260416 TIL

휘·2026년 4월 16일

🏃TIL

목록 보기

41/47

TIL 목차

개인 아티클 카타
토스 PO 세션 : carrying capacity
특강 : 페인포인트 발견과 페르소나
ADsP 제 2과목 공부
서비스 기획 숙련 과제 최종 검토

개인 아티클 카타

https://velog.io/@minimalhwi_st/insight-같은-100명-2배의-전환-AI가-데려온-고객이-다른-이유

과거에는 사용자가 키워드를 입력하고 수많은 리스트 중 하나를 골라 들어왔지만, 이제는 AI가 최적의 답을 하나 또는 소수로 제안한다. 이는 '트래픽의 양'보다 '유입의 질'이 압도적으로 중요해졌음을 의미함

2026년 마케팅의 성패는 단순히 많은 사람을 데려오는 것이 아니라, AI라는 '디지털 도슨트'가 우리 브랜드를 신뢰하고 추천하게 만드는 구조를 얼마나 빨리 구축하느냐에 달려 있다. 단순 광고비 투행보다 GEO 전략 수립이 더 높은 ROI를 가져다줄 것 !

GEO : Generative Engine Optimization
이제 우리 브랜드가 구글이나 네이버 상단에 노출되는 것을 넘어, "AI가 사용자에게 우리 제품을 추천하는가?"가 생존의 핵심. 이를 위해 AI가 인용하기 좋은 구조화된 데이터(JSON-LD 등)와 신뢰성 있는 전문 콘텐츠를 생산해야함

토스 PO 세션 : carrying capacity에 대해

단순히 지표에 대한 관리나 제안을 넘어 제품 성장의 본질에 대한 패러다임을 바꾼 세션.
CC는 제품의 순수 체력만으로 도달 가능한 최대 MAU를 의미하는데, 이건 호수의 물 높이가 어디까지 올라갈 수 있는지를 확인하는 것과 같다. 땅의 넓이(광고비)가 아니라 내리는 비의 양(유입)과 빠져나가는 물의 비율(이탈)로만 결정된다는 것. 따라서 MAU는 직접 조작하는 수치가 아니라, 두 변수의 상호작용으로 만들어진 결과값이라는 걸 이해하는 게 중요하다.

구분	기존의 인식 (Before)	새로운 인식 (After)
MAU의 본질	열심히 마케팅해서 키워야 할 목표 지표	유입과 이탈이 만든 결과적 수치
성장 동력	광고비 투입 및 신규 유입(Acquisition)	이탈 방지(Retention) 및 제품 본질 개선
마케팅/광고	서비스를 성장시키는 근본적인 힘	CC에 도달하는 속도를 조절하는 부스터
지표 하락	트래픽 하락 시 서비스 위기라 판단	CC 로직만 견고하면 결국 회복될 현상

인상 깊었던 점은 지표에 대한 구조적인 접근인데, 수학적 공식으로 지표를 정의하고 명확하게 설명해내며 '가짜 지표'들을 걷어내는 방식이었다.

명확하게 정의된 공식을 통해 '모든 마케팅 수단을 껐을 때 남는 순수 유입과 이탈률'을 파악하는 것이 가장 중요함을 알 수 있다.

또한 모든 제품은 현재 구조 상 도달할 수 있는 '천장'이 있음을 인정하고, 천장 자체를 높이는 전략을 고민하라는 사고방식도 인상적.

행동양식 인사이트

분모 개선은 가장 파괴적인 그로스
여기서는 이탈률을 감소시키는 것이겠지. 화려한 이벤트로 유입을 끌어올 생각말고 '유저가 왜 떠나는지'를 데이터로 파헤치고 바닥의 구멍을 메우자.
전략적 선견지명
토스가 송금 cc의 한계를 미리 예측하고 다음 수를 준비했던 것처럼, 지표가 꺾이기 전에 미리 대비할 줄 알아야한다. 현재 지표가 좋아도 cc계산 결과가 천장에 가깝다면, 새로운 cc를 위한 확장 전략이 필요함.

PM은 호수의 물을 억지로 퍼올리는 사람이 아니라 호수로 흐르는 물줄기를 넓히고 바닥의 구멍을 메우는 사람이다. 성장의 한계를 데이터로 예측하고, 한계를 돌파하기 위한 다음 도판을 짜는 실력을 기를 것.

📝 [특강] 페인포인트 발견과 페르소나

1. 페인포인트 (Pain Point)의 이해

정의: 고객이 서비스 이용 과정에서 겪는 불편함, 좌절, 문제 등의 구체적인 지점입니다.
유형 (업무상 4가지 분류):
1. 과정상 페인포인트: 서비스 이용 절차에서의 불편함.
2. 재무적 페인포인트: 비용이나 가격에 대한 부담.
3. 지원 페인포인트: VOC나 고객 지원 시스템과 관련된 문제.
필요성: PMF(Product-Market Fit)를 찾고, 수많은 개선안 중 우선순위를 결정하는 핵심 기준이 됩니다.

2. 페인포인트 vs 니즈 (Needs)

차이점: 니즈는 '원하는 것'으로 충족 시 만족감을 주지만, 페인포인트는 해결되지 않으면 즉각적인 이탈을 유발합니다.
해결 순서: 고객은 페인포인트가 해결되지 않으면 떠나기 때문에 페인포인트를 우선적으로 개선해야 합니다.
니즈 도출: 고객은 본인의 니즈를 모르는 경우가 많으므로, PM은 페인포인트를 분석하여 숨겨진 니즈를 추론해야 합니다.
- 예시: "가격 비교 기능이 없어 불편하다"는 페인포인트 → 본질적 니즈는 "최저가 구매" → 솔루션으로 "최저가 보상제" 도입 가능.

3. 페인포인트 발견 프레임워크

PM은 시장(매크로)과 고객(마이크로) 관점을 동시에 봐야 합니다.

① 매크로 어프로치 (시장/산업 관점)

PEST 분석: 정치, 경제, 사회, 기술적 환경 변화 파악 (예: AI 정부 지원금 트렌드).
3C 분석: 자사(Company), 경쟁사(Competitor), 고객(Customer) 동향 파악.
SWOT 분석: 강점, 약점, 기회, 위협 분석.
정량적 데이터: 재무제표, 사업 보고서, 기존 KPI 추이 분석.

② 마이크로 어프로치 (고객 직접 소통)

유저 리서치: 설문조사, 1:1 인터뷰, FGI.
데이터 분석: UT(사용성 테스트), VOC 분석, 유저 행동 데이터 분석.

4. 페르소나 (Persona) 설정

목적: "누구의 문제를 풀 것인가"를 정의하여 리소스 낭비를 막고 타겟팅을 명확히 함.
STP 프레임워크:
- S (Segmentation): 행동, 연령, 지역, 심리적 요인 등으로 유저를 세분화함.
- T (Targeting): 세분화된 그룹 중 누구를 먼저 공략할지 결정함.
- P (Positioning): 경쟁사 대비 우리 서비스가 가질 위치 설정.
주의사항:
1. 상상이 아닌 데이터 기반으로 작성할 것.
2. 초기 프로젝트는 1~2개의 핵심 페르소나에만 집중할 것.
3. 이상적인 고객이 아닌 실제 유저 데이터를 반영할 것.

5. JTBD (Jobs To Be Done) 프레임워크

핵심 개념: 고객은 제품 자체를 사는 것이 아니라, 자신의 문제를 해결(과업 수행)하기 위해 제품을 고용하는 것입니다.
- 예시: 고객은 0.5인치 드릴이 아니라 '0.5인치 구멍'을 원함.
Gain Point: 페인포인트(불편함)의 반대 개념으로, 고객이 얻게 될 이상적인 혜택입니다.

6. PM이 경계해야 할 함정

내부 의견 맹신: 나 자신의 의견이나 상사(C-level)의 요구를 고객의 목소리로 착각하는 것.
일반화의 오류: 목소리 큰 소수(1명)의 VOC를 전체 유저의 문제로 판단하는 것.
솔루션 매몰: 하고 싶은 특정 기능(솔루션)에 맞춰 문제 정의나 데이터를 끼워 맞추는 행위.

7. [사례] 오프라인 심리상담 예약 플랫폼

매크로 분석: 코로나19로 인한 멘탈 헬스케어 수요 증가 및 정부 지원 확대 확인.
페인포인트 발견:
- 공급자(상담사): 내담자가 줄어 마케팅이 필요하지만, 광고에 대한 거부감이 큼.
- 수요자(내담자): 전화를 통한 예약이 심리적으로 부담스럽고 믿을만한 상담사인지 알기 어려움.
해결 과정:
1. 초기에는 '예약 시스템'에 집중했으나 예약 전환율이 낮았음 (1%).
2. 리서치 결과 '신뢰의 문제'임을 발견 → 리뷰 데이터 구축으로 솔루션 피봇.
3. 결과적으로 예약 전환율이 2%까지 (2배) 상승함.