토스 리더가 말하는 유저를 떠나지 않게 만드는 단 하나의 개념 | PO SESSION

https://www.youtube.com/watch?v=0KgOCKJ1PG4&ab_channel=%ED%86%A0%EC%8A%A4 

Retention & Activation 두 지표를 어떻게 개선할 수 있을까?

 

질문 1

유저에게 파워유저들이 하는 특정 행위를 강요했을 때 'Churn Rate이 안 올라가니까 파워유저로 전환되고 있을 것이다'라고 추측할 수 있는 걸까요? 파워유저가 됐을 수도 있고, 안 됐을 수도 있는데 그렇게 추측하는 배경이 있을까욤? 파워유저가 하는 행위를 했음에도 불구하고 Churn Rate이 올라가지 않았으면 해당 유저는 파워유저를 흉내냈으니 파워유저라고 볼 수 있는걸까요?

 

-> Churn Rate가 개선될 경우에 말이 되는 것.

 

질문 2

24시간 동안 다운타임이 있어도 트래픽이 좀 줄었다가 다시 회복된다고 말씀하셨는데 다른 대안이 많은 요즘 cc가 많이 떨어질 것으로 생각되었는데 토스의 초기 모델은 그런 적이 없었을까욤?

 

-> 토스 초기에는 장애가 굉장히 많았음. 하지만 cc 변동은 없었음.

 

질문 3

Outflow는 비율 단위인데 왜 Inflow는 정수 단위일까요? 일반적으로 Churn Rate는 유저수에 비례하지만 신규 유저수는 그렇지 않기 때문일까요?

 

-> 질문 그대로 Churn Rate는 유저수에 비례하지만 신규 유저수는 그렇지 않기 때문

 

질문 4 

cc에 시간 개념을 넣으면 어떻게 변화될까요? 복리처럼 천천히 일정하게 변하는 게 아니니까 속도에 가속도가 붙는 영향도 함께 봐야하지 않을까요?

 

-> cc와 MAU와의 GAP이 중요할 것으로 보이며 해당 내용은 실용적 활용이 어려울거 같음

 

Product Market Fit을 찾은 뒤 우리는 무엇을 해야 하는가?

 

1. Plateauing Cohort Retention

 

a. Cohort Chart가 중요한 건 Retention의 Plateau가 생겼냐 아니냐를 보고 PMF를 판단하기 때문

b. PMF를 찾았다는 것의 의미

    i. 제품이 어떤 구조여야 한다는 걸 알게됨

    ii. 우리의 고객은 누구인지 찾음 (Retention된 고객)

 

2. Startup vs Not Startup

 

It can be separated by the size of Uncertainty about product and market and customer.

                    (Lean Startup)                   (MBA/Management)

Uncertainty ---------------> Certainty ------------------->

 

 

3. PMF를 찾은 뒤 우리가 당장 해야할 일 - Retention Curve를 분석 및 개선해야 함

 

a. AARRR에서 뒤에서부터 계산해야함

b. Retention 고치고 Activation 고치고 그 다음 Acquisition을 개선해야함.

c. Churned Customer는 UT를 통해 Churn 원인을 파악

d. Retained Customer는 Data Analysis를 통해 Retain하는 이유 파악

e. UT를 왜 해야할까? -> cc를 늘리는 기준이 됨

 

 

4. 이탈 그룹에 대한 Usability Test

a. 우리가 채우지 못하는 Usecase가 무엇인지 알 수 있습니다.

b. 장기적으로 우리가 Carrying Capacity를 높이기 위해 어떤 기능과 솔루션을 도입해야하는지 알 수 있습니다.

c. 유저에게 물을 때 '왜 우리 것을 사용하지 않나요?'라고 묻지 말고, '당신은 ~~의 목적을 달성하고자 할 때 무엇을 사용하나요?' 라고 물어야 목적을 달성할 수 있습니다.

d. 많은 경우 5번의 UT로도 동일한 문제에 대해 상당히 일관된 답을 들을 수 있습니다.

e. 하지만 이승건 대표의 경우 시장 기회에 대한 직감과 패턴을 발견하기 위해 20번 이상의 UT를 하기도 합니다.

f. 이 UT는 Retention을 개선하는데 당장의 도움이 되지 않습니다. 

g. 장기적인 관점에서, 우리가 앞으로 커버해야하는 Usecase를 발견하기 위해 UT를 진행합니다.

 

5. 유저그룹에 대한 Data Analysis

 

Retention Curve

% Active / Time curve get flatten over time proves PM fit achieved.

This leads to ...

1) What/Who is that market?

2) How big is it?

 

Identify the characteristics of those that retained vs those that didn't?

 

Basic segments

A. Key Demographics (Sex, Age, Location, Industry, Company Size, etc)

B. Time

C. User Source.

 

이 Retention의 높이가 기업의 Valuation을 결정

 

Retention이 20% 밑일 경우 회사 운영이 어려움.

40% 정도면 유니콘,

70% 이상이면 산업혁신.

 

페이스북이 처음 런칭했을 때 Retention이 68%

 

6. Aha moment에 대하여

 

a. 제품의 핵심가치를 경험하는 순간 서비스를 계속 쓰게 되는 특이점(Singularity).

b. 이 행동을 한 유저의 95%가 리텐션이 생기는 행동

 

c. 정량적으로 정의되는, 유저가 서비스에 남게 되는 결정적인 순간

d. 정성적으로도 상식적인 인과관계가 있는 순간

e. Simplicity, not Science.

    - 아주 단순한 산수. 팀원들이 무지성 추종을 하게 되는 단순한 한 문장(O)

    - 복잡하고 정교한 분석 결과 (X)
f. 연역추리와 귀납추리 모든 과정을 통해 찾는 것이 적절

g. Retention 개선을 위한 Silver bullet이 아니다.

 

ex) 토스의 경우 4일 이내에 2번 송금하는게 Aha moment였음

-> 고로 모든 직원들이 4일 이내에 2번 송금하도록 일하는 게 공통 목표였음.

 

이렇듯. Aha moment를 발견하고 모든 직원이 해당 moment에 집중해서 달성하도록 설계하는 것이 중요.

 

 

7. Aha moment의 형태

a. XX

-> 만든 서비스가 가치가 있다면(이미 PMF를 찾은 후이므로), 그 서비스의 핵심 가치를 경험할 때 (간편 송금이라면 송금한다라는 activation의 정의조항)을 한번 경험하면 그 가치를 전달받게 됩니다. 그래서 결국 그 XX라는 행동을 여러 번 하게 하는 것이 리텐션을 만드는 가장 좋은 무기가 되는게 상식인거죠. (만약 아직 Retention이 없다면, PMF를 찾기 전인거고, 그렇다면 아직 서비스에 가치가 없기 때문에 Aha Moment를 찾을 때가 아닙니다)

 

b. YY

-> 매일 매일 많은 서비스속에서 복잡한 삶을 사는 인간들은 어떤 서비스를 경험했을 때 오랫동안 기억하거나 상기하지 않습니다. 즉, 일정 시간이 지나면 그 서비스를 써보려고 했었다는 것을 잊어버리게 되는 거죠. 그래서 가입한 후에 너무 많은 시간이 지나기 전에 그 서비스를 사용하도록 가치제안을 해야 합니다.

 

c. ZZ

-> 아주아주 훌륭한 서비스가 아니라면 대부분의 경우 그 서비스를 한 번 경험해서는 그 서비스를 계속 쓰도록 유도되지 않습니다. 그래서 여러 번 경험시켜야만 보통 리텐션이 생길 수 있습니다. XX가 아주 훌륭한 Recurring Value면, ZZ는 1번만일 수도 있지만, 대부분의 경우 그렇지 않고 보통 2~10번이어야 하는 경우가 많습니다.