MGS 2024 후기: 더 집요한 PM이 되자.
이 글의 BGM으로는 RIIZE의 <9 Days>를 권합니다.
내 일주일은 매번
이틀쯤은 더 길게 가는 듯해
I try 어제보다 오늘
빠르게 달려가 계속 Day by day
- 9 Days 가사 中
들어가며
지난 7월 31일 수요일,
AB180의 고객사 초대로 MGS 2024 현장에 다녀왔다. 그로스에 대한 열망이 가득한 사람들이 이렇게나 많았구나 하며 놀람과 동시에 프로덕트 매니저로서 많은 동기부여를 얻었던 하루였다.
그날 얻은 배움과 열기가 너무 좋아서, 회사에서 대표로 보내준 터라 나만 알기 미안한 마음이 들었다. 동료들에게도 알려주고 싶어 현장에서 열심히 메모했고, 주말에 정리해 바로 그다음 주인 월요일 주간회의 때 내가 배운 레슨런을 공유했다.
발표가 끝나고 한 동료가 너무 잘 정리해 줘서 고맙다며, 나에게 블로그를 해보는 게 어떻겠냐는 제안을 주었다. (현재 회사의 동료들은 내가 브런치를 운영하고 있다는 사실을 모른다.) 내가 한 발표들은 아니지만, 이 글이 현장에 방문하지 못한 누군가에게 도움이 되었으면 좋겠다 :')
목차
Session 1. Automating App Store Optimization with Generative AI
Session 2. Amplitude Hands on Session
Session 3. 결국 이기는 스타트업의 전략, 그로스 플라이휠
Session 4. Go Global, Passport to Hypergrowth
Session 5. 버거킹도 앰플리튜드를 쓴다고?
Session 6. 프로덕트 애널리틱스를 활용한 비즈니스 성장 가속화 전략
Session 1.
Automating App Store Optimization with Generative AI
소개: PressPlay라는 AI 서비스를 활용하여,
구글플레이스토어에 노출되는 앱아이콘 A/B 테스트 과정과 결과를 공유한 세션.
좌: 인간의 작업물 / 우: AI의 작업물기존 ASO 서포트 툴과는 달리
PM이 AI에게 가설을 알려주면 그에 맞는 디자인 작업물을 만들어준다. 해당 실험이 성공할 경우, 그것을 또 학습하여 그다음 실험도 제안한다고 한다. 이런 과정이 반복되면 후속 실험 디자인 리소스를 절감할 수 있고, 궁극적으로는 PM의 리소스도 아껴줄 수 있다.
좌측은 디자이너가 디자인한 앱 아이콘.
이 디자인과 함께 “유저가 다운로드를 하는데 비행기가 중요할 것이다”라는 가설을 학습시켰다고 한다. 그 결과 AI가 오른쪽과 같이 작업해 주었고, 실험 결과 B안이 A안 보다 +11.5% 더 긍정적이었으며, 최종적으로 앱을 다운로드하는데 +16.5%의 전환율 개선이 있었다고 한다.
WIL
앞으로도 앱 시장은 커질 것이며 AI를 단순히 작업의 ‘서포트’ 개념이 아닌, ‘의사결정’에 적극 활용할 것을 권장하는 내용이 주요 핵심이었다. 가설을 학습시켜 디자인 산출물까지 뽑아낸다는 점이 신선한 충격이었던 세션.
Session 2.
Amplitude Hands on Session
소개: AB180과 함께 앰플리튜드를 직접 사용해 보는 실습 위주의 세션
(신규 유저 + 복귀 유저)/(이탈유저) > 1
[데이터 분석 사고의 흐름]
STEP 1. 현재 리텐션과 인게이지먼트 측정하기
STEP 2. 주요 지표를 기준으로 제품 개선 가능 지점에 대한 딥다이브 분석 진행
STEP 3. 진단 결과 기반의 목표 설정
STEP 4. 목표 달성을 위한 가설과 전략 디벨롭
STEP 5. 지속적인 목표 달성 결과를 모니터링하고 팀에 공유할 것
결국 그로스는 얻는 고객과 잃는 고객에 대해 깊이 이해해야 한다.
제품에서 가장 중요한 핵심 이벤트(아하 모먼트)를 설정하고 이를 데일리, 위클리, 먼슬리 기준으로 살펴봐야 한다. 몇 번 발생했는가? 발생시키는 유저의 비율이 어떻게 되는가? 이벤트를 수행하기까지의 유저 저니가 어떻게 되는가? 등을 깊게 고민해 볼 것.
WIL
'핵심 이벤트의 프리퀀시를 코호트로 분석해서, 이탈한 유저의 저니를 살펴보고 이를 개선하는 노력을 할 것'이 해당 세션의 핵심이었는데 그 이유는 신규 유저를 들이붓는 것보다, 이탈 유저를 붙잡아 나가는 것이 그로스 관점에서 더 임팩트가 있기 때문이다. 어떻게 하면 이탈한 유저들이 핵심 이벤트를 일으킬 수 있을지를 고민해 보게 된 세션.
Session 3.
결국 이기는 스타트업의 전략, 그로스 플라이휠
소개: APR의 성공 사례를 기반으로 그로스 플라이휠 모델에 AI를 적극 활용할 것을 권장하는 세션.
성공한 Growth Flywheel은 ‘연결’에 있다.
1. 'LTV = [신규 트래픽 + 재방문 트래픽 ] X 구매 전환율 X 평균구매금액'
위 측면에서 가장 먼저 해야 할 것은 평균 구매 금액을 높일 것 (e.g. 화장품 + 기기판매)
2. 그렇게 높인 매출을 추가고객 확보에 투자해, 신규 트래픽을 발생시킬 것 (e.g. 광고, 인플루언서 마케팅)
3. 신규 트래픽이 늘어났을 때 “앱 내 기능”을 통한 리텐션을 강화할 것 (e.g. 루틴 만들기, 변화 대시보드 등)
4. 리필용 등 꾸준한 사용을 이끌어 낼 만한 재구매 액션을 유도할 것
5. 마지막으로 다시 재방문 트래픽을 높이기 위해 락인 장치를 마련해야 함. (e.g. 멤버십)
⇒ 이 모든 전략과 과정에 있어 생성형 AI의 도움을 받았다고 한다.
AI가 사람을 대신해 특정 업무를 처리해 줄수록, 기업 입장에서는 의사결정의 질이 올라간다.
[PM & 개발자]
앞으로는 LLM이 PRD를 작성하면 로직트리 정도만 PM이 수정하고, 개발자가 그에 맞게 개발하는 식으로 IT 업계에 업무변화가 있을 것.
[고객 상담사]
클라나가 고객 상담사 700명을 대체하면서 동시에 고객 만족도 조사를 했는데, 만족도 점수 자체는 동등했다고 한다. 다만 기업 입장에서 AI 상담사가 인간을 대체하면서 문제 해결은 더 빠르고, 24시간 쉬지 않으며, 언어의 제한이 없어져 연간 534억을 절감하는 효과가 있다고 함.
[마케터]
CAC 최적화 관점에서 생성형 AI로 인건비를 줄이는 것이 답이 될 수 있다. 영상 제작을 AI가 해주어 콘텐츠를 만드는 것에 대한 비용 및 수정 리소스를 최소화하며, 성공한 컴포넌트는 학습해서 재조합한다고 한다.
WIL
객단가를 높여 얻은 비용을 투자해 신규 트래픽을 발생시키고, 이때 리텐션과 락인 장치를 마련한다는 그로스 휠 부분이 상당히 이론적인 느낌인데 실제 사례를 곁들여 보니 정말 선순환이 그려지는 게 신기했다. 전문가들은 확실히 다르다는 느낌..ㅎㅎ
앞 세션에서 AI가 디자이너 대신 앱 아이콘을 그려주는 것도 충격적이었는데, 해당 세션에서는 콘텐츠 마케터 또는 영상 감독들을 대체해 광고영상을 AI가 만들어내는 모습도 보여주셨는데 확실히 생성형 AI, 자동화 등에 대해 관심을 가져야겠다는 위기의식도 들었다. PM 대신 PRD를 작성해 주는 AI라니; 시대를 활용할 줄 아는 PM이 되어야 뒤처지지 않겠다는 마음이 가장 크게 들었던 세션.
Session 4.
Go Global, Passport to Hypergrowth
소개: 구글코리아 AppDev 헤드가 글로벌 진출에 성공한 국내기업과 성공사례를 소개하는 세션
WIL
결국 핵심은 '촘촘한 현지화(UXUI, UXW, 가격) + ASO'였고, 현재 내가 맡은 제품이 어떤 부분이 빈약하고 강화하면 좋을지를 되돌아보게 된 세션이었다. 최근에 내가 국가별로 얼마에 팔렸는지 시세 데이터를 보여주는 피처를 배포했었는데 그 때문인지 "국가별 수익성 예측" 파트에서 국가별로 가격 정책을 다르게 설정해야 한다는 부분에 관심이 커졌다. 현재는 동일한 가격에 팔고 있는데, 타깃 국가별로 다르게 설정하는 것도 좋은 방법일 수도..?
Session 5.
버거킹도 앰플리튜드를 쓴다고?
소개: 버거킹과 마케팅 대행사인 마티니가 협업하여 앰플리튜드를 도입하고 세밀한 실험을 반복한 과정을 공유한 세션.
버거킹의 경우, 내부 담당자가 아닌 마케팅 대행사의 도움을 받아 약 두 달간 싱크를 맞추며 앰플리튜드 및 브레이즈를 도입했다고 한다. 버거킹과 마티니에서 앰플리튜드를 도입하는 과정을 공개해 주었다. 이때 가장 중요한 것 두 가지로 그들은 “담당자의 관심과 멱살”, "Braze를 통한 자동화된 실험"을 꼽았다.
꼼꼼하게 QA 하며 데이터 기반으로 의사결정 할 수 있는 환경 세팅 및 유지보수에 심혈을 기울였으며 결국 앰플리튜드는 행동 패턴을 ‘발견’하는 것에 강점이 있는 도구일 뿐, 이때 빠져나간 코호트에게 ‘액션’을 취하는 것은 CRM = Braze의 역할이 매우 컸다고 한다.
� 버거킹에서 원하는 것들을 취합해 마티니가 AARRR 관점으로 모니터링 지표를 정리하고 이를 대시보드화.
1. 객단가, 거는가, 8M, ARPPU, 쿠폰 사용 특징 차이
2. 저빈도 구매유저와 고빈도 구매유저 코호트 분석
크게 위 두 가지를 중점적으로 분석했고, 그들은 시간대/요일 별 객단가와 고객 쿠폰 사용 패턴이 상이한 점을 발견했다. 그 이후 최적의 시간대 발굴을 위해, 브레이즈를 활용해 약 40건의 실험을 진행하였으며 2달 동안 42개의 코호트를 발굴해 현재의 제품 스탠스를 갖추게 되었다고 한다.
버거킹의 경우, 포장/방문, 지역별, 시간대별, 쿠폰사용유무, 등급별, 구매 횟수 등 훨씬 다양한 변수들이 존재하는데 이를 사람이 하나씩 세그먼트 별로 탭핑 하기보다는 자동화 솔루션을 도입하였기에 가능했다고 한다.
WIL
타사 사례를 보면서
현재 회사에서의 텍소노미도 내가 다 설계하고 심은 거라 공감되는 부분도 많았고 충분히 잘하고 있었구나 하며 안도하기도 했다. 추후에 신규 입사자 분들이 오시면 데이터 환경 세팅 정말 잘 되어 있다고 자신 있게 말해줄 수 있을 것 같다.
AARRR 관점에서 코호트를 분석해
유의미한 문제와 가설을 세우는 것이 중요하고, 결국 앰플리튜드는 발견을 하기 위한 도약일 뿐 '개인화 + 타겟팅 액션'이 그로스의 핵심이라는 것에 공감이 많이 되었던 세션.
Session 6.
프로덕트 애널리틱스를 활용한 비즈니스 성장 가속화 전략
소개: 당근의 ‘모임’ PM 팀장과 라이너의 ‘구독 서비스’를 만든 PM과의 Q&A 세션
Q. 비즈니스 성장을 위해 주요 깊게 보는 지표는?
[라이너] “두 번째 검색을 하는 사용자의 수”를 중요하게 본다. 한 명의 사용자를 온보딩 시키는 것도 중요하지만, 제품에 대해 프리퀀시가 높은 사용자들을 트래킹 하여, 하나씩 피처를 탭핑해나 간다.
[당근] “이탈 사용자를 줄여나가는 것”을 중요하게 봄.
Q. 데이터 기반의 문화가 자리 잡는데 어려움이 없었는가?
[당근] 개발자들이 유저와 비즈니스에 대한 관심을 갖고 있기 때문에 스무스하게 진행될 수 있었다.
[라이너] 무엇보다도 경영진의 입장이 중요하다. 주관보다는 정확한 근거나 숫자를 우선시 의사결정함.
Q. 데이터 기반의 의사결정으로 성장하는 조직을 만들기 위해 어떤 노력을 하고 있는가?
이때 라이너와 당근 둘 다 공통적으로 “온보딩 기간 내 앰플리튜드 교육을 진행”한다고 대답했다.
온보딩 기간 때 직무 불문 모두에게 앰플리튜드를 가르치며 전사 직원이 데이터에 쉽게 접근 가능하고, 업무에 활용할 수 있도록 적극 교육한다. 이 결과 CX 팀원이 응대에 어려움이 있으면 직접 유저 아이디를 추적해 사용자 행동을 파악함으로 백엔드 개발자와 PM의 리소스를 줄여줄 수 있었다. 초기에 온보딩을 잘해두면 결국 조직원들의 전체가 빨라질 수 있고, 이 시간이 확보되면서 PM은 더 중요한 기획의 본질을 고민할 수 있게 되는 선순환.
Q. 실제 프로덕트 분석에서 얻은 인사이트를 통해 기억할만한 성과를 얻은 경험?
[라이너] 고관여 유저의 행동패턴을 분석한 경험.
원래는 하루에 25개 이상의 질문을 했을 때 유료로 전환하는 트리거로 세팅. 이후 사용자들이 하나의 페이지에서 꼬리에 꼬리를 무는 질문을 하는 행동패턴을 발견하여, 한 페이지에서의 질문 개수 제한으로 정책을 변경했다고 한다. 이를 통해 유료 구독으로 전환은 많이 되고, 큰 이탈도 없었다고 한다.
또 다른 케이스로는 한 번은 이집트에서 유입과 가입이 엄청 일어나서 해당 사용자들에게 어떻게 라이너를 알게 되었는지 이메일을 보냈다고 한다. 다들 “페이스북”이라고만 답을 하여, 2주 동안 매달리고 찾다가 결국 묻어뒀는데 이후 앰플리튜드의 utm 프로퍼티를 활용하여 페이스북 50만 명짜리 그룹 글을 찾아냈다고 한다.
마치며
WIL
신기하게도 최근 나에게도 위와 같은 갑작스러운 이집트 유입이 있었다.
어쩌면 모든 글로벌 PM이 겪는 현상일 수도..ㅎㅎ 나의 경우 유입의 원인은 찾았으나 유입 후 바로 이탈했고, 이탈의 원인은 뾰족하게 찾지 못한 상태였다. 이를 두고 한 팀원이 '어떻게든 이탈 원인을 찾아내서, 이를 개선해야만 다시 대거 유입이 들어왔을 때 바로 이탈하는 재발을 방지할 수 있다'라고 나를 끝까지 설득했는데, 그때마다 나는 그의 의견을 단호히 거절했다.
왜냐하면 유입 후 이탈하는 과정에서 아무런 액션을 일으키지 않아 추적 가능한 로그 자체가 없었고, 라이너의 PM처럼 내가 받아둔 정보(이메일)가 있는 게 아니라 유저에게 직접 물어볼 수도 없었기 때문이었다. 더 이상 해당 분석건을 위해 내 리소스를 쓰는 게 임팩트가 없다고 판단해 거절했던 그날 생각이 많이 났다.
MGS에서 가장 크게 배운 점은
'그래도 내가 조금은 더 집요한 PM이었다면 어땠을까?' 하는 마인드셋이었던 것 같다.
데이터 툴을 다루는 스킬적인 측면은 이미 지금도 충분하다. 오히려 현장에서 다른 사람들의 이야기를 들으며 느꼈던 건 내가 조금 더 집요한 PM이었다면 결과가 달랐을까? 하는 생각들이랄까.. 유저의 이메일 정보를 알았더라도 직접 물어봐야겠다는 생각과 용기는 못 냈을 것 같았다. 저렇게 집요한 PM이 만드는 제품은 다르겠구나 싶어 라이너를 찾아보는 계기도 되었다 :')
요약해 보자면
- 그로스해킹의 본질은 AARRR에 집중해 이탈한, 주요한 코호트를 타깃 하여 설득 액션을 취하는 것.
- AI를 통해 비용을 절감하고, 업무의 속도와 의사결정의 질을 높이는 방안을 고민해야 함.
- 데이터로 의사결정하기 위해서는, 회사가 먼저 구성원들의 이해도를 높이는 것에 시간을 투자해야 함.
- 데이터가 설명해주지 못하는 것들을 위해, PM이 더 집요하게 사용자에게 매달려야 함!
길고 길었던
MGS 2024 후기 마침.
P.S. 라이너가 요약해 준 나의 글
