니까 새로운 기능을 추가해서 완성도를 높이자'

  이 시점에서 할 수 있는 가장 나쁜 결정

- 이 시점에서의 문제는 '뭐가 문제인지 모른다는 것'

 

[일반적인 제품 관리자의 실수]

 

1. 제품을 먼저 만들고, 그 다음 고객을 찾는다.

- 서비스를 기획할 때, 논리에 논리를 덧붙이기만 한다고 해서 제품의 성공 가능성이 높아지는 것은 절대 아님

 

2. 기능을 추가하고 계속 추가한다.

- 제품은 기능의 조합이 되어서는 안된다.

  제품은 가설의 조합으로 이뤄져야 하며, 초기에는 그런 가설을 검증하기 위한 최소한의 기능으로 출시한다.

- 사용자에게 최소한의 기능으로 최대의 가치를 전달하는 제품이 성공한다.

 

[제품 시장 적합성(Product-Market Fit ; PMF)]

-'좋은 시장에, 그 시장을 만족시킬 수 있는 제품을 갖고 있는 것' - 넷스케이프 창업자, 마크 앤드리슨

- PMF를 확인하는 것 = '우리가 만든 제품이나 서비스가 그로스 해킹을 할 가치가 있는가?'를 확인하는 것

 

1. 우리가 생각하는 그 문제가 정말 존재하는가

- 개발에 앞서 문제라고 생각한 것이 정말 문제가 맞는지, 문제의 해결책을 내놓으면

  그 해결책에 대한 수요가 정말 존재하는지

 

2. 우리가 만든 제품, 서비스가 그 문제를 해결한 게 맞는가

 

3. 이 제품, 서비스를 만들면서 세운 가설이 무엇인가 / 그 가설은 검증되었는가

- 제품, 서비스는 기능의 조합이 아니라 가설의 조합이 되어야 한다.

- 제품, 서비스를 내놓는다는 것은 검증하고자 하는 가설의 답을 내놓는 것

 

[PMF를 확인하는 방법]

 

1. 유지율(Retention rate ; 리텐션)

- 사용자들이 특정 서비스에 얼마나 꾸준히 남아서 활동하는지 보여주는 지표

리텐션 커브(출처 : https://brianbalfour.com/essays/product-market-fit)

- PMF를 만족하는 서비스 : 초기 일정 기간이 지나면 그래프의 기울기가 완만

  그렇지 못한 서브시 : 기울기가 꾸준히 우하향하는 패턴

- 주기적으로 새로운 컨텐츠가 업로드되고 사용자와의 상호작용이 많이 발생하는 서비스는 상대적으로

  리텐션 수치가 높다. 반면 여행, 음식 배달처럼 사용 빈도가 낮은 서비스는 낮은 리텐션 수치.

  즉, 리텐션은 제품 혹은 서비스가 속한 카테고리를 감안하여 비교해야한다.

 

2. 전환율(Conversion rate)

- 한 단계에서 다음 단계로 넘어가는 사용자의 비율

- 즉, 제품 혹은 서비스의 제공 단계를 정의하고 각 단계를 넘어가는 고객의 비율

- ex) 앱 다운로드 -> 회원 가입 -> 휴대폰 인증 -> 상품 페이지 조회 -> 구매하기 클릭 -> 결제하기

  전환율을 구하기 위해 목표로 하는 이벤트를 정하고 이 이벤트에 진입한 사람에 대해 이 이벤트 다음으로 넘아가는 사

  람의 비율을 구하면 그게 곧 전환율(어떻게 보면 각 단계 별 생존율 같은 느낌)

- 전환율 또한 카테고리에 따라 기준치가 다르다.

  심지어 똑같은 제품이나 서비스의 고객이더라도, 지인 소개인지 / 디스플레이 광고를 통해 온 고객인지 등에 따라 전환

  율이 다르다.(아무래도 지인 소개가 좀더 전환율이 높을 가능성이 있다.)

 

3. 순수 추천 지수(Net Promoter Score ; NPS)

- '이 제품 혹은 서비스를 주변 지인이나 친구에게 얼마나 추천하고 싶은지' 에 대한 점수

- 0~10점까지 선택지가 있는 11점 리커트를 척도

- 0~6점 : 비추천 그룹, 7~8점 : 소극적 추천 그룹, 9~10점 : 적극적 추천 그룹

  NPS = (적극적 추천 응답자 수 - 비추천 응답자 수) / 전체 응답자 수

- 즉, 다시말해 소극적으로 추천하는 고객 1,000명보다 적극적으로 추천하는 100명이 훨씬 좋은 의미

 

[PMF가 낮을 때 해서는 안될 것]

 

1. 브레인스토밍

2. 새로운 기능을 양적으로 추가하는 것

3. 유지율, 전환율 등을 개선하기 위한 실험

  (특히 3번은, 위의 3가지는 PMF를 보기위한 지표이지, 이 지표를 올린다고 PMF가 좋아지는 것이 아니다.)

 

[PMF가 낮을 때 해야될 것]

1. 사용자를 직접 만나 이야기 듣기(인터뷰, 가능하면 1:1)

2. 사용자 행동 데이터 분석