[그로스 해킹] 그로스 해킹이란 + 전제조건_PMF

인프런 - 그로스 해킹 양승화 님의 강의를 듣고 정리한 자료입니다.

---

그로스 해킹이란?

"데이터를 기반으로 서비스/비지니스에서 마주한 문제를 푸는 일, 그 문제를 풀어 기대하는 효과는 서비스의 성장"

 

● 그로스 해킹의 필요성

 

좋은 아이디어, 안정적인 개발, 예쁜 디자인, 효과적인 마케팅을 바탕으로 성공하는 서비스를 만들던 시대는 지나갔다.

 

쏟아져 나오는 제품/서비스 중에서 선택받는 소수가 되는 것은 매우 어렵다.

 

- 프린세스 메이커 VS 클래시 오브 클랜

 

프린세스 메이커 : 완전한 제품을 만들어 출시하는 방식, 과거의 제품의 공급 방식이다. -> 어떻게 하면 좋은 제품을 만들까?

 

클래시 오브 클랜 : 제품 출시가 곧 시작, 사용자 로그, 반응 등을 분석하여 제품을 관리하고 개선해 나간다. -> 어떻게 제품을 성장시킬까?

 

▶ 시장에서 차별화된 제품을 만드는 것은 시간과 리소스의 엄청난 투자가 필요하다.

 

▶ 좋은 제품을 만들어도 고객이 제 발로 찾아오지 않는다.

 

▶ 아무도 원하지 않는 제품/서비스를 만드는데 시간과 노력을 투자하면 안 된다.

 

▶ 반드시 성공한다가 아닌 성공 확률을 높이고 실패 확률을 줄이는 방향이다.

---

● 그로스 해킹의 목적

 

그로스 해킹을 도입하기 위해 잘못된 방향과 목표를 설정하는 일이 많다. 

 

데이터 사이언티스트, ML 정복이 목적이 아닌 데이터로부터 인사이트를 찾아 제품을 지속적으로 개선해 나가는 것이 목적이다.

 

● 그로스 해킹 방법

 

Cross-functional 한 직군의 멤버들이 모여서 핵심 지표를 중심으로 실험을 통해 배움을 얻고, 반복하면서 제품/서비스를 성장시키는 일

 

▶ 지표

   

   - 핵심지표를 어떻게 정의/활용할 것인가?

   

   - 지표를 바탕으로 의사결정 시 주의할 점?

 

▶ 분석 환경

 

   - 데이터 파이프라인, 수집 방법, Tool

 

▶ 프로세스

 

   - 조직이 일하는 방식, 플래닝과 회고

 

   - 가설 검증, AB Test

 

▶ 문화

 

   - Top-down 방식

 

   - 모든 팀들이 한 방향으로 움직여야 한다.

 

   - 데이터가 흐르는 조직

---

전제조건 : Product Marcat Fit

● 가장 많이 하는 실수

 

1. 제품을 먼저 만들고, 그다음 고객을 찾는다.

 

2. 기능을 추가하고 추가하고 추가한다. -> 서비스가 잘 안될 때 선택하는 가장 안 좋은 선택

 

● PMF

 

가장 먼저 확인해야 하는 문제 : 우리가 만든 제품이나 서비스가 실험을 할 만한 가치가 있는가?

 

1. 우리가 생각하는 그 문제가 진짜 있기는 한가?

 

2. 우리의 솔루션이 그 문제를 해결하는 게 맞나?

 

3. 이 서비스를 만들면서 세운 가설은 무엇이었는가?

 

● PMF를 확인하는 방법

 

▶ Retention

 

유입 후 남아있는 사용자의 비율

 

-> 처음에 떨어지고 일정한 비율로 유지가 되는지를 확인한다.

 

-> 안정화되는 시간과 제품 카테고리별 안정화 비율은 다르다.

주황색 제품

은 유지되지 않고 떨어져 버린다. -> PMF가 없다.

 

청록색 제품은 약 50% 정도로 유지되고 있다. -> PMF가 있다. (PMF가 큰지 작은 지는 알 수 없다.)

 

▶ Conversion

 

사용자가 단계별로 넘어가는 비율

 

-> [가입 - 검색 - 장바구니 - 구매] 순서가 존재할 때 가입에서 검색으로 얼마나 넘어가는지?, 장바구니에서 구매로 얼마나 넘어가는지?

 

▶ NPS (Net Promoter Score)

 

순수 추전 지수

 

-> 다른 사람에게 얼마나 추천할 것 인가?라는 질문을 던지고 0~10점으로 설문을 받는다.

 

-> 0~6은 비추천, 7~8은 중립, 9~10은 추천으로 하여 NPS 점수를 계산한다.

 

-> NPS = 추천고객 비율 - 비추천 고객 비율

 

-> NPS 점수 해석은 아래 사진과 같다. 대체적으로 +이면 좋은 결과, -면 개선이 필요하다.

 

-> 제품 카테고리 별로 평균 점수가 다르다.(즉, 절대적 기준은 다르다)

---

● PMF를 측정하거나 개선할 때 주의점

 

부적합한 지표 : install, Sign-up, Active user 등 본질적인 성공과 관련이 없는 지표를 사용하면 안 된다.

 

적합한 지표 : Retention, Conversion, NPS

 

▶ 개선 시 주의점

 

하면 안 되는 것

 

1. 브레인스토밍

 

2. 새로운 기능을 추가하는 것

 

3. Retention, Conversion을 개선하기 위한 실험 : 두 지표는 결과로써의 지표다. 지표가 개선된다고 PMF가 생기는 것이 아니다.

 

해야 하는 일

 

1. 사용자를 직접 만나서 이야기 듣기

 

2. 사용자 데이터 분석