no image
제품 시장 적합성(Product Market Fit, PMF)
고등학생 시절, ‘허니팁스’라는 온라인 거래 플랫폼을 제작하여 창업 동아리를 운영해보기도 하고, ‘머리 눌림 방지 헤드폰’ 아이디어를 공모하여 발명 대회에 출품하기도 하였다. 이러한 아이디어는 언제나 일상 생활 속에서 나에게 필요했던 것 으로 부터 시작되었다. 사람들은 제품을 출시하기 전에 ‘시장 조사’ 확실하게 수행하는 것이 중요하다고 한다. 해당 제품이 나에게만 필요한게 아닌 실제로 사람들이 필요로 하는 것인가, 필요로 하는 사람의 수는 얼마나 되는가 등을 조사해서 적절한 수익이 발생한다는 판단이 있어야 제품 생산 및 운영이 지속가능하기 때문이다. 여기에서의 ‘시장 조사’가 바로 **제품-시장 적합성(PMF)**이다. 제품-시장 적합성은 주로 린 스타트업에서 사용되는 개념으로, 제품 출시 이전 미리 ..
2023.01.28
no image
그로스해킹
(본 게시글은 양승화 저자의 ‘그로스해킹’ 도서를 참고하여 제작하였습니다.) 학부생 때 데이터 분석 프로젝트를 하면 대부분 공공 데이터를 활용하거나, GCP에서 제공하는 공개 데이터를 사용했다. 인턴을 하지 않으면 기업 데이터를 다뤄볼 기회가 없었고, SQL 테스트로 사내 데이터를 엿볼 기회가 생겨도 어떻게 활용할 지 감이 안왔다. 또한, 나는 데이터 분석가와 사이언티스트에 대한 구별이 확실하지 않았던터라 데이터를 정제하고 그래프로 현황을 파악한 다음 머신러닝을 통한 예측을 하는 것이 데이터를 활용하는 최적의 방안이라 생각했다. 하지만 대기업, 스타트업 등 많은 기업을 지원해보고 각 회사별로 데이터 분석가에게 요구하는 역량에 대해 자세히 분석하다 보니 데이터 분석가와 데이터 사이언티스트의 차이점을 이해하..
2023.01.10

고등학생 시절, ‘허니팁스’라는 온라인 거래 플랫폼을 제작하여 창업 동아리를 운영해보기도 하고, ‘머리 눌림 방지 헤드폰’ 아이디어를 공모하여 발명 대회에 출품하기도 하였다. 이러한 아이디어는 언제나 일상 생활 속에서 나에게 필요했던 것 으로 부터 시작되었다.

 

사람들은 제품을 출시하기 전에 ‘시장 조사’ 확실하게 수행하는 것이 중요하다고 한다. 해당 제품이 나에게만 필요한게 아닌 실제로 사람들이 필요로 하는 것인가, 필요로 하는 사람의 수는 얼마나 되는가 등을 조사해서 적절한 수익이 발생한다는 판단이 있어야 제품 생산 및 운영이 지속가능하기 때문이다.

 

여기에서의 ‘시장 조사’가 바로 **제품-시장 적합성(PMF)**이다.

 

제품-시장 적합성은 주로 린 스타트업에서 사용되는 개념으로, 제품 출시 이전 미리 조사해둔다면 아래와 같은 상황을 방지할 수 있게 해준다.

💡 제작자는 아주 좋은 아이디어가 떠올라 열심히 기획을 하고 제품을 생산하고 발전시켜나갔다. 하지만 실제 시장에서는 판매실적이 좋지 않았다.

제작자의 기준에서는 완벽한 아이디어였기에 제품이 잘 팔리지 않는 것에 대한 원인을 분석하지 못해 난처해하였다.

사실 알고보니 제작자의 제품이 필요한 상황이 실제 생활에서 빈번하게 일어나지 않는 일이었다는데 문제가 있었던 것이다.

본인에게 필요한 아이템이라 생각하여 제품을 생산하였으나 사실은 본인에게만 필요한 문제였을 수도 있고, 너무 소수만을 위한 문제였을 수도 있다. 또 일회적인 문제일수도 있기 때문에 제품-시장 적합성에 대한 고려는 상시로 이루어져야 한다.

 

제품-시장 적합성을 판단하는 대표적인 지표로 리텐션(Retention), 전환율(Conversion Rate), 순수 추천 지수(NPS, Net Promoter Score) 3가지를 든다. 리텐션은 해당 제품을 이용하는 고객이 얼마나 꾸준히 남아있는가를 측정하고, 전환율은 제품 사용자의 단계별 전환 비율을 나타낸다(ex. 앱 다운 → 회원가입 → 서비스 구매). 순수 추천 지수는 해당 제품을 얼마나 추천하는지 측정하는 지표이다.


리텐션(Retention)

리텐션은 한글로 유지율, 잔존율이라고 하며, 말 그대로 제품에 대한 고객 유지율을 의미한다.

시장에서 필요로 하는 제품에 대한 리텐션은 초기에 감소하다가 일정 수준이 되면 유지되는 형태로 나타나는 것이 일반적이다.

지속적으로 감소하는 것은 마케팅 효과 등으로 흥미를 지닌 고객들이 초기에 많이 유입되었다가 실제로 제품이 필요하지 않아 이탈하는 비율이 높다고 해석할 수 있다.

하지만 제품의 특성에 따라 일회용인 제품일 경우 리텐션은 꾸준히 감소하여도 이득이 되기도 하는 등 제품의 특성에 따라 다르기도 해 절대적인 기준이 존재하는 것은 아니다.

이는 제품-시장 적합성을 판단하는 기준이 되기도 하고, AARRR에서 등장하기도 하는 개념이기에, 이후 AARRR을 설명할 때 자세하게 설명하기로 한다.

 

전환율(Conversion Rate)

제품에 흥미를 보이기 부터 구매할 때 까지의 과정에 대한 사용자 비율을 나타내면 위와 같은 역 피라미드 형태로 나타나는데, 이를 구매 전환 퍼널이라고 한다.

 

이 역시도 리텐션과 마찬가지로 제품의 특성에 따라 다른 형태를 띄기도 하고, 제품 자체의 성능 보다 UI, UX 등의 영향을 받기도 하지만 일반적으로는 위와 같은 형태를 지닌다.

 

설명한 바와 같이 전환율의 결정 요인들은 많기 때문에, 절대적인 기준을 가지고 목표로 두기보다, 전환율을 지속적으로 관찰하면서 변화를 파악하는 것이 중요하다.

 

순수 추천 지수 (Net Promoter Score, NPS)

웹이나 앱에서 제품을 사용하다보면, 서비스에 만족하고 계신가요? 후기를 남겨주세요! 와 같은 멘트와 함께 별점 팝업이 뜨는 것을 자주 목격할 수 있다.

 

NPS는 위와 같은 간단한 방법을 통해 측정할 수 있는데, 0~10점 까지의 리커트 척도(Likert Scale)로 답변을 받아 9~10점을 준 고객을 적극적 추천 그룹으로 분류하고, 나머지를 비추천 그룹으로 분류해

$$ (적극적 추천 그룹 - 비추천 그룹) \over 전체 응답자 $$

위 공식을 활용해 점수를 측정한다.

 

NPS의 범위는 위 공식에 의해 [-1, 1]을 가지며, 일반적으로 양수가 나오면 양호하다고 판단한다. 적극적 추천 그룹은 서비스에 매우 만족하여 별도의 보상 없이도 제품을 홍보하는 등, 바이럴 마케팅(Viral Marketing)에 활용할 수 있고, 지속적인 앱 사용이 예상되어 이들을 확보하는 것이 중요하다.


여기까지 대표적인 제품-시장 적합성 평가 지표에 대해 알아보았다.

위 지표들이 절대적인 기준인 것은 아니나, 제품을 출시하는 과정에서는 고려해서 손해 볼 것 없기도 하고 실제로 많은 기업에서 이를 마케팅에 활용하고 있다.

그렇다고 해서 지나치게 해당 지표에 집착하여 필요한 다른 지표들을 무시하는 일은 없도록 주의해야할 것이다.

'데이터 분석 > 그로스 해킹' 카테고리의 다른 글

그로스해킹  (0) 2023.01.10

(본 게시글은 양승화 저자의 ‘그로스해킹’ 도서를 참고하여 제작하였습니다.)

학부생 때 데이터 분석 프로젝트를 하면 대부분 공공 데이터를 활용하거나, GCP에서 제공하는 공개 데이터를 사용했다. 인턴을 하지 않으면 기업 데이터를 다뤄볼 기회가 없었고, SQL 테스트로 사내 데이터를 엿볼 기회가 생겨도 어떻게 활용할 지 감이 안왔다.

 

또한, 나는 데이터 분석가와 사이언티스트에 대한 구별이 확실하지 않았던터라 데이터를 정제하고 그래프로 현황을 파악한 다음 머신러닝을 통한 예측을 하는 것이 데이터를 활용하는 최적의 방안이라 생각했다.

 

하지만 대기업, 스타트업 등 많은 기업을 지원해보고 각 회사별로 데이터 분석가에게 요구하는 역량에 대해 자세히 분석하다 보니 데이터 분석가와 데이터 사이언티스트의 차이점을 이해하게 되었고 데이터 분석가가 사이언티스트와 구분될 수 있는 기술인 ‘그로스 해킹’에 대해 알게 되었다.

 

아래 내용은 그로스 해킹에 대해 공부한 내용을 기록한 것이다.


그로스 해킹

그로스해킹이란?

그로스 해킹을 간단하게 말하면 말 그대로 기업의 성장을 관리하는 기법이라고 이해할 수 있다.

과거와 달리 소비자들 개인의 기준이 뚜렷해지고, 요구사항이 많아짐에 따라 일회적인 성공으로 경영을 지속하기는 힘들어졌다. 제품을 출시하고, 불편사항을 개선하고, 새로운 기능을 추가하고.. 이런 일련의 과정을 유지해나가면서 목표한 수익을 거두는 것이 성공에 가까워졌다. 그로스해킹은 이런 과정들을 데이터를 통해 살펴보고 성장 방향을 제시하는데 목적을 두고 있다.

💡 그로스해킹이 마케팅의 일부분이라거나, 그로스해커 집단에 의해 진행되는 업무라는 시각이 존재하기도 하는데, 그로스해킹은 그로스해커라는 한 사람에 의해 실현되는게 아니라 PM, 마케터, 데이터분석가 등 다양한 사람들과 부서 간의 협업을 통해 이루어진다.

기업에 따라 차이가 있지만, 그로스해킹 업무를 수행하는 부서 내부에서 PM, 엔지니어, 마케터, 디자이너, 데이터분석가로 구성되어 업무를 진행한다. 데이터 분석가가 현황에 대한 지표를 시각화해서 넘겨주면 각 부서는 KPI와 OMTM 등을 고려해 앞으로 취해야할 액션을 도출한다. 마케팅 부서에서는 결과를 바탕으로 마케팅 전략을 수립할 것이고, 엔지니어 부서에서는 데이터 적재 방식을 변경한다거나, 버그 수정에 힘을 쓸 것이다. 이렇게 모두의 노력이 뒷받침이 되어야 그로스해킹이라는 업무가 수행될 수 있는 것이다.

 

그로스 해킹 어떻게 하는건데..

그로스 해킹에서 가장 중점적으로 보는 것은 사용자 행동 패턴에 대한 지표들이다. 제품 또는 서비스에 대해 소비자들이 얼마나 지속적으로 이용하는가, 다음 서비스로 넘어가는 비율은 어떻게 되는가 등 다양한 지표를 살피고, 이를 단계적인 프레임워크를 통해 관리하며 KPI, OMTM 등의 목표를 설정하여 나아간다.

 

지표?

데이터를 통해 살펴 볼 수 있는 모든 것이 지표가 될 수 있다. 게임 광고에서 자주 등장하는 누적 설치량, 온라인 쇼핑몰에서 보이는 누적 가입자 수 등.. 지표 자체는 아주 다양하고, 각 지표가 보여줄 수 있는 인사이트 또한 가지각색이지만 단순 지표가 보여주는 함정에 빠져 잘못된 선택을 하는 경우들이 많다. 그래서 그로스해킹에서는 AARRR이라 불리는 프레임워크를 구성하고 각 단계를 설명하는 지표들을 선정하여 이들을 관리한다. (다른 방법을 통해 관리하기도 하지만, 현재까지 공부한 내용으론 AARRR이 가장 활성화 되어있다고 한다.)

 

이 모든 것을 설명하기에는 스크롤의 압박이 너무 심해지므로, 관련된 용어를 잠깐 설명하고 다음 내용은 다음 장으로 넘어가도록 한다.

 

<그로스해킹 관련 용어>

PMF(Product-Market Fit) 용어 그대로 제품의 시장 적합성을 의미한다. 실제 제품이 시중에서 원하고 있는 제품인지 판단하여, 기업 입장에서 성장관리를 할 가치가 있는지 판단하는 기준이 된다.
리텐션(Retention) 한글로는 유지율. 해당 서비스를 이용하는 고객이 유지되는 비율을 의미한다.
전환율(Conversion) 앱 접속 → 회원가입 → 상품 구매 등 다음 단계로 이어지는 과정에서 유지되는 고객의 비율을 의미한다.
NPS(Net Promoter Score) 순수 추천 지수, 해당 서비스를 이용하는 고객이 이를 타인에게 소개해주고 싶어하는 정도를 점수화 시킨 것이다.

 

AARRR  사용자의 서비스 이용 흐름에 따라 고객유치(Acquisition), 활성화(Activation), 리텐션(Retention), 수익화(Revenue), 추천(Referral)의 카테고리로 구성된 지표 관리 프레임워크.
오가닉 (Organic) 유료 마케팅을 통해 유입된 고객이 아닌, 타인의 추천이나 자사 SNS를 통해 유입된 고객
CAC(Customer Acquisition Cost) 고객 유치 비용, 한명의 사용자를 데려오기 위해 드는 평균 비용. 전체 마케팅 비용을 가입자수로 나누는 방법이 가장 대표적이며 마케팅 도구별로 구분하여 계산하기도 한다.
어트리뷰션 (Attribution) 모바일 사용자가 해당 앱을 설치하는데 까지 기여한 채널을 식별하는데 활용하는 도구.
퍼널(Funnel) 사용자가 서비스에 진입한 후 핵심기능을 사용할 때 까지의 과정을 도표로 나타낸 것.
코호트(Cohort) 공통적인 특성에 따라 세부 그룹으로 나뉜 사용자 집단.
DAU(Daily Active User) 일 평균 서비스 이용자 수.
MAU(Monthly Active User) 월 평균 서비스 이용자 수.
ARPU(Average Revenue Per User) 인당 평균 매출, 사용자 한명이 발생시키는 매출의 평균. 전체 고객을 대상으로 사용자 당 평균 매출로, ARPDAU, ARPMAU 등으로 고쳐 판단하기도 한다.
ARPPU(Average Revenue Per Paying User) 해당 서비스 내에서 유료 결제를 진행한 사용자들을 한정으로 한 사용자당 평균 매출.
LTV(LifeTime Value) 고객 생애 가치, 사용자 한명이 서비스를 이용하기 시작한 시점부터 이탈할 때 까지 누적해서 발생시킨 수익.
LTR(LifeTime Revenue) 사용자 한명이 서비스를 이용하기 시작한 시점부터 이탈할 때 까지 누적해서 발생시킨 매출. LTV와 유사한 개념이나, 수익이 아닌 매출을 의미.
바이럴 계수(Viral Coefficient) 추천 엔진이 얼마나 효율적으로 작동하는지 평가하는 지표.