그로스해킹과 PMF(Product Market Fit)

[그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법] 

0. 그로스해킹과 PMF(Product Market Fit)

 

그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법 - 인프런 | 강의

위 강의를 들으며 학습한 내용을 기록한 글입니다.

 

 

 

---

그로스해킹이란?

데이터를 기반으로 서비스/비즈니스에서 마주한 문제를 푸는 일

그 문제를 풀어서 기대하는 효과는 서비스의 성장.

 

즉, 데이터에서 찾아 낸 여러 인사이트를 바탕으로 제품/서비스를 지속적으로 개선해 나가는 것

 

이미지 출처 : https://inf.run/1hxK

 

• Cross-Functional 한 직군의 멤버들이 모여서
• 데이터를 기반으로 정의한 핵심지표를 바탕으로
• 실험을 통해 배움을 얻고
• 이를 빠르게 반복하면서 서비스를 성장시키는 것

 

 

그로스해킹을 위해 생각해봐야 할 것

• 지표 :
  • AARRR을 현실에서 어떻게 적용할 것인가?
  • 핵심지표를 어떻게 정의하고 활용할 것인가?
  • 지표를 바탕으로 의사결정할 때 주의해야하는 점?
• 분석환경 :
  • 데이터 파이프라인 만들기
  • 데이터를 어떻게 / 어떤 툴로 수집할 것인지?
• 프로세스 :
  • Cross-Funtional 조직이 일하는 법
  • 어떤 가설부터 검증해야할까?
  • 플래닝과 회고는 어떻게 할 것인가?
  • A/B테스트 시 주의해야할 점은?
• 문화 :
  • 모든 팀들이 한 방향으로 움직이려면? :

 

 

---

전제조건 : PMF (Product-Market Fit)

• 대부분의 서비스는 제품을 개발하고, 그 후에 고객을 설득하려고 함
• 성장이 둔화되어도 기능만 계속 추가개발함

→ 문제가 뭔지 모르는 게 진짜 문제!

실험하기 전에 우리가 만든 제품/서비스가 실험할만한 가치가 있는지 확인해야 함.

 

PMF를 위해 생각해봐야 할 것

• 우리가 생각하는 그 문제가 진짜 있긴 한가?
• 솔루션이 그 문제를 해결하는 게 맞나?
• 이 서비스를 만들면서 생각한 가설이 뭐였지? / 가설이 명확하지 않다면 그 시점에 만든 서비스를 MVP라고 볼 수 없다.

 

---

•  

 

Product-Market Fit을 확인하는 법

Product-Market Fit을 확인하는데에 적합한 지표

• Retention : 서비스에 처음 접속한 사람이 시간이 지나면서 떨어져나가는지, 계속 남아서 꾸준히 활동하는지
• Conversion : 핵심가치를 주는 각 단계들을 유저들이 얼마나 잘 넘어오고 있느냐
• NPS (Net Promoter Score) : 순수추천지수, “이 서비스를 주변인에게 얼마나 추천하고 싶은가요?”

-

위 지표들에 대한 자세한 설명은 아래 글에 따로 포스팅했다.

 

[그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법] 1-1. Retention, Conversion, NPS (Net Promoter Score)

 

 

Product-Market Fit을 확인하는데에 부적합한 지표

• Install
• Sign-up
• Active user

 

---

 

Product-Market Fit을 개선하려면?

해서는 안되는 것

• 사용자를 맘대로 넘겨짚지 말자.
  • 브레인스토밍
  • 새로운 기능 추가
• Retention, Conversion을 개선하기 위한 실험
  • 이 지표들은 결과로 나타나는 지표
  • 실험을 통해 이 지표들을 높인다고 해서 없던 프로덕트 마켓핏이 생기지는 않음. (이 지표는 결과로서 바라봐야하는 것이지 이것을 개선해서 마켓핏을 맞추겠다고 거꾸로 생각하면 안된다!)
  • 마켓핏이 맞는지 잘 모르겠는 상황에서는 ‘지표의 개선을 위한 개선’이 될 위험이 크다.

 

해야하는 것

• 사용자를 직접 만나서 이야기 듣기
  • 이 서비스를 어떻게 알게되었는지?
  • 어떻게 사용하고 있는지?
  • 어떤 부분에 만족하는지?
  • 사용자의 어떤 문제를 해결하는지, 잘 해결하고 있는지 해결하긴 하는데 약간 부족한지?
• 사용자 데이터 분석
  • 사용자가 남긴 로그데이터 분석하기