부캠 마지막 강의로 그로스 해킹과 데이터를 배우게 되었다.
처음에는 "그로스 해킹"이라는 단어와 직무는 몇년 전에도 보았지만 아직도 정확히 어떤 일을 하는지는 잘 몰랐다.
그런데 강의를 다 들어보니 그로스 해킹은 완전히 새로운 개념이라기보다 지금까지 pm 과정에서 계속 배워온 내용을 "성장"이라는 관점으로 다시 묶은 것에 가까웠다.
그로스 해킹은 단순히 사용자를 많이 데려오는 방법이 아니라, 제품이 지속적으로 성장할 수 있는 구조를 데이터와 실험을 통해 찾아가는 방식이다.
PM이 제품을 만드는 목표
그냥 아무 제품, 아무 기능이나 만드는 것이 아니라,
제품이 시장에 잘 자리 잡고, 사용자와 지속적으로 상호작용하며 가치를 만들어내는 것이 중요하다.
하지만 서비스가 출시되었다고 해서 모두 성공하는 것은 아니다.
사용자가 몰라서 못쓸 수도 있고, 큰 가치를 느끼지 못해 이탈하는 경우도 있다. 이때 등장하는 개념이 바로 그로스인데,
그로스(Growth, 성장)는 “어떻게 하면 제품이 더 성장할 수 있을까?”를 다루는 관점이다.
그로스 해킹(Growth Hacking)
제품이 스스로 사용자를 늘리고, 그 사용자가 머물고, 수익을 만들고, 다시 다른 사용자를 데려오는 구조를 데이터로 검증하며 만들어가는 일
Growth는 성장이라는 뜻은 알겠지만 왜 hacking이라는 단어를 붙인걸까? 🧐
여기서 hack은 불법 해킹이라는 뜻이 아니라
기존 방식대로 오래 걸려서 푸는 게 아니라, 제한된 자원 안에서 빠르고 영리하게 문제를 푸는 방식
이런 뜻에 가깝다.
“성장을 해킹한다”는 말은 성장이 일어나는 지점을 찾아내서, 가장 효율적인 방법으로 빠르게 실험하고 개선한다는 의미이다.
많은 사람들이 그로스 해킹을 마켓팅과 착각하는데, 이렇게 단어 의미를 풀어서 보니 마켓팅과 확연히 다른 차이점이 보인다. 전통적인 마케팅은 주로 외부 활동에 집중하는데 그로스 해킹은 외부에서 사용자를 데려오는 것에만 집중하는 것이 아니라. 사용자가 제품 안에서 어떤 경험을 하는지, 어디서 이탈하는지, 어떤 순간에 가치를 느끼는지, 어떤 행동이 반복 사용이나 추천으로 이어지는지를 함께 본다.
그래서 그로스 해킹은 제품, 데이터, UX, 운영, 개발, 비즈니스가 모두 연결된 문제이다.
그로스 해킹의 기본 특징
그렇다면 그로스 해킹의 특징은 크게 두가지로 정리할 수 있다.
1. 데이터 중심 사고
그로스 해킹에서 데이터가 중요한 이유는 제품이 성장하지 못하는 이유를 감으로 판단하면 안 되기 때문이다.
예를 들어 사용자가 줄어들고 있다고 했을 때, 단순히 “마케팅이 부족한가?”, “기능이 별로인가?”, “디자인이 문제인가?”처럼 추측만으로는 정확한 원인을 찾기 어렵다.
사용자가 처음부터 들어오지 않는 문제인지, 들어왔지만 가입하지 않는 문제인지, 가입은 했지만 첫 가치를 경험하지 못하는 문제인지, 한 번 사용한 뒤 다시 돌아오지 않는 문제인지에 따라 해결 방식은 완전히 달라진다.
그래서 그로스 해킹에서는 데이터를 통해 사용자의 흐름을 단계별로 확인한다.
예를 들어 다음과 같은 질문을 던질 수 있다.
사용자는 어떤 경로로 들어오는가?
어느 단계에서 가장 많이 이탈하는가?
어떤 사용자가 다시 돌아오는가?
어떤 행동을 한 사용자가 더 오래 남는가?
어떤 기능이 결제나 추천으로 이어지는가?이 질문에 답하기 위해서는 데이터가 필요하다.
데이터는 단순히 숫자를 보는 것이 아니라, 사용자의 행동을 이해하기 위한 근거가 된다.
숫자를 통해 사용자가 어디서 막히는지 확인하고, 그 원인을 다시 사용자 경험 관점에서 해석해야 한다.
예를 들어 넷플릭스에서 신규 가입자가 콘텐츠를 찾지 못하고 이탈한다면, 단순히 “콘텐츠가 부족하다”가 문제가 아닐 수 있다. 오히려 콘텐츠가 너무 많아서 사용자가 무엇을 봐야 할지 결정하지 못하는 것이 문제일 수 있다.
이때 시청 이력, 검색 기록, 선호도, 클릭률, 시청 시작률 같은 데이터를 보면 사용자가 어떤 콘텐츠를 발견하고, 어디서 탐색을 멈추는지 확인할 수 있다.
결국 데이터 중심 사고는 “숫자를 많이 보는 것”이 아니라, 제품 성장의 병목을 근거 있게 찾기 위한 사고방식이다.
2. 빠른 실험과 반복
데이터를 통해 문제를 찾았다면, 다음으로 필요한 것은 실험이다.
문제를 발견했다고 해서 바로 정답을 알 수 있는 것은 아니다.
PM이 세운 해결책도 결국 가설이다.
예를 들어 “사용자가 콘텐츠를 찾지 못해 이탈한다”는 문제가 보였다고 해서, 바로 추천 알고리즘을 고도화하는 것이 정답이라고 단정할 수는 없다.
추천 영역의 위치를 바꾸는 것이 효과적일 수도 있고, 썸네일을 바꾸는 것이 더 효과적일 수도 있다.
또는 요약 정보를 더 명확히 보여주는 것이 사용자의 선택을 도울 수도 있다.
그래서 그로스 해킹에서는 완벽한 해결책을 오래 고민하기보다, 작게 실험하고 빠르게 검증한다.
문제 발견 👀
→ 원인 가설 설정
→ 작은 실험 설계
→ 사용자 반응 확인
→ 효과가 있으면 반영
→ 부족하면 다시 개선이 과정을 반복하면서 제품은 조금씩 성장한다.
빠른 실험이 중요한 이유는 사용자의 반응은 PM의 예상과 다를 수 있기 때문이다.
기획자가 보기에는 좋은 기능이어도 사용자는 관심을 보이지 않을 수 있고, 반대로 사소해 보이는 문구나 버튼 위치 변경이 전환율에 큰 영향을 줄 수도 있다.
따라서 그로스 해킹에서는 처음부터 완벽한 답을 찾으려고 하기보다, 사용자 반응을 통해 답에 가까워지는 방식이 중요하다.
강의에서 나온 넷플릭스 사례처럼, 추천 콘텐츠의 배치, 썸네일 디자인, 요약 정보 제공 방식은 모두 실험의 대상이 될 수 있다. 에어비앤비 사례에서도 전문 사진 제공, 리뷰 시스템 개선, 호스트 프로필 강화처럼 사용자의 신뢰를 높이기 위한 여러 실험이 가능하다.
이처럼 그로스 해킹에서 실험은 단순히 기능을 바꿔보는 일이 아니다.
제품 성장을 막고 있는 병목을 해결하기 위해, 어떤 개선안이 실제로 효과가 있는지 검증하는 과정이다.
3. 데이터 중심 사고와 빠른 실험은 따로 떨어져 있는 개념이 아니다.
데이터는 어디에 문제가 있는지 알려주고,
실험은 그 문제를 어떻게 해결할 수 있는지 검증하게 해준다.
그래서 그로스 해킹은 감으로 성장시키는 일이 아니라, 데이터를 기반으로 문제를 찾고, 실험을 통해 성장 가능성을 확인하며, 그 결과를 다시 제품에 반영하는 반복 과정이라고 볼 수 있다.
💭 이번 글에서는 그로스 해킹을 처음 이해하기 위해, 그로스 해킹이 무엇이고 왜 데이터와 실험이 중요한지 정리했다.
정리하고 보니 그로스 해킹은 어려운 유행어라기보다, 제품이 성장하지 못하는 이유를 찾고 개선하는 PM의 문제 해결 방식에 가까웠다.
다음 글에서는 이 문제 해결 방식을 실제로 어떻게 공부하고 적용할 수 있는지 정리해보려고 한다.
그로스 해킹을 공부하는 흐름은 크게 세 단계로 볼 수 있다.
-
지표를 읽고,
-
퍼널에서 병목을 찾고,
-
실험으로 개선하는 것.
