[TOP PRINCIPLES 3] 성장 인사이트를 끌어내라

https://brianbalfour.com/essays/growth-insights

[Top 5 Principles for High Performance Growth Teams]

1. 학습을 극대화하라

2. 임팩트에 집중하라

3. 성장 인사이트를 끌어내라

4. 끊임없는 변화를 받아들여라

 

성장은 예술인가, 과학인가? 누군가는 새로운 그로스 해킹 크리에이티브를 찬양한다. 다른 누군가는 성장을 양적으로 계량하고 분석하는 뛰어난 인재들의 작업에 환호한다.

 

그러나 우리는 올바른 질문을 하고 있을까?

 

창조성은 스토리텔링, 카피라이팅, 독창적인 광고 크리에이티브, 전례없는 성장 전략과 같은 새로운 아이디어를 가져다 준다. 그러나 수량을 다루는 과학적 접근법은 가장 커다란 friction point를 측정하고, 기회영역을 검증하며 사용자 행동 패턴을 이해할 수 있게 해 준다.

 

따라서 '예술과 과학 사이의 균형을 어떻게 맞춰야 할까'가 더 나은 질문이다. 진정한 그로스 팀은 성장을 가속시키기 위해 두 가지를 결합하는 방법을 찾아낸다.

 

 

수학과 수치는 거짓말하지 않지만, 모든 것을 알려주는 것도 아니다

인사이트를 이끌어내는 정보에는 세 가지 소스가 있다:

 

1. 양적 정보

2. 질적 정보

3. 개인의 지식/비전/가치관 (i.e. 직관)

 

세 가지 정보의 균형과 비중은 당신의 비즈니스 모델과 성장 단계에 따라 달라진다. 두 가지 일반적인 규칙이 있다면:

1. B2C 제품은 B2B에 비해 양적 정보를 더 많이 활용하게 되는데, 이는 대규모 사용자 풀과 사용자 데이터 덕분에 가능하다.
2. 성장주기 후반에 위치할수록, 양적 정보를 더 적극적으로 활용해야 한다. 정보량이 충분치 않다면 거기서 얻을 수 있는 인사이트도 적을 것이다.

각각의 정보는 고유한 목적을 지닌다.

 

 

양적 정보 

우리는 인간으로서 아래와 같은 실수를 저지르기 쉽다:

1. 성공 가능성을 과대평가한다
2. 성공의 임팩트를 과장한다
3. 성공을 거뒀을 때, 성공의 요인을 알고 있다고 자신한다

위의 세 가지는 무척 위험한 실수들이다. 이들은 인사이트를 감추고 당신을 잘못된 길로 인도한다. building a growth machine 포스팅에서 살펴보았듯, 인사이트는 그로스 머신의 원동력이다. 그 핵심이 되는 데이터는 우리가 내리는 의사결정과 그 결과물에 대하여 더 정직하고 정확한 관점을 유지할 수 있도록 돕는다.

 

우리의 팀은 크게 세 가지를 평가하기 위하여 데이터를 사용하는데:

1. 기준선(baseline) - 우리가 현재 어디에 위치해 있는가
2. 목표치(ceiling) - 특정 영역을 개선하기 위해 무엇이 가능한가
3. 성공가능성 (sensitivity) - 기준선을 개선했을 때 발생하는 임팩트는 무엇인가

간단한 예를 들어보자. 당신은 리텐션이나 바이럴을 개선하기 위해 무엇을 해야 할 지 결정하고자 한다. 제한된 자원으로 두 개를 모두 할 수 없다면 무엇을 고를 것인가? 대부분의 회사에서 이러한 의사결정은 감놔라 배놔라 하는 수많은 "느낌적 느낌"의 잣대로 결정된다. 통탄할 일이다.

 

더 쉽고 더 나은 의사결정을 위해, 리텐션과 바이럴 영역에서 당신이 위치한 지점을 파악하고, 당신이 개선할 수 있다고 생각하는 "근거있는" 가설을 세우고, 그러한 개선 작업이 시간에 걸쳐 어떤 효과를 만들어내는지 이해하기 위해 데이터를 사용하라.

 

 

질적 정보

양적 지표만이 데이터가 아니다. 어째서 핵심 지표가 개선되지 않는지를 이해하기 위해, 우리는 사용자에게 물어볼 필요가 있다. 대부분의 사람들은 사용자 간담회를 떠올릴 것이다. 그러나 이는 큰 규모로 실행하기 어렵다.

 

대규모 청중을 대상으로 하는 Sidekick과 같은 제품들 대신, 우리는 사이트 내 메시지와 이메일을 통한 1:1 질적 데이터를 수집한다. 쉬운 예로, 당신은 많은 사용자들이 제품을 2달 간 사용하고 이탈한다는 양적 정보를 확인했다고 치자. 이러한 문제 영역에 대한 지침을 얻기 위해 우리는 해당 데이터에서 그 행동을 보인 사용자 리스트를 뽑은 뒤, 이메일을 통해 '왜 제품을 더 이상 사용하지 않는지' 1:1로 물어볼 것이다. 

 

 

직관

질적, 양적 정보는 우리가 WHAT과 WHY를 이해하도록 도와주지만, 솔루션을 주지는 않는다. 이들이 솔루션까지 줄 수 있다면 그냥 로봇을 만들어 제품을 만들도록 하면 될 것이다. 우리는 가능성 있는 솔루션을 떠올리기 위해 직관을 이용해야만 한다. '가능성 있는'이라는 단어를 반드시 기억하길 바란다. 우리는 우리가 솔루션을 알고 있다고 생각하지만, 궁극적으로 우리의 아이디어는 그저 가설에 불과하며 양적, 질적 정보를 통해 검증되어야만 한다.

 

 

데이터에 헌신하라

모든 그로스 팀은 데이터를 파고들어야 한다. 데이터와 관련한 세 가지 흔한 실수들을 소개하자면:

 

1. 투자

대부분의 그로스 팀은 Data Instrumentation(데이터 툴 및 환경 갖추기)과 데이터 시각화와 관련하여 충분한 시간을 쓰지 않는다. 이러한 관점에서 Ooga Labs의 James Currier는 500 Startups 프레젠테이션에서 초기 스타트업 팀은 Data Instrumentation과 분석 인프라 구축에 33%-50%의 시간을 할애해야 한다고 조언했다. 기능 배포는 세부적인 측정이 이루어지기 전까지는 완료된 것이 아니다. 

 

대부분의 팀들은 개발하고자 하는 기능 목록이 존재할 때 우선순위를 헷갈려한다. 그러나 측정 없이 기능을 개발하는 것은 눈을 감고 길을 걷는 것과 마찬가지임을 기억하라.

 

2. 질적 데이터

어떤 팀들은 질적 데이터 수집에 충분한 시간을 들이지 않는 반면, 또 어떤 팀들은 질적 데이터를 아예 수집하지 않기도 한다. 매우 세분화된 타게팅이 가능한 사용자 서베이를 가능케 하는 시스템을 반드시 구축하라 - 온사이트, 이메일, 기타 등등. Intercom과 같은 도구들은 이러한 질적 데이터 수집에 큰 도움을 준다. 최고의 시스템은 행동 데이터를 바탕으로 한 핵심 사용자군에게 정기 설문을 진행하여, 지속적으로 트랜드를 측정하는 것이다.

 

3. 데이터 분석

데이터 수집, 분석 환경을 갖추는 것은 시작에 불과하다. 데이터를 분석하고, 시사점을 도출하고, 시사점을 아이디어로 구체화하는 것이 진정한 핵심이다. 사용하지도 않는 데이터를 수집하는 것은 아무런 의미가 없기 때문이다. 그로스 PM의 핵심 업무는 데이터 분석이 되어야만 한다. 당신이 더 큰 팀에 있다면, 각 팀마다 전담 데이터 분석가를 배치함으로써 전속력으로 성장할 수 있을 것이다.

 

4. 접근성

당신의 팀이 의사결정을 위해 데이터를 쓰고자 한다면, 가능한 접근하기 쉽게 만들어라. 만약 데이터 접근성이 낮다면 당신의 팀은 데이터를 분명히 덜 사용하게 된다. 사업 초기 단계부터 Mixpanel과 같은 도구를 사용하라. 시간이 지나 더 높은 유연성과 커스터마이징이 필요하다면 사업에 필요한 데이터 인프라를 직접 구축하는 데 투자하라.

 

 

이 원칙을 적용하는 방법

이 원칙을 적용하기 위한 구체적인 방법들을 소개한다: 수학과 숫자는 거짓말하지 않지만, 모든 것을 말해주지도 않는다.

 

성장 모델 구축하기

우리는 장기간에 걸친 변화들의 효과를 이해하고 시각화하는 데 도움을 주는 수치적 모델을 만든다. 이 모델은 '다음 1-3개월 간 집중해야 할 가장 임팩트가 큰 기회영역은 무엇인가?'와 같이 거시 수준에서의 의사결정을 돕는다. 이러한 모델이 없다면 중장기적인 변화와 효과를 파악하는 것이 매우 힘들어진다.

 

목표 설정하기

우리는 목표 설정 프레임워크로서 OKR's(Objective and Key Results)를 사용한다. 내가 이 프레임워크를 좋아하는 이유 중 하나는 OKR's는 성공의 요소로서 양적 정보와 질적 정보를 결합하기 때문이다. 목표(Objective)는 질적으로 기술된다. 목표의 근거가 되는 "why"에 해당하는 부분이다. 핵심 결과(Key Results)는 우리가 목표를 달성하고 있는가를 알려주는 양적 측정값에 해당한다.

 

가설 수립하기

우리가 진행하는 모든 실험에는 가설이 요구된다. 이 가설은 해당 실험의 임팩트에 대한 예측도 포함된다. 모든 가설은 또한 임팩트 예측을 중심으로 한 가정, 전제들의 목록도 담겨 있다. 이러한 전제들은 양적이거나, 질적이거나, 양측을 포함할 수도 있다. 핵심은 결코 엉성한 근거를 바탕으로 결정하지 않는 것에 있고, 실행에 옮기는 실험들은 목적을 갖고 선택되어야 한다.

 

실험 분석하기

모든 실험은 성공과 실패에 상관없이 팀 전체가 분석에 참여해야 한다. 우리는 가능한 모든 것으로부터 학습점을 뽑아내고자 한다. 이러한 분석들은 질적, 양적 요소를 아우른다.

 

우리는 무슨 일이 일어났는지 살펴본다. 실제로 발생한 수치적인 임팩트는 무엇인가? 우리가 세웠던 수치적 가정들 중 무엇이 옳았고, 무엇이 틀렸었나? 결과 수치는 이러한 질문에 대한 답을 제공한다.

 

더 중요한 것, 우리는 'why'를 묻는다. 어째서 우리가 그 수치적 결과들을 기대할 수 있는가? 어째서 우리의 가정이 맞았고, 어째서 틀렸나? 우리는 다양한 실험 그룹들의 사용자 행동을 살펴봄으로써 why에 대한 이해를 얻을 수 있다. 이러한 why는 다음에 진행해야 할 추가 실험 아이디어나 액션 아이템으로 우리를 이끌어줄 것이다.

 

 

---

 

[Top 5 Principles for High Performance Growth Teams]

1. 학습을 극대화하라

2. 임팩트에 집중하라

3. 성장 인사이트를 끌어내라