[그로스해킹] PMF

[Product-Market Fit]

• 우리가 만든 제품/서비스가 실험을 할만한 가치가 있는가 ?
  • 우리가 생각하는 문제가 진짜 발생한 문제인지
  • 우리의 솔루션이 그 문제를 해결하는 게 맞는지
  • 이 서비스를 만들면서 세운 가설은?
• Product-Market Fit을 확인하려면 다음 세 가지를 확인해야 함
  • Retention
  • Conversion
  • NPS (Net Promoter Score)
• PMF 확인하는 데 부적합한 지표는 다음 세 가지
  • Install
  • Sign-up
  • Active user 

Source: https://problem-solving.tistory.com/16

• Retention (잔존율)
  • (설정된 기간 끝의 활성 사용자 수 - 설정된 기간 동안의 신규 사용자 수) / 기간 시작 시의 총 활성 사용자 수
  • 유저 리텐션을 개선하기 위해 코호트 분석, 고객 피드백 수집 및 활용, 온보딩 경험 개선, 푸시 알림 등의 방법을 주로 활용함
  • Retention Curve가 일직선으로 떨어지면 Product-Market Fit이 없는 것
  • 오른쪽 그래프에서 보듯이 사랑받은 서비스는 초기 Retention이 빠른 시일안에 단정화됨 
    • Retention Curve로 우리가 대략 어느 정도 수준의 서비스를 만들고 있는지 파악할 수 있음
  • Retention은 카테고리에 따라 차이가 큼 (ex. 뉴스, 만화는 Retention 높고 배달, 여행예약은 Retention 비교적 낮음)

 

Source: https://www.smartinsights.com/ecommerce/ecommerce-analytics/ecommerce-conversion-rates/

• Conversion (전환)
  • 가장 하위를 핵심 서비스라고 했을 때, 유저가 핵심 서비스까지 이어지는 각 단계를 얼마나 잘 넘어오는지 나타낸 것
  • Retention처럼 카테고리별로 차이가 있음

 

Source: https://www.netigate.net/articles/customer-satisfaction/more-than-a-number-nps-survey/

Source: https://www.retently.com/blog/good-net-promoter-score/

• NPS (순수 추천 지수)
  • 우리 서비스를 주변에 얼마나 추천하고 싶은지?
    • 0~6점 : DETRACTORS : 추천하지 않음
    • 7~8점 : PASSIVE : 소극적 추천, 이 구간은 NPS 계산에 사용되지 않음
    • 9~10점 : PROMOTERS : 적극적 추천
  • NPS = PROMOTERS 비율 - DETRACTORS 비율 
  • 얘도 마찬가지로 카테고리별로 차이가 있음
  • 성공을 예측하는 지표로 많이 사용됨

 

• Product-Market Fit 개선하는 방법
  • 사용자를 직접 만나서 이야기 듣기
  • 사용자 데이터 분석 
• Product-Market Fit 개선할 때 사용하면 안되는 방법
  • 브레인스토밍 : 사용자가 이럴 것이라고 넘겨짚지 말기
  • 새로운 기능 추가 : 새로운 기능은 PMF 맞추는 것과 아무 상관 없음 
  • Retention, Conversion을 개선하기 위한 실험 : Retention과 Conversion은 PMF가 맞든 안맞든 그 결과로서 나타나는 지표! => 이 두 개를 높인다고 해서 없던 PMF가 생기는 게 아님 

 

 

- 참고 블로그

https://blog.maxonomy.net/219

리텐션(Retention) 의미와 측정 방법🔍