[아티클 분석] pm 업무 : 공고로 알아보기

스파르타 pm 공고

Growth Product Manager는 이렇게 일해요
• 논리적이고 유쾌한 사고를 할 수 있고, 숫자로 이야기하기를 좋아하며, 아이디어를 실현하는 실행력을 갖추신 분이라면 즐겁게 일할 수 있을 거예요.
• 디자이너, 개발자, CX 등 비즈니스 이해도가 높은 스쿼드에서 원팀으로 일하며, 높은 자유도를 바탕으로 다채로운 실험을 진행할 수 있습니다.
• Amplitude, Hackle, Mixpanel, Redash, Beusable, Zapier과 같은 tool 활용은 물론, 자체 개발된 백오피스를 통해 디자이너와 개발자의 도움 없이도 빠른 실험을 할 수 있는 환경이 구축되어 있습니다.

1) 문제 정의 방법
• 예시 상황: 지난 주 대비 매출 트렌드가 떨어졌다.• 단편적 문제 정의
결제 전환율이 지난 주 대비 20% 떨어진 것이 문제다. (현상 = 문제라고 정의)
• 스파르타적 문제 정의
주요 결제 페르소나인 개발 초보자의 불안감을 해소할 액션이 없는 것이 문제다. (현상의 원인 = 문제라고 정의)
• 문제 정의 방식
결제 전환율이 지난 주 대비 20% 떨어졌다. 어떤 퍼널에서 전환율이 떨어졌을까? (퍼널 분석)
결제 직전 퍼널에서 전환율이 떨어졌다. 결제를 한 사람들은 어떤 사람들일까? (페르소나 정의)
결제자의 90%는 개발 초보자다. 이들은 왜 지난 주에 결제했을까? (결제 원인 파악)

=> 지난 주, 개발 초보자의 불안감을 해소하기 위한 혜택 프로모션이 마감되었다. 현재, 주요 결제 페르소나의 불안감을 해소할 액션이 없다.

2) 가설 설정 방법
• 예시 상황: '지원동기 제출' 퍼널에서의 전환율이 낮다.• 단편적 가설 설정
지원동기 예시 카피를 변경하면 유저들의 지원서 제출률이 늘어날 것이다.
• 스파르타적 가설 설정
가설의 근거 수집: 지원동기 작성 퍼널에서 이탈하는 유저의 90%는 직장인이다.
가설: 직장인 지원동기 예시를 보여주면 공감대를 형성해 불안감을 해소할 수 있어
→ 이탈 유저 90% 중 30%가 지원서를 제출할 것이다.
→ 어떤 예시가 더 효율이 좋을지 A/B Test 실험을 설계해보자!

3) 액션 진행 및 성과 파악
• 예시 상황: 기존 부트캠프 코스의 포지셔닝을 피봇하여 수요가 있는지 테스트 한다.• 단편적 액션
디자인 1주 + 개발 2주로 설정 후 한 달 뒤에 배포 후, 결제자가 늘었는지 측정한다.
• 스파르타적 액션
개발, 디자인 리소스 없이 노코드툴을 활용해 빠르게 테스트하고, 하루 만에 페이지를 배포한다.광고 효율, 랜딩페이지 PV, CTA 클릭률, 피봇된 UTM으로 인입된 고객의 전환율을 따로 측정한다.

 

---

1) 문제 정의 방법(쪼개서보기!)

1) 문제 정의 방법
• 예시 상황: 지난 주 대비 매출 트렌드가 떨어졌다.• 단편적 문제 정의
결제 전환율이 지난 주 대비 20% 떨어진 것이 문제다. (현상 = 문제라고 정의)

• 스파르타적 문제 정의
주요 결제 페르소나인 개발 초보자의 불안감을 해소할 액션이 없는 것이 문제다.
(현상의 원인 = 문제라고 정의)

• 문제 정의 방식
결제 전환율이 지난 주 대비 20% 떨어졌다. 어떤 퍼널에서 전환율이 떨어졌을까? -> (퍼널 분석)
결제 직전 퍼널에서 전환율이 떨어졌다. 결제를 한 사람들은 어떤 사람들일까? -> (페르소나 정의)
결제자의 90%는 개발 초보자다. 이들은 왜 지난 주에 결제했을까? -> (결제 원인 파악)

=> 지난 주, 개발 초보자의 불안감을 해소하기 위한 혜택 프로모션이 마감되었다.
현재, 주요 결제 페르소나의 불안감을 해소할 액션이 없다.

공고에서는 ‘매출이 떨어졌다’라는 현상을 단순히 결과로 보는 것이 아니라, 그 이유가 무엇인지 끝까지 파고드는 방식을 보여준다.

예를 들어 "결제 전환율이 떨어졌다"는 현상에서 멈추지 않고, "어떤 퍼널에서 떨어졌는가?", "결제한 사람들의 특성은 무엇인가?", "왜 지난 주에는 결제했을까?"라는 질문을 계속 던진다. 이 과정을 통해 "주요 결제자인 개발 초보자 대상의 혜택 프로모션이 종료되었기 때문에 전환율이 떨어졌다"는 인사이트에 도달한다.

https://toss.im/career/article/growth-domain%EF%BB%BF

→ 실제로 토스의 한 Growth PM은 "MAU를 더 늘려라"는 막연한 과제를 받았을 때도 비슷한 접근을 했다. 이미 MAU 1600만인 앱에서 더 늘리는 건 어려운 일이다. 그래서 그는 문제를 쪼개서 한 달 1회 방문자와 30회 방문자를 나눠보며 사용자 행동을 분석했고, 이탈율이 높은 그룹을 정리해 기존 유저의 관여도를 높이는 방향으로 전략을 전환했다. 이처럼 좋은 PM은 ‘쪼개서 보는 힘’이 강하다.

그로스 도메인이 토스를 성장시키는 방법

 

2) 가설 설정 – 정량 근거와 예측치를 갖춘 설계

가설 설정 방법
• 예시 상황: '지원동기 제출' 퍼널에서의 전환율이 낮다.• 단편적 가설 설정
지원동기 예시 카피를 변경하면 유저들의 지원서 제출률이 늘어날 것이다.
스파르타적 가설 설정
가설의 근거 수집:
지원동기 작성 퍼널에서 이탈하는 유저의 90%는 직장인이다.
가설: 
직장인 지원동기 예시를 보여주면 공감대를 형성해 불안감을 해소할 수 있어 
→ 이탈 유저 90% 중 30%가 지원서를 제출할 것이다. 
→ 어떤 예시가 더 효율이 좋을지 A/B Test 실험을 설계해보자!

좋은 가설은 단순히 "~하면 ~할 것이다" 형태의 문장을 넘어서야 한다.
공고에서는 "지원동기 예시 문구를 바꾸면 전환율이 늘어날 것이다"라는 단편적인 가설보다,
"90% 이탈 유저가 직장인이었고, 직장인 맞춤형 예시가 이들의 불안을 줄일 수 있다면, 이 중 30%는 전환할 것이다"라는 정량적 가설을 제시한다. 그리고 A/B 테스트로 실험까지 계획한다.

https://about.daangn.com/blog/archive/당근마켓-실험문화-데이터가치화팀/
→ 이건 실제로 당근마켓에서 하루에 하나씩 A/B 테스트를 돌릴 수 있는 환경을 갖추고, UI의 작은 변화부터 기능 단위 실험까지 데이터 기반으로 검증하는 방식과 유사하다. 트래픽이 있는 서비스에서는 가설을 정량적으로 검증할 수 있고, 그 과정에서 효과적인 가설은 빠르게 살아남고 비효율적인 가설은 폐기된다.

이처럼 Growth PM은 가설의 이유, 목표 수치, 검증 방법까지 같이 설계하는 사고가 필요하다.

1주 1개 실험하는 프로덕트 팀이 되는 여정 | 당근 블로그

 

3) 실험 설계 및 검증 – MVP든 데이터든 빠르게, 작게

액션 진행 및 성과 파악
• 예시 상황: 기존 부트캠프 코스의 포지셔닝을 피봇하여 수요가 있는지 테스트 한다.• 단편적 액션
디자인 1주 + 개발 2주로 설정 후 한 달 뒤에 배포 후, 결제자가 늘었는지 측정한다.
• 스파르타적 액션
개발, 디자인 리소스 없이 노코드툴을 활용해 빠르게 테스트하고, 하루 만에 페이지를 배포한다.광고 효율, 랜딩페이지 PV, CTA 클릭률, 피봇된 UTM으로 인입된 고객의 전환율을 따로 측정한다.

공고에서는 디자인+개발 리소스를 들이지 않고, 노코드 툴이나 백오피스로 빠르게 MVP를 만들고 실험하는 방식을 예로 들고 있다. 이게 바로 실행력을 갖춘 PM의 역할이다. 하루 만에 랜딩 페이지를 만들고, 광고 효율·PV·CTA 클릭률·전환율을 추적하는 것까지 하나의 흐름으로 잡는다.

https://blog.doctor-cha.com/is-it-okay-to-trick-customers-like-this-fro
→ 이와 유사한 예시로는 중고차 직거래 팀에서 3일 만에 기획부터 랜딩 페이지까지 제작해 대리 출장 서비스를 테스트한 케이스가 있다. 실제로 서비스를 만들지 않고도, 사용자에게는 서비스가 있는 것처럼 보여주고 이메일 수집을 통해 수요를 테스트했다. 이것이 진짜 실험이고, 진짜 MVP다.

https://bug4.tistory.com/5
→ 드롭박스도 마찬가지다. 제품을 만들지 않고, 제품을 사용하는 영상만 제작해 VC로부터 투자를 유치했다. ‘실제로 돌아가는 제품’보다 사람들이 이 제품에 관심이 있는가를 검증하는 데에 실험이 초점이 맞춰져야 한다는 점에서 Growth PM의 사고방식을 잘 보여준다.

'드롭박스'가 mvp를 제작하지않고 투자받은 방법 | 예비창업패키지

 

이렇게 고객을 속여도 되나요? | 오토피디아 블로그

 

4) 실험 결과 분석 – 정량 지표는 목적과 연결되어야 한다
검증할 지표를 설정할 때도 주의할 점이 많다. 가설의 결과를 직접 설명할 수 있는 지표인지, 상위 OKR이나 비즈니스 목표와 연결되어 있는지, 그 지표가 오르거나 내릴 때 해석 가능한 배경이 있는지, 측정 기간은 명확히 정의되어 있는지 등을 모두 고려해야 한다. 이건 KPI를 설정할 때와도 유사하다.

https://brunch.co.kr/@coupangdesign/53
→ 쿠팡 디자인팀의 인터뷰에서 이런 말이 있다. 사용자 인터뷰에서 나온 말만 믿을 수는 없다. 사람들이 잘 모르는 주제에 대해 추측성 발언을 하는 경우가 많기 때문이다. 그래서 반드시 행동 데이터로 교차 검증을 한다고 한다. 이처럼 정성+정량의 교차 검증은 실험의 정확도를 높이고, PM의 의사결정의 근거가 된다.

관찰하는 정성 리서처 추적하는 정량 리서처