▲

제품에서 숨겨진 성장 기회를 찾는 법

(youtube.com)
21P by neo 1일전 | ★ favorite | 댓글 1개
  • Duolingo, Grammarly 같은 세계적인 구독형 제품을 성장시켰던 Albert Cheng이 사용자를 제품 가치로 연결하는 방법을 공유한 유튜브 영상의 스크립트 요약
    • 성장은 단순한 지표 해킹이 아닌 사용자 중심의 가치 전달 과정임을 강조
  • 탐색(Explore)과 활용(Exploit) 프레임워크를 통해 실험에서 얻은 인사이트를 제품 전체로 확장하며, 한 번의 성공적인 실험을 10배 이상으로 증폭시키는 전략 제시
  • Grammarly에서 무료 사용자에게 유료 기능을 샘플링하여 제품의 진정한 가치를 보여줌으로써 업그레이드율 2배 증가 달성
  • Chess.com에서 패배 후 실수 대신 훌륭한 수를 보여주는 긍정적 피드백으로 전환하여 게임 리뷰 25%, 구독 20%, 유지율 대폭 향상
  • 소비자 구독 제품 성공의 핵심은 높은 사용자 유지율(D1 30-40% 이상) 이며, 입소문을 통한 유기적 성장과 무료 제품을 통한 광범위한 가치 전달이 필수적임을 시사

Albert Cheng 소개와 배경

  • 세계 최고의 소비자 성장 전문가 중 한 명으로, Duolingo, Grammarly, Chess.com의 성장 및 수익화를 주도
  • 초기엔 YouTube에서 2천만 명 이상이 사용하는 스트리밍 및 게임 기능 개발
  • 그의 성장에 대한 독특한 접근 방식은 마케팅, 데이터, 전략, 제품 관리를 결합

피아니스트에서 성장 리더로의 전환

  • 대만 이민자 부모 아래 클래식 피아노를 매일 90분씩 연습하며 성장
  • 완벽한 음감(Perfect Pitch) 을 가져 음표를 즉시 인식하고 빠르게 음악 습득
  • 음악 학교 진학을 고려했으나 엔지니어링으로 방향 전환
  • 피아노와 성장의 공통점
    • 지속적인 반복과 실수를 통한 학습: 빠른 피드백 루프와 회복탄력성 개발
    • 구조적 기반 위의 창의성: 성장 모델과 지표라는 구조 위에서 창의적 솔루션 도출, 음악 이론 위에서 아름다운 음악 창조와 유사

탐색(Explore)과 활용(Exploit) 프레임워크

  • Brian Balfour의 Reforge 클래스에서 유래한 개념으로 Grammarly의 엔지니어링 파트너 Nurmal을 통해 접함
  • 탐색(Explore): 올바른 산을 찾는 과정
  • 활용(Exploit): 그 산을 효과적으로 오르는 데 리소스 집중
  • 대부분의 회사는 한쪽 극단에 치우침
    • 과도한 탐색: 팀이 산만해지고 100가지 아이디어를 무작위로 시도하며 전략 부재
    • 과도한 활용: 포화와 정체 상태로 이어지며 지역 최적화에 그침
  • 성장팀은 흔히 활용 모드에 빠지기 쉬움

  • 마이크로 수준에서의 적용: Chess.com 사례

    • Chess.com의 학습 기능 PM Dylan이 게임 리뷰 참여도 개선 작업
    • 게임 리뷰: 게임 종료 후 가상 코치가 최악의 수와 최고의 수를 가르치는 기능
    • 데이터 추적을 통한 발견
      • 게임 리뷰하는 사용자의 80%가 승리 후에만 사용
      • 당초 예상은 패배나 실수 분석을 위해 사용할 것이라 생각했으나 인간 심리는 달랐음
    • 제품 경험 변경
      • 패배 후 실수를 보여주는 대신 훌륭한 수와 최고의 수를 표시
      • 코치가 격려 메시지 제공: "패배는 학습의 일부"
    • 결과
      • 게임 리뷰 25% 증가
      • 구독 20% 증가
      • 사용자 유지율 대폭 향상
    • 활용 단계: 인사이트를 회사 전체에 공유
      • 퍼즐 PM이 긍정적 패턴을 자신의 제품에 적용
      • 성공률 표시, 카피 조정, 버튼 색상 변경 등
      • 실험 성공을 10배 확장 가능

  • 실험 성공률과 지속적 개선

    • 일반적인 실험 승률은 30~50%
    • 소비자 제품은 매우 예측 불가능하며 많은 가설이 틀림
    • 큰 성공 또는 큰 실패 실험 모두 매우 가치 있음
      • 회사 전체에 인사이트 공유 필수
      • 원래 PM이 모든 적용 방법을 찾을 필요 없음
      • 가설과 발견을 명확히 표현하면 다른 팀이 아이디어를 도출
    • 성공률과 영향력을 높이기 위해 팀원들이 인사이트 주변에 집중

  • 탐색과 활용 간 전환 시점 판단

    • Chess.com은 연간 약 250개 실험 진행
    • 실험 탐색 도구(Experiment Explorer Tools) 투자
      • 진행 중인 실험 전반을 조망
      • 가설과 학습 간 패턴 파악
    • 통계적으로 유의하지 않은 실험이 증가하면 과도한 활용의 신호
      • 더 이상 짤 즙이 없을 수 있음
      • 팀에게 다시 브레인스토밍하고 발산적 사고 권장

AI를 활용한 성장 가속화

  • 텍스트-SQL 기능

    • Chess.com의 데이터 요청 Slack 채널에서 활용
      • 과거: 애드혹 질문(남아공 구독자 수, 지난달 퍼즐 플레이 시간 등)에 데이터 분석가가 수동으로 대응
      • 현재: Slack 봇이 자동으로 쿼리 실행 및 분석 제공
    • 효과
      • 첫 번째 답변 제공자로서 Slack 봇 훈련
      • 회사 전체가 더욱 데이터 기반으로 의사결정
      • 질문의 폭발적 증가
        • 부끄러워서 못 물어보던 질문도 편하게 질문 가능
        • ChatGPT와 유사한 효과: 편안한 대화 상대가 큰 차이 만듦

  • AI 프로토타이핑 도구

    • 아이디어에서 대표 솔루션까지 과정 단축
    • 기존: 사람이 개입하는 여러 단계(아이디어 작성 → 스펙 → 리뷰 → 디자인 등)
    • Chess.com의 접근
      • 주요 화면(온보딩 플로우, 홈 화면, 체스보드) AI 프로토타입 구축
      • v0, Lovable 같은 도구 활용
      • 회사 전체에 공유하여 시작점으로 사용
      • 아이디어를 빠르게 시각화하고 논의 및 테스트 가능

  • AI 스택

    • PM: Vzero
    • 디자이너: Figma Make
    • 엔지니어: Cursor, Claude Code, GitHub Copilot
    • 마케팅: 번역, 자막, 콘텐츠 적응 도구
    • 고객 지원: Intercom Fin
    • 과제: 팅커링(Tinkering)에서 워크플로우로의 원활한 전환 미해결
      • 각 기능별로 선호 도구가 다름
      • 도구 간 상호운용성 부족
      • 프로덕션 배포까지 여전히 기능 간 핸드오프 필요
      • 디자인 시스템 컴포넌트와 MCP 투자로 개선 중

Grammarly의 최대 수익화 성공 사례

  • 배경 및 문제 인식

    • Grammarly는 AI 기반 글쓰기 도우미로 Chrome 확장 프로그램 또는 데스크톱 클라이언트로 제공
    • 프리미엄 비즈니스 모델: 90% 이상 무료 사용자, 나머지 유료 구독
    • 구독자 전환 PM Kyla의 팀이 무료-유료 전환 경로 개선 담당
    • 초기 문제 발견
      • 사용자가 받는 제안 유형과 페이월 노출 빈도 추적 미흡
      • 계측(Instrumentation) 먼저 구축 필요

  • 핵심 인사이트

    • 무료 사용자의 극히 일부만 모든 제안 수락
      • 대부분은 선택적으로 수락
    • 무료 사용자의 실제 체험: Grammarly는 철자와 문법만 고치는 도구
      • 무료 제안이 정확성(Correctness) 위주였기 때문
    • 유료 기능: 어조를 공감적으로 개선, 명확성 향상, 문장 전체 재작성 등

  • 솔루션: 유료 제안 샘플링

    • 다양한 유료 제안을 샘플링하여 무료 사용자의 글쓰기 전반에 배치
    • 유료 기능을 제한적으로 맛보기 제공
    • 우려: 너무 많이 제공하면 구독 의향 감소
    • 결과: 완전히 반대
      • 사용자들이 Grammarly를 훨씬 강력한 도구로 인식
      • 업그레이드율 거의 2배 증가

  • 수익화 교훈

    • 프리미엄 제품의 경우 무료 제품이 전체 기능을 반영하도록 해야 함
    • 일부 유료 기능은 비용이 들지만 최선을 다해 보여주면 그 자체로 보상
    • 시간 기반 무료 체험이 아닌 역 무료 체험(Reverse Trial) 개념
      • 실시간으로 글쓰기 중 개선사항 제공
      • 하루에 일정 수량만 제공하고 새로고침
    • 업계 패턴을 Grammarly의 특정 사용 사례에 맞게 조정

프리미엄 vs. 체험 모델

  • 프리미엄 구독 모델을 선택하는 이유

    • 미션 지향성: 제품을 가능한 한 널리 보급하려는 창업자의 목표
      • Duolingo(교육), Grammarly(글쓰기), Chess.com(체스) 모두 글로벌하게 광범위한 가치 제안
      • 가장 낮은 진입 장벽은 무료 제품
    • 입소문 성장: 제품이 주로 입소문으로 성장
      • 네트워크 효과 구축 가능: Duolingo의 소셜 기능
      • Grammarly의 B2C2B 플레이: 무료 사용자가 팀이나 동료의 구매 유도
    • 핵심 가치 제안은 무료로 영구 제공하고 프리미엄 기능을 샘플링

  • 체험(Trial) vs. 역 체험(Reverse Trial)

    • 역 체험: B2B 기능에서 강력, 특히 락인(Lock-in)이 있는 경우
      • 신용카드 정보 없이 시작
      • CRM 사용이나 콘텐츠 구축에 많은 시간 투자
      • 체험 기간 종료 시 유지하고 결제할 가능성 높음
    • 일반 무료 체험: 소비자 제품에서 더 흔함
      • 소비자 제품은 역 체험이 작동하기 어려움

소비자 구독 제품 성공의 핵심

  • 사용자 유지율의 중요성

    • 사용자 유지율은 소비자 구독 회사의 금
    • 유지율이 낮으면 첫날 결제에 모든 부담 집중
      • 사용자 획득 비용 지불
      • 습관적 사용 패턴 형성 전 공격적 업셀 필요
    • 많은 앱이 이 방식을 사용하지만 초기 단계를 넘어서기 어려움

  • 성장 경로의 차이

    • Duolingo와 Chess.com: 유기적 입소문 기반 비즈니스
      • 시장을 키우는 방식으로 성장
      • 경쟁이 치열한 공간에서 시장 점유율 경쟁과 대조적
    • 경쟁 시장에서는 높은 입찰가로 사용자 확보 경쟁

  • 유지율 목표

    • 신규 사용자 유지율(D1, D7 등)
      • D1 유지율 30~40%: 소비자 앱으로서 상당히 견고
      • 그보다 훨씬 낮으면 사용자 의도나 DAU 기반 확보 능력에 의문
    • 시장에 선택지가 많고 앱 피로감 존재하여 달성이 어려움
    • 현재 사용자 유지율(CURR): 훨씬 더 중요
      • 일일 빈도를 가진 제품의 경우 가장 중요한 지표
      • 습관적 패턴을 개발한 기존 사용자 기반의 점착성
      • 시간이 지남에 따라 복리 효과로 일일 습관 구축
      • 회사 성숙 시 대부분의 에너지를 기존 사용자 유지 메커니즘에 집중

  • Grammarly의 예외

    • Grammarly는 설치 후 매일 능동적으로 열지 않음
    • 활성화, 설치, 아하 모멘트가 매우 중요
      • 한 번의 설치가 매우 오랜 기간 사용자를 유지
    • 타이핑할 때 자동 작동하므로 DAU 통계가 정확하지 않음

부활(Resurrected) 사용자의 중요성

  • DAU/WAU 구성 요소

    • 성숙한 회사(Chess.com)의 경우 일일/주간 활성 사용자의 약 80%가 현재 또는 기존 사용자
    • 나머지는 신규 사용자와 재활성화(부활) 사용자가 비슷한 규모
    • 회사 성숙 후 신규 사용자에 대한 관심이 많지만 실제로는 신규 사용자 비중이 크지 않음

  • 비활성 및 산발적 사용자 누적

    • 시간이 지나면 수많은 비활성 사용자 누적
    • 산발적 사용자: 매일은 아니지만 주 1~2회 또는 월 1~2회 사용
    • 결국 수억 명의 휴면 사용자 축적
    • 부활 경험에 투자할 가치 있음
      • 그들을 다시 데려오는 새로운 방법 찾기

  • Duolingo의 부활 전략

    • 소셜 알림 활용
      • 연락처 동기화 사용 시 친한 친구가 Duolingo 시작했다는 푸시 알림
      • 제품으로 복귀 유도
    • 재배치(Replacement) 메커니즘
      • 3년 전 프랑스어 학습했지만 대부분 잊음
      • 앱 재오픈 시 재배치 테스트 권장하여 적절한 수준에 배치
    • 성숙한 회사에게 이러한 메커니즘은 상당히 높은 ROI 제공

Duolingo, Grammarly, Chess.com의 차이점

  • Duolingo: 체계적 실험 기계

    • 매우 구체적이고 일관된 제품 개발 접근법
    • Green Machine 플레이북 작성 및 공개
    • 기업 정신
      • 대학 졸업 직후 지적이고 에너지 넘치는 인재 대거 채용
      • 놀라운 실험 도구 제공
      • 회사의 클락 스피드(Clock Speed) 중시
      • 많은 창의성과 아이디어 발상
    • 제품 경험이 각 사용자에게 하루에 여러 번 변경
      • 매우 충격적인 수준
    • 제품 개발 사이클의 각 단계마다 스펙과 프로세스 보유
      • 매우 엄격하고 일관되게 운영
      • 제품 리뷰는 10~15분 정도로 신속

  • Grammarly: B2C에서 B2B로 진화

    • 처음에는 학생 대상 유료 제품으로 시작
    • 점차 모든 사람 대상 프리미엄 모델로 확장, 전문가 중심으로 전환
    • 특정 회사의 특정 기능(마케팅, 영업, 고객 지원 팀)이 대규모로 Grammarly 채택
    • 관리형 엔터프라이즈 모션 추가
    • Albert의 역할: 소비자 셀프서브 모션에 집중하되 분리되지 않고 상호 연결
      • 셀프서브 수익 및 활성 사용자 증가
      • 제품 주도 세일즈(Product-Led Sales): 적합한 팀/기능/회사를 발견하여 수요 생성 및 영업에 전달
    • 생성형 AI 전환과 함께 빠르게 진화
      • 최근 Coda와 Superhuman 인수로 생산성 스위트로 변모
    • Duolingo와 달리 더 많은 전략적 의사결정 필요
    • 핵심 제품팀이 반복 활동을 가장 많이 주도
      • 제안의 빈도와 품질이 현재 사용자 유지율을 가장 많이 좌우
      • Albert가 성장팀을 구성했으나 실제로는 핵심 제품팀이 주도해야 함을 깨달음
      • 핵심 제품 리더와 대화 후 책임 이전

  • Chess.com: 체스에 대한 광적 열정

    • 직원들이 체스에 광적으로 열정적
    • 전 세계에서 원격 채용, 체스를 사랑하는 사람들만 채용
    • 하루 종일 체스를 플레이하고 스트림 시청
    • Slack은 항상 체스 수와 게임으로 폭발적 활동
    • Duolingo의 경우
      • 언어 학습 제품이지만 원래 정신은 동기부여
      • 가장 어려운 것은 습관 형성
      • 언어 학습은 첫 번째 수단이며 동기부여와 습관이 초능력
    • Grammarly의 경우
      • 철자와 문법 수정으로 알려졌지만 진정한 독특함은 수많은 애플리케이션 전반에 통합
      • 이제 AI 슈퍼하이웨이로 문법 작성 이상 제공 가능
    • Chess.com은 체스에 관한 것 100%
      • 정신에 스며들어 있고 사람들은 열정적
      • 항상 제품을 도그푸딩
      • 제품을 항상 사용하고 아이디어를 제시하는 놀라운 에너지

AI가 Chess.com을 변화시키는 방법

  • 체스와 AI의 오랜 관계

    • 체스와 AI는 거의 한 세기 동안 얽혀 있음
    • 초기 컴퓨팅 선구자들이 기계 지능 테스트용으로 체스 선택
    • 1997년 IBM의 Deep Blue가 세계 챔피언 Garry Kasparov 격파
      • AI가 인간을 대체할 것인가에 대한 충격과 성찰의 순간
      • 30년 전 일이지만 모두 여전히 존재하며 체스를 플레이하는 사람 역대 최다

  • 현재 체스 엔진의 능력

    • Stockfish 같은 엔진이 세계 최고 그랜드마스터보다 극적으로 우수
    • ELO 레이팅 시스템 비교
      • 평균 체스 플레이어: 1,000~1,500
      • 최고 그랜드마스터(Magnus Carlsen): 약 2,800
      • Stockfish 및 유사 엔진: 약 3,600
    • 체스 엔진이 주요 기물(룩 등) 없이 플레이해도 최고 선수와 경쟁 가능
    • 컴퓨팅 파워로 초당 수천만 번 계산하므로 인간 경쟁 불가능
    • 체스 엔진 플레이를 보면서 새로운 창의성, 전략, 라인, 게임에 대한 감상 열림

  • Chess.com의 AI 활용 접근법

    • 모든 사용자에게 이 기술 제공, 처음 말을 옮겨본 사람도 포함
    • 게임 리뷰 제품: 뒤에서 체스 엔진 실행하여 모든 수에 대한 평가 생성
    • 번역 및 접근 가능한 스타일로 사용자에게 제공
      • 사용자의 모국어 사용
      • 오디오로도 제공
    • LLM 활용: 개성과 말투를 사용자에게 전달하는 부분
    • 핵심 원칙: 고객을 최우선
      • 유행이라는 이유만으로 LLM 적용하지 않음
      • 올바른 기술을 올바른 기능에 적용하여 사용자에게 가치 제공
      • 과대 광고에 휘둘리지 않음

  • LLM의 체스 플레이 능력

    • 놀랍게도 LLM 자체는 체스를 매우 못함
    • 환각(Hallucination) 발생, 움직임 패턴 인식은 잘하지만 매우 깊은 체스 분석은 못함
    • ChatGPT로 체스보드 이미지를 생성하면 칸 수가 잘못되거나 설정이 부적절
    • 추론 능력은 개선될 것으로 예상
    • Google이 최근 모든 최고 LLM이 서로 플레이하는 토너먼트 후원
      • 개선 중이지만 체스는 훈련된 딥 컴퓨팅 엔진이 LLM보다 훨씬 강력

  • AlphaZero와 AlphaGo

    • AlphaGo 다큐멘터리는 기술적으로 깊은 내용을 감정적이고 인간적으로 표현
    • AlphaZero 훈련 방식: 자기 자신과 수많은 게임을 플레이
      • 신경망을 통해 매번 더 똑똑해짐
      • 수십억~수조 번 반복으로 매우 능숙해짐

AI가 성장 역할을 변화시키는 방법

  • 성장의 정의

    • 성장의 역할: 사용자를 제품 가치에 연결
    • 사용자 여정을 고려하여 각 요소별로 팀 구성
      • 각 팀은 특정 지표 목표와 로드맵 보유
      • 목표 대비 실행
    • AI는 실험 사이클의 일부 요소를 가속화 가능

  • 제품 발견(Product Discovery)에서의 AI 활용

    • 코어 제품은 더 긴 시간 프레임과 철저한 사용자/시장 조사 필요
    • 성장은 많은 실험을 실행하며 각 실험의 출력이 다음 아이디어의 입력
    • 기존 방식: 분석 문서를 수동으로 작성
      • 읽고 인사이트 파악
      • 아이디어를 다른 스펙으로 번역
    • AI 활용
      • ChatGPT 같은 도구로 다른 사람의 분석을 요약
      • 시도할 아이디어에 대한 조언 제공
      • 아이디어 발상과 조사 사이클이 훨씬 빠름
    • 프로토타이핑도 극적으로 단축
      • 아직 PM이 직접 프로덕션에 코드 배포하는 단계는 아님
      • 특히 대담한 아이디어를 구상하는 시간 극적 단축

  • 탐색과 활용에 미치는 영향

    • 과거: 탐색(Explore)이 더 어려웠음
    • 현재: 탐색이 훨씬 쉬워짐
      • 광범위한 개념을 시각화 가능
      • 시각화하면 팀 주변에서 논의하고 클릭 가능
      • 세상을 변화시키는 차이 만듦

실험 규모 확대를 위한 팁

  • 첫 번째 팁: 일단 시작하기

    • Atlassian의 제품 현황 보고서: 40%의 제품팀이 실험을 전혀 실행하지 않음
    • 철학적 이유나 B2B 지향일 수 있어 이해 가능
    • 하지만 일정 규모와 빈도를 가진 소비자 제품이라면
      • 충분한 데이터 수집 가능
      • 많은 경험에도 불구하고 자주 틀림
      • 소비자 행동은 매우 변덕스러움
      • 회사에서 일하면 자연스럽게 파워 유저가 되어 신규 사용자 경험 망각
    • 첫 단계를 밟을 것을 권장
      • AB 테스트 실행
      • 타사 도구 찾아 빠르게 통합
      • 엔지니어와 협력하여 무언가 만들기
      • 크롤-워크-런 연습

  • 선호 도구

    • Grammarly에서 StatSig 사용 (최근 인수됨)
    • Duolingo와 Chess.com은 인하우스 실험 도구 보유
    • 장단점 존재
      • Duolingo는 실험 기계이므로 맞춤형 도구가 큰 가속제
    • 일반적으로 초기부터 인하우스 구축은 권장하지 않음
      • 일정 규모에서는 의미 있을 수 있음
      • 이 회사들은 15년 전 설립되어 당시 도구가 없었음

  • 두 번째 팁: 시스템이 개별 실험만큼 중요

    • 시스템이 개별 실험만큼, 아마도 더 중요
    • 성장 모델부터 시작
      • 회사가 어떻게 성장하는지 이해
      • 어떤 채널을 활용할지 파악
    • 제품 계측(Instrumentation) 필수
      • 그렇지 않으면 실험 결과가 이상하게 나옴
    • 실제 사례: 한 회사에서 인하우스 실험 도구 사용 중
      • 3개월 후 사용자 유지율이 거꾸로 구성되어 있음을 발견
      • 모든 긍정적 결과가 부정적 결과였음
      • 매우 당황스러웠고 다시는 발생하지 않을 것

  • 세 번째 팁: 인사이트 공유와 확산

    • 큰 성공 또는 큰 실패 실험 발견 시
      • 회사 전체에 명확하게 공유
      • 가설과 발견 명확히 표현
      • 원래 PM이 모든 적용 방법을 찾을 필요 없음
    • 성장 리더로서 다른 사람들이 아이디어를 집중(Swarm) 하도록 권장
      • 성공률 향상
      • 영향력 증대

연간 1,000개 실험 목표

  • Chess.com의 실험 여정

    • 2023년 이전: 거의 실험하지 않음
    • 작년: 약 50개
    • 올해: 약 250개 진행 중
    • 내년 목표: 1,000개

  • 목표의 진정한 의미

    • Albert가 만든 목표이지만 숫자 자체가 목적은 아님
    • 목표 설정의 진정한 가치: 무엇이 사실이어야 하는지에 대한 대화 유도
    • 목표 달성을 위한 인사이트
      • PM이나 엔지니어링만 실험하는 것이 아님
      • 라이프사이클 마케팅: 푸시 알림과 이메일 카피 변경 실험
      • 앱 스토어: 스크린샷, 키워드 등 실험
      • 콘텐츠 마케팅 팀 등
      • 엔지니어링 지원 없이 특정 화면에 노코드(No-Code) 활성화
        • 홈 화면이나 가격 화면에서 구성 가능한 많은 테스트
      • 진행 상황 추적 및 관찰 가능성(Observability) 확보
    • 실제로 1,000개를 달성하는 것보다 이러한 것들을 달성하는 것이 진짜 중요
    • 거의 달성하고 이런 것들을 이루면 매우 좋은 상태

문화 전환 방법

  • Chess.com의 극적인 문화 변화

    • 0개 실험에서 2년 후 1,000개(하루 약 3개)로 전환
    • 많은 팀이 병렬로 실험 진행

  • 문화 전환 성공 요인

    • 리더십의 지원

      • CEO와 공동창업자 Eric과 Danny에게 많은 공로
      • 실험은 그들의 직관적 사고 방식은 아니었음
      • 정신적 유연성과 격려로 도구로 추가
      • 프론트라인에서 제품 주도 성장과 실험을 설파
      • 창업자와 기존 접근 방식에 대립하지 않는 것이 매우 중요

    • 실제 성공 사례 공유

      • 게임 리뷰와 긍정성 사례처럼 실제 작동하는 것을 보여줘야 함
      • 승리(Win)가 필요: 축하하고 사람들이 학습에 대해 좋은 느낌
      • 전반에 걸쳐 적용되면 누구나 활력을 얻음
      • 지표가 움직이고 더 빠르게 학습하고 배포
      • 위에서 목표만 설정해서는 안 됨
      • 사람들이 작동하는 것을 봐야 함

    • 초기 실험

      • Albert 합류 전에 이미 일부 실험 진행 중
      • 이미 궤도에 올라 있었음

추가 실험 교훈

  • Duolingo의 성공 사례

    • 스트릭(Streak)과 몰입

      • Jackson이 팟캐스트에서 논의
      • 몰입과 달력에 스트릭 표시를 통한 학습 효과
      • 큰 이정표 달성보다 시작하는 것이 중요

    • 바이럴리티(Virality) 팀

      • 바이럴리티는 매우 모호한 개념이며 제품에서 생성하기 매우 어려움
      • Duolingo는 상당히 많이 공유되는 제품
      • 스크린샷 추적 투자
        • 앱에서 사용자가 스크린샷하는 핫스팟 찾기
        • 다른 앱에서도 볼 수 있는 방법
        • 일정 기간 동안만 실행
      • 발견한 공유 핫스팟
        • 스트릭 이정표: 명백한 공유 지점
        • 매우 재미있는 챌린지: 매우 높은 공유율
        • 리더보드 상위 3위 진입은 공유 대상이 아님
      • 이러한 순간에 일러스트레이터와 애니메이터 배치
      • 매우 즐거운 경험 창조
      • 결과: 놀랍도록 잘 작동
      • 교훈: 인간 직관에 반하여 공유를 강요하지 말 것
        • 사용자가 이미 유기적으로 스크린샷하는 순간을 찾아내기
        • 그 순간을 훨씬 훨씬 더 좋게 만들기
        • 5배 또는 10배 증폭하여 많은 성장 유도

게임화의 세 가지 기둥

  • Jorge의 게임화 모델

    • 게임화 패턴은 본질적으로 세 가지 기둥

    • 1. 핵심 루프(Core Loop)

      • Duolingo: 레슨 진행
        • 레슨 완료 → 보상 획득 → 스트릭 연장
        • 다음날 푸시 알림
      • 핵심 루프를 매우 타이트하게 만드는 것이 중요
        • 사람들이 고수할 습관 필요

    • 2. 메타게임(Metagame)

      • Duolingo: 경로(Path), 리더보드, 업적
      • 장기적으로 추구할 것들
      • 지속적으로 활동할 장기 동기부여 제공

    • 3. 프로필(Profile)

      • 시간이 지남에 따라 프로필 구축
      • 제품 경험 내 투자의 반영
      • 이 세 가지를 완성하면 장기 학습 여정 성공 가능

  • Chess.com의 신규 사용자 과제

    • 신규 사용자의 75% 이상이 완전 초보자 또는 초급자로 분류
    • 초보자는 라이브 게임에서 즐겁지 않음
      • 데이터: 첫 게임 승리율 1/3 미만
      • 게임 패배 시 사용자 유지율 10% 악화
      • 규모에서는 나쁨
    • 일반적인 모바일 게임: 매우 단순화된 버전 생성
      • 체스에서는 더 어려움 (규칙 변경 불가)

  • 학습 초기 단계의 중요성

    • 언어 학습이든 체스든 첫 단계는 자기 의심으로 가득
    • 자신이 그것을 못한다는 강화 경험
    • 사용자를 그 주변으로 안내하는 경험을 의도적으로 제작할 가치

  • Chess.com의 솔루션

    • 완전 초보자라고 하면 더 즐거운 플레이 학습 경험 제공
      • 라이브 게임에 바로 투입하지 않음
    • 처음 5게임 동안 레이팅 숨기기
      • 레이팅이 급락하는 것을 보지 않도록
    • 코치와 플레이, 친구와 플레이, 봇과 플레이 등 다양한 경로
    • 실시간 힌트: 실제 사람과 플레이하면서 어디로 이동해야 하는지 가이드
      • 승리를 도와줌

팀 구축에 대한 반직관적 교훈

  • 전통적인 채용 방식

    • JD(직무 설명서) 작성
      • 찾고 있는 다양한 특성 나열
    • 자사와 유사한 회사 숏리스트 작성
    • 그곳에서 채용 시도
    • 업계의 전형적인 기본 경로

  • Albert의 발견: 높은 주도성(High Agency)

    • 여러 소규모 스타트업과 Duolingo 경험에서 깨달음
    • 최고 성과자들의 특징
      • 매우 높은 주도성(Agency)
      • 클락 스피드(Clock Speed): 빠른 사고와 행동
      • 에너지
      • 미션에 대한 관심은 있지만 깊은 경험이 반드시 필요하지 않음
    • 경험이 오히려 목발(Crutch) 이 될 수 있음
      • 특히 AI로 기반이 빠르게 변하는 세상
      • 학습된 많은 습관을 의도적으로 버려야 함
      • 초심자의 마음(Beginner's Mind) 필요
    • 빠르게 반응하고 움직이는 사람 찾기
    • 빠른 학습 속도
    • 그런 회사들이 살아남고 번성할 것

  • 높은 주도성 식별 방법

    • 많은 부분이 면접 과정 밖에서 발생
    • 신호들
      • 질문의 유형: 실제로 제품을 시도하고 깊이 파고들었는가?
      • 레퍼런스
      • 면접 설정을 위한 커뮤니케이션
      • 대화에 가져오는 에너지
    • 많은 소프트 시그널 포착 가능
    • 시간이 지나면서 이러한 패턴 인식
    • 과거에는 질문과 루브릭에서만 읽고 다른 것은 신경 쓰지 않았음
    • 이제는 이러한 것들을 훨씬 더 균형 있게 고려
    • 바이브(Vibes) 요소 존재
    • 워크 트라이얼(Work Trial) 면접 방식 지지
      • 대화 면접 대신 일주일 정도 실제로 함께 작업

회사 규모 선택

  • Albert의 골디락스 존(Goldilocks Zone)

    • Google(대기업)부터 극소형 스타트업까지 경험
    • 자신에게 맞는 곳: 중간 규모 발견

  • 각 규모별 특징

    • 대기업 (Google)

      • 엄청난 규모 다루기
      • 동료로부터 많은 모범 사례 학습
      • 원하는 모든 도구와 기능 보유
      • 하지만 느리게 움직이는 경향
      • 물건을 배포하고 출시하기 어려움
      • 결국 약간 미치게 만듦

    • 극소형 스타트업

      • 매우 빠르게 움직임
      • 하지만 Albert의 모든 백발은 여기서 생김
      • 아무도 회사를 모름
        • 사람을 하나씩 채용
        • 사용자를 하나씩 확보
      • 빠르게 학습하고 많이 배포할 수 있지만
      • 세상에 큰 영향을 미치려면 매우 고될 수 있음
      • 일부는 하이퍼스케일하고 성공하지만
      • Albert는 한동안 이 길을 시도했으나 자신에게는 맞지 않았음

    • 중간 규모 (500~1,000명)

      • 규모 있는 기여 가능하면서도
      • 일일 및 주간 단위 속도로 실행 가능
      • 회사 전반의 노력을 볼 수 있으면서도
      • 세부 사항에 들어갈 수 있음
        • 실험 결과 읽기
        • 픽셀 살펴보기
        • 특정 팀과 협력
      • 10~20년 된 회사
        • 내구성 있고 이상적으로는 수익성
        • 좋은 리더십 팀
        • 여전히 많은 차원을 찾아야 함
        • 주요 변곡점에 있음
        • 정체되지 않고 역동적

  • 개인별 최적 단계

    • 모든 사람은 자신이 가장 빛나는 회사 단계 보유
    • Albert는 큰 기술 회사 → 극소형 스타트업 → 중간 규모 여정
    • 중간이 자신의 골디락스 존

실패 코너: Chariot 사례

  • 배경

    • San Francisco의 통근 셔틀 서비스
      • 15인승 셔틀
      • 여러 동네에서 샌프란시스코 다운타운으로 운행
    • 대중 버스 시스템과 Uber/Lyft의 중간
    • Albert가 제품 책임자로 근무
    • 핵심 서비스는 사용자들에게 매우 사랑받음
      • 신뢰할 수 있고 빠르며 충분히 저렴

  • 실패한 시도: Chariot Directly

    • 아이디어: 동적 경로로 활용도 개선
      • Uber/Lyft와 유사하게 더 혁신적으로 만들기
    • 드라이버가 고정 경로를 운전하지만
      • 여유 시간이 있으면 경로를 벗어나 집에서 픽업 가능
    • 시도했지만 결국 작동하지 않음

  • 배운 교훈

    • 1. 솔루션이 문제를 찾음

      • "이렇게 하면 좋지 않을까" 를 쫓아감
      • "이것이 우리 사용자이고 이것이 우리가 해결하는 문제"가 아님
      • "이것이 그들을 기쁘게 할 이유"가 아님
      • 문제가 아닌 솔루션에서 시작하면 안 됨

    • 2. 양면 시장(Marketplace) 고려

      • 한 명 이상의 최종 사용자 존재
      • 승객 앱에만 너무 집중
      • 드라이버가 경험의 많은 부담을 짊어짐을 깨닫지 못함
      • 운영팀도 마찬가지
      • 드라이버가 혼란스럽거나 불만족하면
        • 전반적인 제품 경험이 어려워질 수 있음

    • 3. 검증 전 PR의 위험

      • 서비스 출시 전 많은 PR 진행하여 입소문 냄
      • PR은 때와 장소가 있음
      • 하지만 고객이 확실히 원한다는 검증 전에 하는 것은 매우 위험
      • 출시 후 많은 매몰 비용(Sunk Cost) 발생
        • 끝까지 봐야 함
        • 성공을 보고 싶어 함

  • 회고

    • 10년 전 일이지만 여전히 생생하게 기억
    • 회사에서 좋은 시간 보냄
    • 3가지 이상의 핵심 교훈 포함
    • 이후 많은 제품을 구축하면서 전달된 교훈

라이트닝 라운드

  • 추천 도서

    • 현재 읽는 책

      • 4살과 1살 아이가 있어 대부분 어린이 책 읽음
      • Snuggle Puppy: 노래가 있어 딸이 크게 웃음, 마음이 따뜻해짐

    • 업무 추천 도서 : Ogilvy on Advertising

      • 40년 된 책이지만 실용적 예제로 가득
      • 카피와 크리에이티브에 대한 내용
      • 구식 광고이지만 실험 지향적 접근
      • 궁극적으로 중요한 것: 사용자를 행동으로 유도
      • 제품 구매가 목표
      • 영리한 광고나 섹시한 크리에이티브가 아님
      • 제품 및 라이프사이클 팀에 매우 사실

    • Dark Squares

      • Chess.com 공동창업자 Danny Wrench의 회고록
      • 체스계에서 매우 유명
      • 학대적 컬트에서 성장하며 체스 신동이었던 이야기
      • 믿을 수 없는 스토리
      • 현재 절반 정도 읽음
      • 함께 일하는 사람들의 과거가 얼마나 깊은지 모른다는 것을 상기
      • 체스보드의 어두운 칸과 어려운 과거를 동시에 의미
      • 이 팟캐스트 릴리즈 시점에 출간 예정

  • 인생 모토

    • 어머니의 명언: "평판보다 중요한 것은 없다"
    • 자선적 이해
      • 매일 내리는 작은 결정들
      • 사람을 어떻게 대하는가
      • 어떻게 나타나는가
      • 성격은 무엇인가
    • 이것들이 복리로 쌓여 놀랍고 놀라운 방식으로 문을 열어줌
    • 합류한 많은 회사가 비교적 가벼운 연결을 통해 옴
    • 이 팟캐스트도 함께 일했던 사람들이 출연한 것을 봄
    • 옳은 일을 하고 좋은 평판을 쌓으면 먼 길을 갈 수 있음
    • 반대편: 평판은 취약함
      • 잘못된 일을 하면 복구하는 데 오래 걸림
    • 평생 동안 머릿속에 남은 흥미로운 인생 모토

핵심 메시지

  • 깨달음: 실제 경험에 진실하게 임하는 것이 중요
    • 많은 교훈이 다른 사람들의 시도에서 나옴
    • 정신적 스펀지 역할
    • 다양한 것 시도
    • 흡수하고 즉시 실천
    • 작동하지 않는 것은 버리고 회사 요구에 맞게 진화
▲
t7vonn 1일전  [-]

최근 논란이 된 메신저 회사의 누군가와 비교되네요 ..

답변달기