그로스 실험을 위한 Product-Market Fit
우리가 만든 제품이나 서비스가 실험을 할 만한 가치가 있을까?
많은 스타트업들이 문제에 기반한 우선순위를 정하고, 이 우선순위에 따라 가설을 세우고 검증하는 스프린트 실험을 반복한다. 하지만 스프린트를 실험하기 전에 최소한으로 확인해야 할 문제가 있다. 바로 우리가 만든 서비스나 제품의 Product-Market Fit이다. 우리가 만든 제품이나 서비스가 과연 실험을 할 만한 가치가 있을까? 하나의 스프린트를 진행하는데 필요한 리소스와 시간을 배정하기 위해서는 Product-Market Fit을 먼저 정의할 수 있어야 할 것이다.
1. Product Market-Fit이란?
Product Market-Fit이란 용어는 Marc Andreesen에 의해 처음 정의되었으며, 해당 시장을 만족시킬 수 있는 제품으로, 제품이 좋은 시장에 있다는 것을 의미한다. 우리의 서비스나 제품이 과연 실험을 할 만한 가치가 있는가에 대해서 다음과 같이 질문할 수 있다.
"프로젝트를 통해 검증되어야 하는 가설은 무엇인가?"
"우리가 만든 서비스는 고객의 어떤 문제를 어떻게 해결하는가?"
프로젝트를 진행하기 앞서 Product Market Fit을 측정할 지표를 잘 정의한다면, 이후 목표를 달성하기 위한 스프린트 과정을 잘 수행할 수 있을 것이다.
2. Product Market-Fit은 어떻게 측정할 수 있을까?
1) Retention Rate
리텐션율은 Product Market-Fit의 주요 지표이며, 아래의 리텐션 커브로 추적된다. 애시 모리아의 <린 스타트업>에서도 리텐션율은 PMF 평가를 위한 주요 지표로 언급되었으며, 활성화된 사용자의 40%를 유지하면 제품의 초기 견인력을 확보한 것이라고 설명한다.
리텐션율은 일반적으로 시간이 지남에 따라 제품 또는 핵심 기능으로 돌아 오는 사용자의 비율로, 다음의 리텐션 커브 곡선이 있다.(원문 아티클). Flattening Curves는 제품을 샘플링 한 사용자의 비율이 제품에서 가치를 발견하고 시간이 지남에 따라 제품으로 돌아왔음을 나타낸다. 반면, Declining curves는 제품이 Product-Market Fit을 달성하지 않을 경우, 유지 곡선이 지속적으로 감소하여 결국 사용자가 거의 또는 전혀 도달하지 않는 경우를 나타낸다. 이 경우 낮은 리텐션을 개선하지 않고, 그로스 실험을 적용하면 사용자가 단순히 제품을 빠져나가는 “leaky bucket” 결과를 초래한다.
Flattening & Smiling Curves는 초기 리텐션율이 급감하고 이후 안정화되는 곡선을 보이고 있다. 이 때 곡선이 평평해지는 수준이 높을수록 장기간의 리텐션율은 높아진다. Level 2의 곡선이 더 높은 수준으로 평평 해져 더 건강한 제품임을 나타냅니다. 이를 통해 Product Market Fit이 강할수록 초기 하락률이 낮아지고, 이후 제품을 사용하고 장기적으로 제품을 사용하는 고객의 비율이 높아진다고 할 수 있다.
리텐션이 제품의 성공여부에 중요한 지표인 이유는 큰 복리 효과를 일으키기 때문이다. 서비스의 리텐션율이 높을수록 이후 서비스의 핵심 가치까지 이어지는 전환 단계에서 서비스는 높은 성과를 보일 수 있다. 예를 들어 장기적으로 수익을 내야 하는 subscription 서비스의 경우, 무료체험 서비스의 첫 사용자 경험도 중요하지만 실제 서비스의 성패는 반복 사용에 있다고 할 수 있다.
2) Bounce Rate
이탈률은 리텐션율과 함께 서비스가 Product-Market Fit을 달성했는지 여부를 측정 할 수 있는 주요 지표이다(원문 참조). 이 때 이탈률이 높다고해서 항상 제품이 고객의 기대에 부응하지 않는 것은 아니다. 오히려 느린 UX 성능, 부실한 페이지 콘텐츠 등 기타 사소한 이유로 인해 이탈률이 높은 경우가 있다. 이 문제를 전체적으로 살펴보면 제품을 아무리 열심히 만들었어도, 다른 사소한 이유로 사용자를 놓칠 수 있다는 것을 알 수 있다.
좋은 UX의 정의에서 최적화가 목표로 우선되는 것도 같은 이유에서일 것이다. 아무리 좋은 제품이더라도 사용자가 서비스를 이용함에 있어 불편함을 겪는다면 전환율은 반드시 떨어질 것이다.
3) NPS (Net Promoter Score)
Net Promoter Score는 순수 추천 지수라는 뜻으로, 많은 회사에서 성장 지표로 사용하는 고객 행복 측정 방법이다(원문 참조).
회사/제품/서비스를 친구나 동료에게 추천할 가능성은 얼마나 됩니까? NPS는 이 질문에 대한 응답을 기반으로 하며, 0-10 점을 기준으로 계산한다(그림 참조).
0-6점 : Detractors 추천하지 않는 사람
7-8 : Passives 수동적인 추천자
9-10 : Promoters 적극적인 추천자
여기서 NPS는 Promoter의 고객 비율에서 Detractors의 고객 비율을 빼서 계산하며, 이 때 Passives의 고객 비율은 고려하지 않는다.
3. Product Market Fit은 어떻게 개선할 수 있을까?
왜 리텐션율이 지속적으로 하락할까?와 같은 서비스의 문제점을 해결하기 위해서는 문제의 주된 원인을 먼저 파악한 후 그 원인을 해결할 수 있는 가설을 세우고 검증해나갈 수 있어야 한다. 이 주된 원인을 찾기 위해서 사용할 수 있는 사용자 방법론은 크게 정성적 고객 조사와 정량적 데이터 분석 두 가지로 나눌 수 있다.
1) 정성적 고객 조사
정성적 고객조사는 고객과의 직접적인 상호작용을 통해 우리 서비스의 문제를 직접 정의할 수 있다는 점에서 유용한 방법론이다. 정성적 고객조사의 방법으로는 크게 사용자 인터뷰와 설문조사가 있다.
나의 경우, 신규 어드민 프로젝트를 진행했을 당시 고객은 내부 운영팀이었기 때문에 인터뷰를 주된 리서치 방법으로 선택하였다.
사용자 인터뷰 질문 항목 예시내가 사용한 리서치 질문은 크게 다음을 목표로 했다.
어드민 툴의 기능은 프론트에 보여지는 스펙과 어떻게 Align 되어 있는가? 엔지니어를 대상으로 작성한 질문 항목이다. 어드민 툴의 전반적인 기능을 파악하기 위해 개념적 질문을 위주로 열거하였다.
각 기능을 사용하는 목표는 무엇인가? 우리 서비스의 어드민은 CS 처리가 아닌, 서비스 내부 캠페인을 Creation하는 것이 주 목적이었다. 목적을 달성하기 위해 얼마나 많은 운영상의 뎁스가 있는지 확인하는 작업이 필요했다.
각 기능을 사용하면서 불편한 점은 무엇이고, 어떻게 개선할 수 있을까? 실제 사용자의 관점에서 운영상의 뎁스를 어떻게 개선할 수 있을지 각 Story에 따른 Opportunity를 정의하였다.
요구사항 정의 예시인터뷰가 끝났다면 모든 답변을 유형화하여 정리하는 작업이 필요하다. 구체적으로 어떻게 어드민 툴을 이용하고 있는지, 각 기능에서 어떤 불편한 점을 가지고 있고, 얼만큼 개선되기를 원하는 니즈가 있는지 운영팀의 우선순위에 따라 모든 답변을 유형화했다. 이렇게 하면 인터뷰 질문지보다 운영팀의 요구사항을 한 눈에 파악할 수 있고, 구현과정에서 엔지니어와의 Feasibility Check를 통해 플래닝을 위한 아이디어를 구체적으로 선정하는 데 도움이 된다.
2) 정량적 데이터 분석
그로스 조직이 아니더라도 데이터 분석은 스프린트의 과정에서 빼놓을 수 없다. 서비스 로그와 사용자의 행동 로그 등 정량적 데이터 분석을 통해 우리는 왜 이 프로젝트를 해야 하는지, 모든 이해관계자들을 설득 가능한 목표를 세울 수 있게 된다. 데이터 분석의 과정에 대해서는 다음 편 그로스 조직의 AARRR 프레임워크부터 천천히 다뤄보도록 한다.
참조 자료 :
https://www.sequoiacap.com/article/retention
https://www.cloudways.com/blog/product-market-fit/#what
https://www.techstartups101.com/measuring-product-market-fit
