[인프런워밍업클럽3기]PM/PO 발자국 4주차
강의별 회고제품 발견(Product Discovery), 시장에서 성공하는 제품을 만들기 위해핵심 포인트:“Product Discovery”란, 고객이 겪는 문제를 정확히 정의하고, 이를 해결하는 과정에서 가치를 창출할 방안을 탐색·검증하는 단계.“고객 문제 이해 → 아이디어 및 가설 설정 → 검증(실험)”을 반복하며, 유의미한 피드백 루프를 만드는 것이 중요.이 과정을 간과하면, 사용자에게 진정 필요한 제품이 아닌, 내부 가정만으로 만든 ‘실패할 가능성 높은’ 제품이 나오기 쉬움.인사이트:프로젝트를 시작할 때, 빠르게 코드를 짜기보다, “누구를 위해 어떤 문제를 해결해야 하는지”부터 깊이 파고들어야 함을 재확인.Discovery 단계에서 수많은 가설이 제기될 수 있는데, 이를 정교하게 정리·우선순위화해야 리소스를 효율적으로 투입할 수 있음. Product Discovery – 실험, 가설, 가정, 베팅핵심 포인트:Discovery에는 크고 작은 실험(Experiment)이 필수적이며, 가설(Hypothesis)과 가정(Assumption)을 명확히 구분할 필요가 있음.가설은 “~할 것이다”라고 예상되는, 검증이 필요한 주장.가정은 “이미 사실로 전제”하고 있는 부분(필수 조건). 하지만 추후 틀렸음이 드러나면 전체 전략이 흔들릴 수 있어, 역시 재검토해야 함.“베팅(Betting)” 개념: 한정된 리소스 속에서 가장 효과적이라 생각되는 실험에 투자(베팅)하고, 결과를 통해 다음 단계로 확장 혹은 중단을 결정.인사이트:“단순히 기능을 릴리즈해 보고 반응을 지켜보는 것”이 아니라, 명확한 가설과 메트릭을 설정하고, 실험 디자인을 꼼꼼히 해야 한다는 점이 중요.베팅은 결국 우선순위 결정의 문제. 팀 내에서 “무엇에, 왜 리소스를 투자하는지”를 공유하면 합의된 실험 문화를 형성할 수 있을 듯. Product Discovery – 기본 전제조건은 전략핵심 포인트:Discovery 과정에서 가장 중요하지만 흔히 놓치는 부분이 “제품 전략”임.제품 전략(비전, 목표, 방향성)이 선행적으로 설정되지 않은 채로, 다양한 실험 아이디어가 난무하면 우선순위 혼란이 발생하고, 결과적으로 일관된 제품 경험을 만들기 어려움.팀 전체가 공유하는 전략을 기반으로, Discovery의 각 단계를 수행해야 함.인사이트:나는 Discovery를 할 때 사용자의 니즈만 강조했었는데, 회사나 팀의 전략과 맞닿아야 실제로 실행력이 생긴다는 점을 다시금 느꼈음.Discovery 자체가 의미 있으려면, “우리가 궁극적으로 달성하려는 비전”을 분명히 하고, 해당 비전에 부합하는 가설·실험을 설계해야 한다. 체계적인 제품 발견을 위한 개념적 지도, 기회 솔루션 트리(Opportunity-Solution Tree)핵심 포인트:“Opportunity-Solution Tree”는 사용자가 겪는 문제(=기회)를 구조적으로 나누고, 각 문제를 해결하기 위한 솔루션(아이디어)들을 트리 형태로 시각화하는 방식.트리를 통해 여러 기회를 놓치지 않고 파악하면서도, 어떤 솔루션이 어느 기회에 기여하는지를 한눈에 파악 가능.Discovery의 복잡성을 줄이고, 팀원 간 커뮤니케이션을 명확히 하는 데 유용.인사이트:문제·기회를 단순히 “리스트업”하는 데서 끝내지 않고, 우선순위를 매기거나, 솔루션과 기회의 연결 관계를 트리로 표현하면, 의사결정이 명확해짐.지금 진행 중인 프로젝트에도 이 트리를 적용해, ‘가장 중요한 문제’부터 해결하는 과정을 체계적으로 해볼 수 있겠다. 체계적인 제품 발견을 위한 방법론, North Star Framework핵심 포인트:North Star Metric(NSM)과 그를 뒷받침하는 하위 지표(Leading indicators)를 설정해, 궁극적 제품 가치가 무엇인지, 그리고 그 가치로 가는 핵심 경로를 추적하는 방법론.Discovery 단계에서도 North Star Framework를 적용해, 프로덕트 성공의 궁극적 지표를 정의하고, 그 지표를 개선하기 위한 여러 실험과 기능을 설계·검증할 수 있음.인사이트:기존에 North Star Metric은 “유지율”이나 “DAU” 같은 단순 사용자 수치쯤으로만 생각했는데, 제품의 본질적 가치와 연결된 지표를 설정해야 한다는 점을 배움.Discovery 과정 내내, “우리가 설정한 NSM에 어떻게 기여하는가?”를 고민하면, 실험을 평가하는 기준이 훨씬 뚜렷해진다. 프로덕트 그로스(Product Growth) 입문하기주요 내용:프로덕트 그로스의 개념과 배경‘그로스’는 단순 마케팅이 아니라, 제품 전체 수명 주기에서 “획득 → 활성화 → 잔존 → 확산 → 수익화”를 개선하는 일련의 활동을 의미Growth 팀(또는 Growth 담당)이 있다면, 제품 관점의 실험과 데이터 분석을 통해 지표를 지속적으로 개선해 나감느낀 점:과거에는 마케팅 채널에 돈을 많이 쓰는 것만이 ‘그로스’라고 생각했는데, 프로덕트가 스스로 성장을 견인할 수 있는 구조(바이럴, 리텐션, 업셀링 등)가 중요함을 배움“획득-활성-유지” 사이사이에 데이터를 기반으로 한 실험이 필수적이라는 점이 인상적 첫 번째 그로스 레버, 제품으로 고객 획득(Acquisition)하기주요 내용:Acquisition 단계는 어떻게 제품을 통해 신규 사용자를 효율적으로 유입시킬 수 있는가에 초점자사 사이트나 앱 안에 Referral(추천), 바이럴 루프, 사용자간 초대 기능 등을 설계해, “제품의 내재적 기능”만으로도 획득 채널을 만들 수 있음“온보딩(첫 사용)”을 매끄럽게 만들어 초기 이탈을 줄이는 기법도 강조느낀 점:우리가 보통 생각하는 광고, SEO, 콘텐츠 마케팅 외에도, 제품 자체 기능으로 신규 사용자를 끌어들이는 설계가 중요“가입 이후 바로 이탈”을 방지하려면, 온보딩 플로우가 쉽고 명확해야 한다는 점을 다시 깨달음 두 번째 그로스 레버, 리텐션(Retention): Activation & Engagement(1) Activation활성화(Activation): 신규 사용자가 “가치”를 충분히 느끼도록 핵심 기능을 빠르게 경험하게 하는 것Activation Point(핵심 액션)를 찾고, 사용자가 이 액션에 도달하도록 UX 설계·알림·가이드를 제공(2) Engagement연속적인 활용(Engagement): 활성화 이후에도 사용자가 계속해서 앱/서비스를 사용하도록 만든 구조DAU, 세션 길이, 재방문율 등 구체적인 지표로 모니터링사용자의 피드백 루프, 보상(게임화 요소), 커뮤니티 기능 등이 대표적인 Engagement 전략느낀 점:Retention이야말로 제품의 장기적 성장을 결정짓는 핵심 요소. DAU나 WAU가 없다면, 신규 유입을 아무리 해도 빠져나가버리기 때문Activation과 Engagement는 사실상 연결되어 있으며, “처음 경험의 만족도 + 지속적으로 다시 오게 만드는 가치” 이 두 축이 매우 중요 세 번째 그로스 레버, Monetization주요 내용:제품에서 가치를 느낀 사용자가 실제로 유료 결제나 업셀링을 통해 매출을 발생시키는 구조과금 모델(구독형, 일회성 결제, 광고, 프리미엄 등)을 정할 때, 사용자가 언제·어떻게 결제하게 될지를 제품 흐름과 자연스럽게 연결해야 함Price Testing, 구독 vs. 일회성 결제 실험 등 데이터를 통한 검증 과정이 필수느낀 점:Monetization은 “돈을 받을 것인가?”가 아니라, “사용자가 기꺼이 지불할 가치를 제공하는가?”로 접근해야 한다는 점그로스 관점에서, Monetization도 실험과 지표 추적으로 개선할 수 있다는 사실이 흥미로움(예: 결제 전환율, 체험판 전환율 등) 그로스 모델(Growth Model): 우리 제품의 성장 메커니즘 도식화하기주요 내용:전체 그로스 과정을 시각적 모델로 표현해, 어디서 사용자가 유입되고, 어떤 요인으로 유지·이탈·전환이 일어나는지 한눈에 보이도록 만듦예) AARRR(아아르) 프레임워크(유입(Acquisition) – 활성(Activation) – 잔존(Retention) – 매출(Revenue) – 추천(Referral))를 기반으로, 우리 제품 특유의 루프나 경로를 그려서 목표 지표와 인과관계를 정리느낀 점:실제 팀에서 Growth Model을 그려보면, “어떤 부분이 병목(bottleneck)인지”, “가장 먼저 개선해야 할 구간이 어디인지”가 명확해짐제품팀·마케팅팀 등이 모두 하나의 그로스 모델을 공유하면, 같은 언어로 협업이 가능해질 듯
