토스 PO Session 후, 우리 제품에 아하 모먼트를 적용해 보았다.
기획자로서, 그로스 마케터로서, 제품을 성장시키는 과정에서
필연적으로 할 수 밖에 없는 고민은 '우리 제품에 유저가 계속 찾아올 것인가?' 이다.
조금 더 자세히 하자면, '우리 제품에 유저가 찾아오고, 그것이 돈이 되는가?' 이다.
즉, 우리 제품이 PMF가 있고, 이것이 지속되며 수익성이 있는가? 라고 할 수 있는데,
대부분의 경우 우리가 초반부터 창업을 하지 않는다면, PMF를 이미 찾은 기업에서
해당 제품을 성장시키기 위해 일하게 된다. 나 또한 그렇다.
그러면, PMF를 찾은 시점에서 제품을 성장시키는 방법은 무엇일까?
수많은 방법이 있지만, 이번 글에서는 토스 이승건 창업자가 말하는 '아하 모먼트'를 바탕으로
이를 정리하고, 내 담당 프로덕트에 적용할 수 있는 방법을 고민해 보고자 한다.
https://www.youtube.com/watch?v=0KgOCKJ1PG4&t=66s
가장 먼저 해야 할 일은, 일단 앞 단계인
우리 제품의 PMF를 찾았는가? 부터 검증해야 한다.
PMF를 찾았는가에 대한 기준은 명료하다.
바로 Retention에 Plateau(평평해지는 지점)가 생겼느냐, 아니느냐이다.
보통 5번 내외로 방문하는 시점에 액티브 유저의 50%가 유지되어 재접속한다면,
PMF를 찾았다고 볼 수 있다.
Retention Plateau의 생성 여부뿐 아니라, 높이가 정말 중요하다.
20%, 40%, 70%에 따라 가능한 회사의 성장과 크기가 다르다.
20% -> 성장에 한계
40% -> 꽤나 괜찮은, 성장하는 회사
70& -> 세상, 산업을 혁신하는 회사
PMF의 기준이 Retention Plateau인 이유는 간단하다.
한 번 방문한 유저가 계속 떠난다면, 서비스 이용자를
유지하기 위해서 계속해서 노력과 비용을 들여 고객을 유치해야 하는데,
그러한 상황이 지속된다면 유저 수 + 매출의 확보는 가능할지라도
지속적인 비용 소모로 인해 도저히 이윤이 날 수 없는, PMF가 맞지 않는 서비스가 되기 때문이다.
Retention Plateau가 생기고 PMF를 찾았다는 것은 두 가지를 의미한다.
1. 제품의 적절한 구조를 찾았다.
2. 계속 쓰기로 결정한 고객을 찾았다.
이 두 가지는 하나만 충족되어서는 안 되며,
서로 영향을 주며 두 가지 다 충족되어야 PMF를 찾았다고 할 수 있다.
이 글은 PMF를 찾는 법에 대한 글은 아니니, 간단히 줄이고 이후 단계에 대해 서술하겠다.
PMF를 찾았다면, 우리는 Retention Curve에서 Plateau, 평평한 지점을 보았을 것이다.
이전에이 Plateau가 서비스의 성장에 매우 중요하다고 했으니, 이를 개선해야 한다.
떠나지 않은 사람을 늘려서 리텐션을 개선, Plateau를 높이는 게 필요하고,
이를 위해서는 떠나간 유저보다, 먼저 떠나지 않은 유저를 분석해야 한다.
떠나지 않은 유저를 먼저 분석하고,
이후 결제한 사람과 결제하지 않은 사람의 차이, 하나의 기준을 정의하고,
이 기준을 One Goal로
최대한 많은 사람이 이 Goal을 달성하도록 유도해야 한다.
그리고, 이후에 나오겠지만 그 Goal이 바로 Aha moment이다.
그러므로, 이 글에서는 이탈 유저 리서치는 짧게 다루고,
이탈하지 않은 유저를 분석하여 리텐션을 개선하는 법에 대해 메인으로 다루고자 한다.
그렇다면, 이탈 유저 리서치는 언제 하는 것일까?
떠난 유저를 리서치해야 할 때는, 우리 서비스가 먹을 수 있는 파이를 다 먹는,
즉 Carrying Capacity에 도달하여 성장이 멈추었고,
새로운 신규 고객, 기회를 찾아야 할 때이다.
부정문으로 물어서는 안 된다, ~~목적을 위해 ~~을 사용하는지? 를 물어야 한다.
그리고, 이 목적을 달성하는 데 우리가 더 나은 솔루션을 제공할 수 있는지 고민하며 기회를 찾아간다.
이를 Usability Test라고 세션에서 정의하는데,
Usability 서비스는 장기적으로 Carrying Capacity를 찾아 사업을 확장하는 목적이라고 보면 될 것이다.
그렇다면, 이제 다시 리텐션 개선으로 돌아가보자.
유저 페르소나에 대한 이해도 필요하지만, 보통 페르소나의 이해는
PMF를 찾는 단계에서 끝나 있는 경우가 많다.
이 단계에서는, 왜 어떤 유저는 남고 어떤 유저는 남지 않는가?를
먼저 고민하고 하나의 지표로 만들어야 한다.
-> 바로 'Aha moment' 이다.
이렇게 Aha moment를 찾으면, 우리는 제품을 성장시키기 위해 더 구체적인,
데이터 기반의 목표를 향해 한 마음으로 달려갈 수 있다.
"회사의 인구가 보통 50~120명을 지나면, 모두가 한 마음이 아니게 된다.
제품의 방향도 이때 상실하는 경우가 많다.
그것을 방지하기 위해 아하 모멘트 운동이 필요하다."
- 토스 이승건 리더
아하 모먼트는 세 가지로 정의된다.
1. 제품의 핵심 가치를 통과하는 순간.
2. 서비스를 계속 쓰게 되는, 이 서비스만의 특이점
3. 이 행동을 한 유저의 95%가 리텐션이 생기는 행동
아하 모멘트는 반드시 정량적으로 구성되고 설명되는 순간이어야 한다.
단순하지만, 정량적으로 정의될 수 있으며, 정성적으로도 상식적으로 이해가 되어야 한다.
실제 예를 들으니 나 또한 이해가 쉬웠다. 미국 빅테크 기업도 이러한 순서로 서비스를 성장시켰다.
- 페이스북 : 첫 10일 동안 유저 7명과 연결되는 것
- 슬랙 : 팀 안에서 2,000개의 메시지가 보내지는 것.
- 드롭박스 : 1기기에서 1폴더 내 1개의 파일을 저장하는 것
- 트위터 : 30명의 유저를 팔로우시키는 것
이렇게 아하 모멘트를 설정한 이후에는, 제품 성장의 목표는
아하 모먼트를 최대한 빠르게, 많은 유저가 경험하게 하는 것이다.
실제 트위터는 가입 하자마자 주위 유저들을 팔로우할 것을 제안하는데,
이는 그들이 도출한 아하 모먼트가 30명의 유저를 팔로우하는 것이므로,
가장 빠르고 직관적으로 아하 모먼트를 경험하도록 유도하는 것이다.
이러한 예시로, 토스도 아하 모멘트를 찾았다.
토스의 아하 모멘트 -> 4일 이내 두 번 이상 송금하는 것이었다.
처음일부터 4일 안에 두 번 이상 송금하면 유저의 95% 이상이 재접속하여 리텐션이 유지되었기에,
토스의 일은 이제부터 4일 안에 두 번 이상 송금하게 만드는 것으로 정의되었다.
다시 정리하면, 아하 모먼트의 형태는 다음과 같다.
XX라는 행동을 가입한 지 YY라는 날짜 안에 ZZ번 한다.
유저가 어떤 액션을 했을 때 Aha moment를 느낄지 알아봐야 한다.
이렇게 XX 후보군을 찾는 과정에서, 리테인된 유저와 액션 간의 공통분모가 커야 한다.
왼쪽과 같이, 1번 보냈을 때 리테인되는 유저가 적으면,
당연히 액션이 리테인과 연관이 없으니 아하 모멘트의 XX가 아니다.
오른쪽과 같이, 8번 보냈을 때 80% 이상의 유저가 리테인되는 것도, 완벽한 아하 모먼트는 아니다.
이 행동이 아니라도 유저는 리테인되고 있으니까.
즉, 액션을 했는데 리테인이 안 되거나, 리테인은 됐는데 액션으로 인한 것이 아닌,
파란색이나 초록색 공간을 줄이고, 공통분모의 공간을 키우는 것이 중요하다.
즉, 아하 모멘트 구하기에는 a, b 두 가지 조건이 필요하다.
이를 바탕으로, 아까 구한 XX라는 행동을 몇 번 하는 것이 최적의 아하 모먼트인지 산정한다.
- 일단 RPV가 95%를 넘어야 한다. Retain Probability Value는 리테인 유저가 이 액션을 할 확률이다.
- 리테인된 유저의 95% 이상은 이 액션을 해야 한다.
- 그리고 교차되는 비중도 봐야 한다. 액션과 리테인이 AND 조건으로 묶이는 유저가 몇 명인지.
조금 복잡한데, 사실 간단하다,
합집합으로 2개의 그룹을 만들고, 그 그룹의 교집합/합집합/여집합을 찾는 과정이다.
여기서 A의 비율이 B/C를 합친 것보다 클수록 좋은 아하 모먼트이다!
RPV와 교차 값을 기준으로, 95%를 목표로 찾을 때까지 반복해야 한다.
이렇게 아하 모먼트를 도출하고, 정량적인 목표를 향해 달려가는 법에 대해 정리해 보았다.
그래서 이렇게 배운 것을, 내가 담당하는 서비스에는 어떻게 적용할 것인가?
내가 맡은 서비스는, 팀스파르타의 부트캠프 프로덕트 '스파르타 내일배움캠프'이다.
https://nbcamp.spartacodingclub.kr/
이 제품은 한 번 결제하면 평균 16~20주간의 풀타임 몰입이 요구되며,
객단가가 약 2,000만 원에 달하는 고관여, 고가격 교육 상품이다.
특히 내일배움카드 정부 지원은 ‘1회성’에 불과해,
한 번 결제가 일어나면 동일 유저가 다시 돌아올 가능성은 사실상 없다.
즉, 이 제품은 리텐션이 일어날 수 없는, 지속적인 방문보다는
‘유저의 수많은 고민 후의 단 한 번의 결정을 유도해야 하는’ 고관여/일회성 결제 프로덕트다.
그렇기에, 매일 재방문하는 유저가 많고, 몇천만의 DAU를 가진 토스의 전략과는
조금 다른 방법으로 Aha Moment를 적용해야 한다.
고관여 프로덕트를 담당하는 PM, PO, 마케터라면
본 세션을 듣고 비슷한 고민을 하지 않았을까 하여, 나의 고민을 정리해보고자 한다.
내가 생각하는 결론은 그렇다. 오히려 더 중요하다.
대부분의 Aha Moment는 리텐션 기반의 SaaS나 앱, 커뮤니티 서비스에서 논의되지만,
내일배움캠프와 같은 고관여 1회 결제 상품에서의 Aha moment는
리텐션이 아니라 ‘결정’ 그 자체를 기준으로 정의되어야 한다.
리텐션이 매출이 되는 구조가 아니라, 유저의 고민에 이어 생긴 '결정' 이 매출이 되는 구조이므로,
이러한 결정과 최대한 교차점이 큰 액션을 찾아야 한다.
이 프로덕트에서 내가 묻는 질문은 더 이상
“어떠한 행동을 한 유저가 다시 돌아오는가?”가 아니라,
“어떠한 행동을 한 유저가 결제까지 이어지는가?”
로 바뀐다.
다만, 고관여 제품인 만큼 '결제'를 하나의 목표로 잡기에는, 최종 결제까지의 전환율은
다소 높지 못하다.
이에, 최종 결제까지의 과정을 정의한 '퍼널'을 통해 Aha moment를 정의하고자 한다.
다시 정의하자면, 내가 맡은 제품은 페이지 뷰 후 결제 행동까지,
즉, 유저가 며칠 동안 비교하고 고민하며, 결제 가능성의 문턱을 넘기까지의 시간이
약 일주일 정도 걸리는 고관여 프로덕트이다.
그렇기에 우리는 페이지 뷰부터 결제 완료까지 촘촘한 퍼널을 정의하고,
각 퍼널의 전환율을 체크하며 문제를 정의하고 해결하고 있다.
그렇다면 우리가 찾아야 할 Aha 모먼트는
퍼널 기준으로 '전환된 유저의 대다수가 했던 행동'일 것이다.
다시 말해, 이 고관여 프로덕트의 다음 퍼널로 전환된 유저가
어떠한 행동을 통해 확신을 갖고 전환되었는지를 찾고자 한다.
평균 유저의 기저선을 정하고, 어떠한 행동을 한 유저가 유의미하게 더 많이 전환되었는지
데이터로 정의한 뒤,
이 행동을 더 많이 하도록 유도하는 것이 필요할 것이다.
즉, 리텐션 기반 서비스에서의 Aha moment가 “계속 쓰게 만드는 지점”이라면,
이 제품에서의 Aha moment는 “다음 퍼널로 넘어가게 만드는 지점”이다.
그리고, 내일배움캠프 프로덕트는 다양한 페이지와 기능들이 합쳐진 프로덕트이므로,
나는 내가 담당한 잠재 리드 확보 목적의 '무료 콘텐츠 페이지'의 데이터를 바탕으로
해당 페이지에서 결제로 이어지는 아하 모먼트를 찾아보고자 한다.
https://nbcamp.spartacodingclub.kr/contents
회원가입 (리드 확보)
무료 콘텐츠 다운로드/소비
1차 지원서 작성완료
서류 합격
결제 완료
이 중 우리가 Aha Moment를 잡고자 한 기준은 '1차 지원서 작성 완료'이다.
왜냐하면 이 지점은 단순 탐색을 넘어서,
유저가 본인의 시간을 투자해 ‘나의 진로’를 이 캠프와 연결해보려는 결심이 드러나는 지점이기 때문이다.
즉, 이 행동을 완료한 유저는 심리적 전환 지점을 이미 통과했으며,
그 이후에는 가격, 타이밍, 외부 변수 정도만 남은 상태다.
이후의 전환에는, 세일즈, CRM 등 다양한 마케팅 액션들이 함께 이루어지므로,
분명한 Aha moment 도출을 위해서는 해당 지표를 기준으로 하고자 한다.
이 지점에서 우리는 결제를 목표로 하기보다, ‘1차 지원서 작성을 유도하는 것’을 One Goal로 삼아야 한다.
다시 말해,
유저가 콘텐츠를 보고,
자기 상황과 진로를 비교하며,
어느 순간 “한 번 지원서를 작성해볼까?” 하고 생각하게 만드는 그 지점.
이 순간이 바로 우리 제품에서의 Aha Moment다.
내일배움캠프는 1회 결제 고관여 상품이다. 리텐션이 의미 없다.
따라서 Aha Moment는 ‘지원을 결심하게 되는 계기’여야 한다.
이에 ‘1차 지원서 작성 완료’를 기준으로 삼고,
이 목표를 중심으로, 유저 행동을 분석하고, 가장 많은 전환율 차이를 만들어내는 행동을 정의한다.
나아가, 이 행동을 수치화하여 전환 가능성 높은 유저를 도출, 이후 액션에 반영하고자 한다.
Aha moment가 도출되고 나면, 제품의 개선 방향은
이 Aha 행동을 더 많은 유저가 경험하게 만드는 구조를 설계하는 것으로 수렴된다.
이제 다음 글에서는 실제로 Aha moment를 도출해 보고,
적용할 수 있는 액션에 대해서도 정리해 보고자 한다.
끝!
contact
tkdaud4680@gmail.com
포트폴리오