본 내용은 인프런 '그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법' 을 수강하며 정리한 내용입니다.

그로스 해킹

• 그로스 해킹은 꾸준히 성장하는 서비스를 만들기 위해 답을 찾아가는 과정이다.

• 즉, 그로스 해킹을 하는 이유는 데이터에서 찾아낸 인사이트를 바탕으로 제품이나 서비스를 지속적으로 개선해 나가기 위함이다.

• 서비스를 성장시키기 위해서는 특정 분야의 스킬셋이 아니라, 서비스를 만들고 운영하는 전체 프로세스에 대한 폭넓은 이해가 필요하다.

• 제품 개발 - 지표 측정 - 학습 및 개선 사이클을 빠르게 반복함으로써 학습 비용을 줄이고 성공 가느성을 높이는 제품 개발 프로세스인 린 스타트업(Lean Startup)의 철학은 그로스 해킹이 가진 철학과 일맥상통한다.

• 기능이 많은 제품이 성공하는 게 아니라, 최소한의 기능으로 사용자에게 가치를 전달할 수 있는 제품이 성공한다.

• 그로스 해킹은 시장이 필요로 하는 제품을 만드는 것에서부터 시작된다.

📌 그로스 해킹의 핵심 키워드

1) 크로스펑셔널 팀
2) 핵심 지표
3) 실험
4) 반복
5) 성장

1. 그로스 실험의 전제조건 : 제품-시장 적합성 (Product-Market Fit, PMF)

제품-시장적합성(PMF)을 확인한다는 것은, 우리가 만든 제품이나 서비스가 실험을 할 만한 가치가 있는가? 라는 질문에 답하는 과정이다.

• 우리가 생각하는 그 문제가 진짜 있긴 한가?
  • 문제라고 생각했던 것들이 진짜 문제가 맞는지
  • 문제의 해결책을 내놓으면 그것에 대해 대가를 지불할 만큼의 수요가 있는지

• 우리가 만든 제품, 서비스가 그 문제를 해결한 게 맞나?
  • 제품의 핵심 기능이 명확하고
  • 그 기능이 앞서 언급한 문제를 해결하는 데 집중되어 있는지

• 이 제품을 만들면서 세운 가설이 무엇인가? 그 가설이 검증됐는가?
  • 제품은 기능의 조합이 아니라 가설의 조합이 되어야 한다.
  • 제품 출시 후에는, 이 제품을 통해 검증하려고 했던 가설이 무엇이었는지, 그리고 검증 결과가 어땠는지에 대한 답을 할 수 있어야 한다.

2. 제품-시장 적합성(PMF) 확인 지표

1) 리텐션 (Retention)
2) 전환율 (Conversion)
3) 순수 추천 지수 (Net Promoter Score, NPS)

1) 리텐션 (Retention)

사용자들이 특정 서비스에 얼마나 꾸준히 남아서 활동하는지를 보여주는 지표

(출처: 인프런 '그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법')

• PMF를 만족하는 서비스의 경우, 초기 일정 기간이 지나면 그래프의 기울기가 완만해지면서 리텐션이 안정적으로 유지되는 패턴을 보인다.

• 그렇지 못한 서비스는, 리텐션 그래프의 기울기가 꾸준히 우하향하는 패턴을 보인다.

• 리텐션 그래프의 기울기만큼이나 안정화되는 시점에서의 절대적인 리텐션 수치도 중요하다.

• 상위 랭킹 서비스일수록 리텐션이 완만해지는 지점이 높다.

• 리텐션에 영향을 미치는 핵심 기간은 서비스를 이용하기 시작한 직후부터 수일 이내이므로, 서비스에 대한 온보딩 과정이 매우 중요하다.

• 리텐션은 서비스가 속한 카테고리 의 영향을 크게 받는다.
  e.g. 매일 새로운 콘텐츠를 확인하러 들어오는 뉴스 서비스 vs 1년에 한두 번 떠나는 해외여행 서비스

• 리텐션 수치를 확인할 때는 단순 비교 대신 해당 서비스가 속한 카테고리를 감안해서 지표의 건전성을 판단하는 것이 필요하다

• 랭킹이 높은 서비스는 리텐션의 안정화 시기가 빨리 찾아오고, 그렇지 않은 서비스는 늦게 찾아오는 차이가 있다.

• 따라서 우리 서비스의 초기 리텐션이 어느 시점에서 안정화 되는지를 보면, 우리 서비스의 수준을 알 수 있다.

2) 전환율 (Conversion)

유저가 핵심가치까지 이어지는 경험의 각 단계를 얼마나 잘 넘어가는지에 관한 것으로, 한 단계에서 다음 단계로 넘어가는 사용자의 비율

• 진입에서 최종 단계까지를 그려보고 전환율을 살펴보는 것이 PMF를 가늠하는 데에 도움이 된다.

• 전환율을 구하려면 우선 목표로 하는 이벤트를 정의하고, 이를 위해 거쳐야 하는 경로를 먼저 구체화해야 한다.

• 전환율 = 각 경로에 진입한 사람과 다음 단계로 넘어간 사람의 비율

• 어떤 상품을 다루는 서비스인지에 따라 목표로 하는 전환율은 달라질 수 있다. (구매 의도가 분명한 선물이나 건강 관련 상품의 전환율이, 단가가 높고 경쟁이 치열한 전자기기 상품보다 높은 전환율을 보일 수 밖에 없다.)

• 전환율은 카테고리 외에도 다양한 변수의 영향을 받기 때문에 절대적인 기준이 있다고 보기는 어렵다.

• 전환율 수치 자체보다 시간의 흐름에 따른 전환율의 변화 추이를 살펴보는 것이 더 유용하다.

3-1) 순수 추천 지수 (Net Promoter Score, NPS)

• 우리 서비스를 주변에 얼마나 추천하고 싶은지? 묻는 것
• 0~10점까지 11점 척도로 답을 받음

• 0~6점 : Detractors
• 7~8점 : Passives
• 9~10점 : Promoters

$NPS = Promoter 비율 - Detractor 비율 \;(\%)$

• Passives는 계산에 반영되지 않음

3-2) Good NPS의 기준은?

• 일반적으로 NPS가 양수라면 전반적으로 양호한 점수라고 판단한다.
  9~10점을 평가한 사람들이 0~6점을 평가한 사람들보다 많다는 뜻이므로
• 실제 서비스에서 NPS 조사 시 양수 나오기가 쉽지 않음
• 단 한 가지 질문만으로도 우리 서비스에 대해서 사용자들이 얼마나 만족하고, 얼마나 적극적으로 추천할 의사가 있는지 손쉽게 파악할 수 있다.
• 결국 순수 추천 지수는 ‘팬'에 대한 지표로, 성공을 예측하는 지표로도 많이 쓰인다.

3. 제품-시장 적합성(PMF)를 개선하려면?

하면 안되는 것

1) Brainstorming
2) 새로운 기능을 추가하는 것
3) 리텐션, 전환율을 개선하기 위한 실험

• 1) 2) : '사용자에게 지금 이런 기능이 필요할거야', '사용자는 이런 생각을 할거야' 와 같이 사용자가 이럴 것이다 라고 가정을 하고 그 가정에 따라서 새로운 기능을 덧붙이는 것은 PMF을 맞추는 것과 전혀 무관하다.
• 3) : 리텐션, 전환율은 PMF이 잘 맞았을 때, 혹은 잘 맞지 않았을 때 결과로 나오는 지표다. 결국 지표의 개선을 위한 개선이 되어버리는 셈. (거꾸로 접근 NO)

해야 하는 것

1) 사용자를 직접 만나서 이야기 듣기 (사용자 인터뷰)
2) 사용자 행동 데이터 분석

• 1) 우리 서비스를 어떻게 알게 되었는지, 우리 서비스를 어떻게 사용하고 있는지, 어떤 부분에 만족을 하고 있는지, 우리 서비스가 사용자가 가지고 있는 어떤 문제를 해결해 주는지, 그 문제를 잘 해결해 주는지, 아니면 해결하기는 하지만 부족한 것이 있는지 등 ..

• 2) 인터뷰가 정성적인 데이터를 수집해서 제품의 PMF를 찾아가는 과정이라면, 같은 일을 하기 위해 정량적인 데이터를 활용할 수 있음 ➡️ 사용자 행동 로그

• 사용자 행동 로그를 잘 기록하고 있다면 사용자들이 어떤 시나리오에서 어떻게 행동하는지를 이해하는 데 큰 도움이 됨

• 제품 사용의 맥락을 이해하기 위해 사용자 행동 데이터를 수집하는 것은 선택이 아니라 필수