20일차 수업 - Lean Start Up

가설을 빠르게 검증하며 만드는 법

 

1. 가설기반한다

2. 검증된 학습으로 한다

3. Build - Measure - Learn

 

만드는건 쉬워졌기 때문에 만드는게 중요한게 아니다

가설에 무게를 좀더 실어야 한다

 

비즈니스 모델 캔버스란?

2010년 알렉산더 오스터왈더(Alexander Osterwalder)가 고안한 프레임워크입니다. 이미 어느 정도 검증된 비즈니스, 또는 기존 기업이 자신의 비즈니스 모델을 시각화하고 전략을 정리할 때 주로 활용합니다. 9개의 블록으로 구성되어 있으며, 고객·가치·운영·수익 네 가지 관점을 균형 있게 담습니다.

 

린 캔버스란?

애시 마우리아(Ash Maurya)가 BMC를 스타트업에 맞게 변형한 버전입니다. "검증되지 않은 가설을 빠르게 테스트한다"는 린 스타트업 철학을 기반으로 합니다. 핵심 파트너십·핵심 자원·핵심 활동 같은 운영 블록을 빼고, 대신 문제·해결책·핵심 지표·경쟁 우위를 넣었습니다. 아직 시장도 제품도 확정되지 않은 초기 단계에서 무엇이 가장 위험한 가정인지 빠르게 찾는 데 집중합니다.

 

 

하지만 강사님은 비즈니스 모델캔버스는 이미 진행중이 사업에 적합하기 때문에

초기나 스타트업을 하는 우리에게는 린캔버스가 좀더 적절한 도구라고 했다

 

 

클로드 답변이 아니라 강사님이 수기로 적은 거인줄!

항상 어디가나 강조하지만 해결하려는 문제가 진짜 문제인지 검증하는것이 핵심이다

 

 

Build Measure Learn

 

빠르게 만들고 측정하고 측정한값으로부터 배워서 수정하는 방식이다

 

 

예전엔 팔릴것 같은 서비스를 우선 만들고 나서 시장반응을 봤다면

이제는 만드는것은 어렵지 않기 때문에 먼저 빠르게 시장을 탐색하고 시도해보는방식을 말한다

 

요컨데 SNS나 커뮤니티 등을 십분이용해서 시장의 반응을 빠르게 확인하고 그에 맞는 대응을 하는 방식이다

 

 

MVP란 무엇인가?

 

정말 핵심기능에 몰빵한 서비스를 말한다

절대 Builder's Trap에 빠지면 안된다

많은 창업자들이 MVP를 만든다고 하지만 막상 결과물을 보면

너무 많은 기능들이 혼재하기 때문에 이용자 입장에서

무엇을 위한 서비스인지 알수없게 되는 경우가 많다

 

이제 기능을 구현하는것은 대단한 일이 아니다

그 서비스가 명확히 어떤문제를 해결하려는건지 사용자들에게 보여져야된다

 

 

 LLM's Blind Spot

 

LLM을 서비스에 사용할때 우리가 반드시 조심해야하는 여섯가지 숨겨진 지점

1. 환각 Hallucination - 치명적인 위험

우리가 사용할때도 가장 위협적이다. 없는사실을 마치 있는 것처럼 속여서 말하기 때문에 사용자의 신뢰를 치명적으로 잃을 수 있다

2. 맥락 누락 Omission - 높은 위험

본인은 비건이라고 분명 알려줬는데 레시피를 물었을때 닭고기 레시피를 알려주는 예를 들 수 있다. 사용자의 맥락을 전부 기억하지 못하거나 잊어버림으로써 생기는 문제. 사용자로 하여금 치명적인 신뢰성 위협을 야기할 수 있다

3. 톤 어긋남 Tone Drift - 위험

화난 챗봇에게 와우 신나는 질문이네요! 항상 LLM의 톤을 잘 정리해서 신뢰를 잃지 않도록 해야한다

4. 잘못된 형식 Format Drift - 위험

Json형식의 결과를 얻어야하는데 XML형식으로 주는 예를 들 수 있다. 시스템의 에러까지 야기할 수 있는 문제

5. 불안전 응답 Unsafe Reply  - 치명

응급의료환자에게 자가진단방법 알려줌. 의료문제나 법적 문제등 민감한 문제는 반드시 조심해야한다

6. 조용한 드리프트 Silent Drift - 높은 위험

모델 업그레이드 후 잘못된 대답. 항상 LLM의 최신상태를 확인해서 서비스의 신뢰를 잃지 않도록 한다

 

 

위의 내용들은 서비스에 LLM을 사용할 떄 뿐만아니라 우리가 AI를 사용함에 있어 전반적으로 항상 고려해야하는 부분들이다

항상 조심해서 문제가 없도록 하자

 

 

 

Measure Method1 - YC 핵심지표

 

 

Y Combinator는 매주 화요일, 모든 배치 스타트업에게 단 5가지 지표만 보고하게 한다. 복잡한 대시보드 없이, 이 다섯 숫자로 사업의 건강을 진단한다.

---

01. Weekly Growth Rate (주간 성장률)

Paul Graham이 "이것 하나만 봐도 된다"고 한 지표다. 주간 성장률 5~7%면 좋은 수준, 10% 이상이면 폭발적, 2% 미만이면 위험 신호다.

측정 방법: (이번주 활성 사용자 − 지난주 활성 사용자) ÷ 지난주 활성 사용자 × 100

 

성장의 정의를 어떻게 하느냐에 따라 다르다

---

02. Retention D7 / D30 (리텐션 곡선)

YC 기준으로 D7 40% 이상, D30 20% 이상이면 PMF에 근접한 것으로 본다. 숫자 자체보다 곡선이 수평으로 평평해지는 것(smile curve)이 핵심이다. 곡선이 0으로 수렴하면 제품에 구조적 문제가 있다는 뜻이다.

측정 방법: 가입 7일 / 30일 후, 다시 활성한 사용자 비율

---

03. Default Alive / Dead

Paul Graham이 2015년에 정리한 개념이다. 현재 성장률과 번레이트 기준으로, 현금이 떨어지기 전에 흑자 전환이 가능하면 Default Alive, 불가능하면 Default Dead다. 매주 다시 계산해야 한다.

측정 방법: 월매출 성장률 + 고정비 + 현금 잔고를 넣고, 흑자 도달 시점을 시뮬레이션

---

04. Sean Ellis Score (PMF 여부)

"이 제품이 내일 사라진다면 얼마나 실망하겠어요?"라는 질문에 "매우 실망"이라고 답한 비율이 40% 이상이면 PMF로 본다. 활성 사용자 40명 이상을 표본으로 설문해야 유의미한 수치가 나온다.

측정 방법: "How disappointed if this product disappeared?" — Very disappointed / Somewhat / Not disappointed

---

05. LTV / CAC (비즈니스 지속 가능성)

LTV가 CAC의 3배 이상이면 건강한 구조, 1배 미만이면 고객을 획득할수록 손해를 보는 상태다. CAC 회수 기간은 12개월 이내를 권장한다.

측정 방법: LTV = ARPU × 평균 생존 기간 / CAC = 광고비 ÷ 신규 고객 수 → LTV ÷ CAC

---

성장하고 있는가(01), 돌아오는가(02), 버틸 수 있는가(03), 필요한 제품인가(04), 벌 수 있는가(05).

 

특히 개인적으로는 Sean Ellis Score를 달성하면 성공가도에 올라가있는 사업이라고 생각 할 수 있는것 같다

없어진다면 화를 내는 고객들이라니... 생각만으로돌 가슴이 뛴다

 

Measure Method 2 - Interview

 

 

1. 사용자 인터뷰 (User Interview) "이 문제, 진짜 문제인가?"

제품을 만들기 전, 문제 자체를 검증하는 인터뷰다. Rob Fitzpatrick의 Mom Test 방법론을 따른다. 핵심 원칙은 "당신 같으면 쓰겠어요?" 같은 가정형 질문을 절대 하지 않는 것이다. 미래 의향은 거짓말이 많기 때문이다.

대신 과거 행동만 묻는다. "지난주에 X 상황이 생겼을 때 어떻게 하셨어요?" 이런 질문이다.

초기(P0~P3) 단계에서 일주일에 5명씩 진행하는 것을 권장한다. 5~10명이면 패턴의 80%가 잡힌다. 결과는 페르소나를 다듬거나, 위험 가설을 추출하거나, 랜딩 페이지 카피 재료로 쓴다.

---

2. 사용성 인터뷰 (Usability Test) "이 솔루션, 진짜 쓸 수 있나?"

제품을 만든 후, 사용성을 검증하는 인터뷰다. Jakob Nielsen의 Think Aloud 방법론을 쓴다. 사용자에게 실제 작업을 시키면서 "지금 무슨 생각하세요?"라고 물으며 관찰한다.

랜딩 페이지, 데모, MVP 출시 후 매 버전마다 진행한다. Nielsen 연구에 따르면 5명만 테스트해도 사용성 문제의 85%를 발견할 수 있다. 결과는 UX 버그 발견과 이탈 지점 파악에 쓴다.

---

3. AI로 인터뷰 분석 자동화하기

인터뷰가 쌓이면 분석이 병목이 된다. 아래 방식으로 자동화할 수 있다.

녹음본은 Whisper나 Daglo로 텍스트로 변환한다. 변환된 스크립트는 Claude에 넣어 "10개 인터뷰에서 공통 페인 5개와 단어 빈도 표로 정리해줘"라고 요청하면 패턴을 빠르게 추출할 수 있다.

JTBD(Jobs-To-Be-Done) 도출도 자동화할 수 있다. "이 인터뷰에서 JTBD를 추출해줘. When / I want to / So I can 형식으로"라고 프롬프트를 쓰면 된다.

감정 흐름 분석도 가능하다. "각 발화를 좌절·희망·분노·만족으로 감정 태깅하고, 가장 강렬한 부분 3개를 뽑아줘"라고 요청하면 어느 지점에서 사용자가 가장 큰 감정을 느끼는지 파악할 수 있다.

---

요약하면, 숫자가 이상하면 사용자 인터뷰로 문제를 찾고, 제품이 안 쓰이면 사용성 인터뷰로 원인을 찾는다. 분석은 AI로 빠르게 처리한다.

 

 

그럼 해당방법들을 통해서 현재 사업의 척도를 측정했다면 다음스텝은 어떻게 해야되는 것일까?

 

Measure 그후

 

1. Persevere (지속) — 방향은 맞다, 가속만 하면 된다

YC 지표가 개선 추세이고 Sean Ellis Score가 30% 이상일 때 선택한다. 방향 자체는 옳다는 신호다. Build 단계를 유지하면서 같은 가설로 더 큰 코호트를 대상으로 실험한다. AI는 A/B 테스트 자동화로 최적화 속도를 높이는 데 쓴다.

---

2. Iterate (반복 개선) — 방향은 맞는데, 특정 부분이 약하다

핵심 가설은 통과했지만 특정 기능이나 지점에서 문제가 발생할 때 선택한다. Build 전체를 되돌리지 않고, 약한 노드 하나만 Demo 단계로 되돌려 빠르게 재검증한다. AI는 프롬프트 수정, RAG, Fine-tuning으로 해당 부분을 개선하는 데 활용한다.

---

3. Pivot (피봇) — 핵심 가설은 틀렸지만, 다른 패턴이 보인다

핵심 가설이 실패했더라도 인터뷰나 데이터에서 다른 유의미한 패턴이 발견됐을 때 선택한다. Build까지 갔다가 Sell → Demo 순서로 한 단계씩 되돌아간다. 새 가설을 세우고 데모부터 다시 시작한다. AI에게 "이 데이터에서 어떤 피봇 타입을 추천하는가"를 물어 방향을 잡는 데 활용할 수 있다.

---

4. Kill (중단) — 전부 바꾼다

핵심 가설이 실패하고, 정성 인터뷰도 회의적이고, Default Dead 상태까지 겹쳤을 때 선택한다. 미련 없이 P0으로 돌아가 다음 아이디어로 넘어간다. 지금까지 쌓인 인터뷰 데이터를 Claude에 넣고 새 아이디어 브레인스토밍 재료로 활용한다.

 

 

 

네가지중에 가장 눈여겨 봐야할 부분은 Pivot이다

사업의 방향을 트는건데, 우리는 항상 진행중인 사업을 진행하면서 인터뷰를 통해 내가 생각했던 문제를 뒤엎을 수 있어야한다

토스도 빠르게 송금하는게 목표라고 생각했었는데 알고보니 공인인증서 없이 송금을 하는게 고객의 니즈라는 점을 확인 할 수 있었다

우리도 과연 가능한가?

 

Pivot의 여러가지 유형

 

1. Zoom-in — 한 기능이 전체 제품이 된다

여러 기능 중 사용자가 유독 하나에만 집중한다면, 그 기능 자체를 제품으로 만드는 방식이다. 나머지를 버리고 핵심 하나를 깊게 판다.

2. Zoom-out — 전체 제품이 더 큰 솔루션의 일부가 된다

반대 방향이다. 지금 만든 제품이 단독으로는 충분한 가치를 못 내지만, 더 큰 솔루션의 한 기능으로 편입되면 의미가 생기는 경우다.

3. Customer Segment — 같은 제품, 다른 고객

제품은 그대로인데 타겟 고객이 틀렸을 때 선택한다. 예상한 고객이 아닌 전혀 다른 집단이 더 열렬히 쓰고 있다면, 그쪽으로 타겟을 옮긴다.

4. Customer Need — 같은 고객, 다른 문제

고객은 맞는데 우리가 풀려던 문제가 틀렸을 때다. 인터뷰를 하다 보면 원래 가설과 다른 더 큰 고통이 발견되는 경우가 여기 해당한다.

5. Platform — 앱과 플랫폼 사이

단일 앱을 플랫폼으로 확장하거나, 반대로 플랫폼을 단일 앱으로 좁히는 방식이다. 직접 서비스하던 것을 외부 개발자가 그 위에 쌓을 수 있게 열어주는 것이 대표적이다.

6. Business Architecture — B2C와 B2B 사이

소비자 대상으로 시작했는데 기업 고객이 더 반응하거나, 반대의 경우일 때 선택한다. 수익 구조와 영업 방식이 완전히 달라지기 때문에 가장 큰 변화를 수반하는 피봇 중 하나다.

7. Value Capture — 수익 모델을 바꾼다

제품과 고객은 그대로인데 돈을 버는 방식을 바꾸는 것이다. 광고 기반에서 구독으로, 구독에서 거래 수수료로, 또는 그 반대 방향으로의 전환이 여기 해당한다.

8. Engine of Growth — 성장 엔진을 교체한다

Viral(공유 기반), Sticky(습관 기반), Paid(광고 기반) 세 가지 성장 엔진 중 지금 엔진이 작동하지 않을 때 다른 엔진으로 바꾸는 것이다. 제품보다 마케팅과 리텐션 전략이 바뀐다.

 

 

AI시대에 함정

 

RULE 01 - 속도가 목표 아님 — 학습이 목표

"72시간에 만들 수 있다"고 — 그게 만들어야 한다는 뜻은 아님.

 

RULE 02 - 능력이 곧 함정

AI 도구가 강력할수록 — 전부 만들고 싶은 유혹. 저항하라.

 

RULE 03 - 의도적으로 — 미완성 출시

옛날엔 어쩔 수 없어서. 지금은 — 전략적 선택으로.

 

RULE 04 - 사용자가 무엇을 만들지 말하게 하라

질문 · 요청 · 좌절 · 지불 의사를 관찰. 그제서야 만든다.

 

RULE 05 - "기능 한 개만 더" 증후군

AI 시대엔 — "한 개만 더"가 — 2시간. 위험. 검증 전 모든 기능은 — 추측.

 

 

강사님이 수업동안 이미 100번 정도 얘기했던 것 들이다

자주 했던 얘기

문제정의가 핵심이다

Builder's trap에 빠지지말아라

 

 

또 뭐있더라

 

그런데 어떻게 생각하면 첫번째 말속에 두번째 말도 숨어있다

문제 정의를 확실히 해서 그 문제를 해결할 생각을 해야지

내가 만들수 있는 능력이 있다고 아무 기능이나 넣어버리면 고객은 오히려 혼란스러워한다

 

그런데 토스 얘기를 하시면서 토스도 완벽하지 않더라도

우선 문제정의가 된것을 일단 출시한다는 이야기를 하셨었는데

항상 고민이 드는것은 "인터뷰를 하다가 언제쯤 되어야 문제정의가 확실하다는 생각이 들까?" 하는 의문이었다

 

1. 많은 고객이 서비스를 만들어 달라고 한다 - 몇명이나?

2. 많은 고객이 문제 때문에 굉장히 괴로워 한다 - 그런고객 몇명? 얼마나 어떻게 괴로워해야되는건가?

 

 

수많은 인터뷰를 하다 보면 감이 올까?

 

 

 

예전과 현재의 Lean Canvas 비교하기

 

예전 - 5/8(인터뷰 0명)

현재 - 5/23(인터뷰 3명)

문제 (Problem) - 고객이 겪는 상위 1~3가지 핵심 문제 P1 아침에 준비할때 실시간으로 시간을 알수가 없어 지각하게된다. P2 약속에 준비할때 실시간으로 시간을 알수가 없어 약속에 늦게된다. P3 집에서 나가서 처음 타야되는 대중교통이 언제오는지 몰라서 지각하게된다. ㄴP1이랑 P2가 같은거 아닌가? 이렇게 쓰는게 맞나 고객 세그먼트 (Customer Segments) - 타겟 고객군, 얼리 어답터 Target - 모든 약속에 늦는게 습관인 사람들 Early - 출근을 지각하는 습관을 고치지 못해 고통받는 사람들  고유 가치 제안 (Unique Value Proposition) - 왜 고객이 우리를 선택해야 하는가 약속에 늦는 모든사람들이 1분이라도 시간을 몰라서 늦게되는 일이 없도록 우리는 음성으로 시간을 제공해서 늦지않게 하고 더 나아가 자꾸 늦게되는 습관을 고치도록 도와주겠다. 해결책 (Solution) - 각 문제에 대한 핵심 기능/해결 방법 S1 음성으로 시간을 알려줘서 모든 준비를 하는 도중에 시간을 알게한다. S2 음성으로 시간을 알려줘서 모든 준비를 하는 도중에 시간을 알게한다. S3 내가 타야하는 대중교통이 현재 어디고 내가 타는 정류장까지 얼마나 걸리는지 알려준다. ㄴP1P2가 유사해서 S1S2가 유사 채널 (Channels) - 고객에게 도달하는 경로 무료 : SNS컨텐츠, 입소문/바이럴, 커뮤니티 유료 : SNS광고 수익 구조 (Revenue Streams) - 어떻게 돈을 버는가 광고, Freemium ㄴ가능하다면 Freemium보다는 구독이 수익성이 좋을 것 같지만 과연 구독해줄까? 구독을하게하려면 그에 합당하는 충분한 서비스가 주어져야될 듯 비용 구조 (Cost Structure) - 주요 지출 항목 광고비 ㄴ이 솔루션의 장점이지않을까? 핵심 지표 (Key Metrics) - 성과를 측정하는 주요 수치 앱 다운로드 수, 전환율(얼마나 결제하는지) 경쟁 우위 (Unfair Advantage)쉽게 복사할 수 없는 차별화 요소 잘모르겠음 ㄴ현재는 경쟁우위가 좀 아쉽다... 경쟁우위라기 보다는 본인한테 커스텀하는 시간이 오래걸리면오래걸릴수록 타 앱을 갈아타기 귀찮은점을 노려본다.

PROBLEM: 내가 풀려는 상위 3개 문제 + 기존 대안 준비시간을 못맞춰서 지각하게됨 준비하는 동안 연속적으로 시간을 알수없음 내가 탈 대중교통이 어딘지 빨리 알고싶음 알람 백마흔삼천개 설정하기 수시로 시계보기 가면서 지도맵켜서 대중교통 어딘지 확인하기 CUSTOMER SEGMENTS: 타깃 + 얼리어답터 페르소나 약속에 자주늦는 사람 2030 직장에 자주 늦어서 사회적 개인적인 피해가 막심한 직장인 UVP: 한 줄 가치 제안 + High-level concept 1분1초도 놓치지 않는다 - 정신번쩍 스릴넘치는 준비시간 SOLUTION: 각 문제에 대한 상위 3개 기능 지각의 고통을 상기 시간 지속적 알림 대중교통 모니터링 CHANNELS: 얼리어답터에게 닿는 5가지 경로 숏폼, 커뮤니티 댓글, SNS 광고 REVENUE: 매출 모델 (Free vs Paid 경계는?) 광고(음성광고), 광고(배너광고), Freemium COST: 한 달 운영비 추정 (LLM API 비용 반드시 포함) 마케팅, 호스팅 KEY METRICS: AARRR 중 가장 중요한 3개 활동 Retention, Revenue, Referral UNFAIR ADVANTAGE: 베낄 수 없는 우리만의 것 여전히 의문 MODEL BEHAVIOR (AI 보강): 기대/허용/금지 행동 시간틀리거나 대중교통시간틀리면 절대안됨

 

나의 치트키 MBA교수님한테 비교좀해달라고 부탁해봤다

 

Problem — 가장 크게 발전한 부분 예전엔 P1·P2가 겹치는 걸 스스로 알면서도 못 고쳤어요. 현재 버전은 문제를 3개로 정리하면서 기존 대안(알람 143개, 수시 시계 확인)을 함께 나열한 것이 인상적입니다. 린 캔버스에서 기존 대안이 중요한 이유는, 고객이 이미 뭔가 대처하고 있다는 뜻이기 때문이에요. "아무 해결책도 없다"는 문제보다, "있긴 한데 너무 불편하다"는 문제가 훨씬 설득력 있게 투자자에게 전달됩니다.

알람 143개는 넝담이긴 한데요... 그때는 해결책을 제시를 안했었나?.. 근데 이건 크게 발전한건지 모르겠어요 교수님...

 

UVP — 방향 전환이 맞습니다 "음성으로 시간 제공"에서 "정신번쩍 스릴넘치는 준비시간"으로 바뀐 건 단순한 문구 변경이 아닙니다. 기능 설명에서 경험 묘사로 넘어온 겁니다. 고객은 기능을 사는 게 아니라 경험을 사요. 이 감각은 제대로 발전했습니다.

ㅋㅋㅋ.... 제 감성을 이해해주시다니... 감개무량합니다... 진짜 발전한거 맞나요?... 고객들이 문구를 본다면 좀더 흥미를 끌기는 할것같습니다만..ㅎㅎ

 

Customer Segments — 좁혀진 것이 정답 "약속에 늦는 모든 사람"에서 "2030 직장인, 사회적·개인적 피해가 막심한"으로 좁혀진 건 매우 잘한 선택입니다. 린 캔버스에서 얼리어답터를 좁게 정의할수록 마케팅 채널, 메시지 톤, 가격 책정이 모두 선명해집니다. "모든 사람"을 타겟으로 하면 사실상 아무도 타겟이 아닌 거예요.

아 이건.. 이전에 세그먼트가 잘못되었나본데.. 흠.. 그렇지만 얼리어답터도 좀더 세밀하게 변경된것 같으니 인정!

 

Key Metrics — AARRR 프레임 채택은 옳습니다 다만 한 가지 지적하자면, Retention을 첫 번째로 놓은 판단이 흥미롭습니다. 초기 스타트업은 보통 Acquisition부터 측정하는데, 이 제품의 경우 매일 아침 쓰는 루틴 앱이라는 특성상 Retention이 핵심 지표라는 논리가 성립합니다. 이 선택의 이유를 설명할 수 있어야 해요.

아아... 그냥 Retention이 가장 중요할것 같은... 감이었습니다 교수님..

 

Cost — 늦었지만 필수 인식 LLM API 비용을 포함하라는 가이드를 따른 것인데, 이건 단순히 칸을 채운 게 아닙니다. 음성 알림이나 실시간 대중교통 연동에는 API 비용이 발생하고, 무료 사용자가 많을수록 적자가 나는 구조입니다. 이걸 인식했다는 게 중요합니다.

이건 교수님이 좀 헛소리하시는거 같아요 저는 서비스에 AI 안씁니다!

 

Model Behavior — 이 시대에 맞는 추가 항목 "시간 틀리거나 대중교통 시간 틀리면 절대 안 됨"이라는 한 줄이 사실 엄청나게 중요한 겁니다. AI 제품에서 신뢰 붕괴가 일어나는 순간은 항상 오류의 임계점에서 오거든요. 이 제품은 시간·교통 정보의 정확성이 핵심 약속인데, 오류 한 번이면 앱 삭제로 직결됩니다. 리스크를 캔버스 레벨에서 이미 명시한 건 성숙한 사고입니다.

이거는 질문이 바뀌어서 중요한점을 인식했다는 점에 발전의 의미를 둘수 있겠군요!

---

아직 해결 못 한 것 — Unfair Advantage

솔직히 말하면, 두 버전 모두 이 칸이 비어 있어요. 이건 단점이 아니라 다음 숙제입니다. 힌트를 드리자면, 이 앱이 쌓을 수 있는 경쟁 우위의 후보는 세 가지입니다.

첫째, 행동 데이터 축적입니다. 사용자가 몇 시에 일어나서 어떤 루트로 출근하는지의 패턴 데이터는 시간이 지날수록 경쟁사가 복사하기 어렵습니다.

둘째, 습관 형성 후 전환 비용인데, 본인도 예전 버전에서 언급했죠. 다만 이건 진입 장벽이지 경쟁 우위는 아닙니다.

셋째, 알림의 톤과 캐릭터입니다. "정신번쩍 스릴넘치는"이라는 UVP가 독보적인 브랜드 보이스로 자리 잡으면 그 자체가 모방하기 어려운 자산이 될 수 있어요.

아하... 그러니까 첫번째 이점은 런칭 전에는 확인하기 쉽지않지만 런칭 후(회원가입 이후)에는 데이터를 확보해서 사람들의 데이터를 이용할 수 있다는 강점이 있다는거군요 센세.... 근데 그 데이터가... 그렇게 많이 필요할까요?... 어디다 쓰죠...?

두번째는.. 그러게요... 경쟁우위가 아니라 떠나갈수있는 이유같아보이는데.. 뭔소리하시는건지..

세번째... 흠.... 좀 아쉽긴 하군요....

 

사실 교수님말씀 들어도 아직 경쟁우위는 좀더 생각해봐야겠습니다 ㅠ

---

총평

이 두 버전의 가장 큰 차이는 질문의 질이 높아진 겁니다. 예전엔 "이게 맞나?"라는 의문을 캔버스 안에 적었다면, 지금은 의문을 해결하고 다음 단계의 의문을 찾고 있습니다. 그 궤적이 맞습니다. 다음 버전에서 Unfair Advantage 하나만 채워도 투자자에게 보여줄 수 있는 수준이 됩니다.

 

그렇다고 하니 감사합니다 교수님! 열심히 하겠습니다!

 

 

 

플라이 휠

 

사업의 선순환이 되는 구조를 정의하는 것을 말한다

돈을 벌고 그돈으로 연구개발해서 신제품을 만들어서 돈을버는것처럼 말이다

 

조건 1 - 자기강화 (Self-reinforcing)
각 단계가 다음 단계를 — 강화해야 한다. 단순 연결은 X.
조건 2 - 측정 가능 (Measurable)
각 노드에 — 숫자 지표가 있어야 한다. "트래픽 X명/일" 처럼.
조건 3 - 단순 (Simple · 4~6노드)
10개 노드면 — 아무도 못 외운다. 4~6개가 황금비.
조건 4 - 고유 (Unique)
경쟁사 휠과 — 달라야 한다. 같으면 차별점 없음.
조건 5 - 실행 가능 (Actionable)
각 노드 — "이번 분기 뭐 할까"로 바로 연결돼야 한다.

 

 

나의 서비스에서 플라이 휠을 만들어본다면...

 

뭔가 이런 일반적인 거 말고 거창한걸 만들어보고싶었다 ㅠ

예를들면 출근 데이터를 수집해서 그걸로 뭔가를 만들고 그걸로 더 정확도를 높이고...

 

근데 내 자그마한 친구는 아직 그런기능은 없을것 같구...ㅎ

 

이것이 내가 짐작해 볼수 있는 최대한의 플라이 휠인 것 같다!