이 영상은 듀오링고(Duolingo), 그래머리(Grammarly), 체스닷컴(Chess.com)과 같은 세계적인 소비자 구독 서비스에서 성장을 이끈 앨버트 쳉(Albert Cheng)과의 대화를 담고 있습니다. 그는 제품에서 새로운 성장 기회를 발견하고 확장하는 데 활용하는 '탐색-활용(explore-exploit)' 프레임워크와 심층적인 사용자 심리 이해를 바탕으로 한 신속한 실험 방법론을 소개합니다. 영상은 그래머리의 수익화 성공 사례, 구독 앱의 이상적인 사용자 유지율, 부활한 사용자의 중요성, 역방향 무료 체험 모델, 그리고 성공적인 게임화의 세 가지 핵심 요소 등 다양한 주제를 다루며, AI가 성장 역할과 팀 구축에 미치는 영향에 대한 그의 통찰을 공유합니다. 앨버트 쳉은 특히 브랜드와 커뮤니티의 힘, 그리고 연간 1,000건의 실험 목표를 통해 얻은 주요 교훈들을 강조합니다.

1. 알베르트 쳉의 성장 리더십 여정: 피아니스트에서 글로벌 성장 전문가로 🎹

영상은 앨버트 쳉이 세계에서 가장 성공적인 3개의 소비자 구독 서비스인 듀오링고, 그래머리, 체스닷컴에서 성장을 이끌었던 경험을 소개하며 시작됩니다. 그는 과거 유튜브(YouTube)에서 2천만 명 이상의 사용자를 위한 스트리밍 및 게임 기능 개발에 참여했으며, 마케팅, 데이터, 전략, 제품 관리 등의 요소를 결합한 독특한 성장 접근 방식을 가지고 있다고 합니다. 이 대화에서는 그의 '탐색-활용' 성장 프레임워크, 듀오링고와 그래머리의 가장 큰 성장 성공 사례, AI를 활용한 성장 가속화 방법, 브랜드와 커뮤니티의 힘, 그리고 연간 1,000건의 실험 목표를 달성하기 위한 노하우 등 다양한 주제를 다룰 예정입니다.

레니는 앨버트 쳉에게 피아니스트에서 세계 최고의 성장 전문가로 성장하게 된 배경을 묻습니다. 앨버트는 어린 시절 이민자 부모님 밑에서 피아노를 배우며 매일 90분씩 꾸준히 연습했고, 절대음감을 가지고 있어 음악을 빠르게 습득했다고 설명합니다. 한때 음악학교 진학을 고민하기도 했지만, 공학 전공을 선택했습니다. 그는 최근에서야 음악과 성장의 공통점을 발견했다고 합니다.

"음악과 성장 모두 꾸준한 반복에 의존합니다. 끊임없이 실수를 저지르고, 매우 빠른 피드백 루프를 통해 실수로부터 배우는 것에 익숙해져야 합니다. 또한, 둘 다 구조적인 기반을 가지고 있습니다. 성장에는 성장 모델, 지표, 실험, 채널 등이 있지만, 매일매일 창의력, 즉 흥미로운 해결책과 가설을 생각해낼 필요가 있습니다. 음악도 마찬가지입니다. 음악 이론, 스케일 등 구조적인 부분이 있지만, 아름다운 음악을 창조하려면 열정, 감정, 몰입이 필요합니다."

2. 성장 기회 발굴을 위한 '탐색-활용(Explore-Exploit)' 프레임워크 🗺️

앨버트는 '탐색-활용(Explore-Exploit)' 프레임워크가 성장에 매우 효과적이라고 강조합니다. 이 개념은 그래머리(Grammarly)의 엔지니어링 파트너인 너멀(Nurmal)을 통해 처음 접했는데, 리포지(Reforge) 수업에서 브라이언 발포어(Brian Balfour)가 이 개념을 소개했을 것이라고 추측합니다.

• 탐색(Explore) 모드: 올바른 산을 찾기 위한 탐색 과정과 같습니다. 새로운 아이디어를 모색하고 다양한 가설을 시험하는 단계입니다.
• 활용(Exploit) 모드: 선택된 산을 효과적으로 오르기 위해 자원을 집중하는 단계입니다. 탐색을 통해 얻은 통찰력을 바탕으로 성과를 극대화하는 데 주력합니다.

앨버트는 한쪽에 너무 치우치지 않도록 주의해야 한다고 경고합니다. 탐색만 너무 많이 하면 팀이 방향성을 잃고 무작위적인 아이디어를 시도할 수 있고, 활용만 너무 많이 하면 성장이 정체되고 포화 상태에 이를 수 있다고 설명합니다. 그는 이 프레임워크를 매크로(거시적) 관점뿐만 아니라 마이크로(미시적) 관점, 즉 '인사이트' 수준에서도 적용하는 것을 선호한다고 말합니다.

2.1. 체스닷컴(Chess.com)의 '탐색-활용' 사례: 게임 리뷰 기능 개선 ♟️

체스닷컴에서 앨버트가 맡았던 중요한 업무 중 하나는 사용자들이 체스를 배우고 실력을 향상시키도록 독려하는 것이었습니다. 딜런(Dylan)이라는 PM은 학습 기능을 담당하고 있었는데, 제품 내에서 가장 많이 사용되는 학습 기능은 '게임 리뷰(Game Review)'였습니다.

• 게임 리뷰는 사용자가 체스 게임을 마친 후, 가상 코치가 최악의 수, 최고의 수 등을 알려주는 기능입니다. 딜런의 임무는 이 기능의 사용자 참여도와 유지율을 높이는 것이었습니다.
• 탐색 단계: 딜런은 사용자들이 게임 리뷰를 어떻게 활용하는지 분석했고, "게임 리뷰를 사용하는 사람들의 80%가 승리 후에 리뷰를 합니다."라는 예상치 못한 인사이트를 발견했습니다. 이는 게임 기능을 개발할 때 사람들이 실수로부터 배우기 위해 패배 후에 게임 리뷰를 사용할 것이라고 생각했던 것과는 정반대였습니다.
• 활용 단계: 이 인사이트를 바탕으로 제품 경험에 변화를 주었습니다.
  • 패배 후에 나타나는 게임 리뷰 화면에서 실수를 지적하기보다는 '빛나는 수', '최고의 수'와 같은 긍정적인 부분을 먼저 보여주도록 바꿨습니다.
  • 코치는 "패배는 배움의 일부입니다. 계속 노력하세요"와 같은 격려의 메시지를 전달하도록 했습니다.
• 결과: 이러한 변화만으로 게임 리뷰 참여율이 25% 증가하고, 구독률이 20% 증가했으며, 사용자 유지율도 크게 향상되었습니다.

앨버트는 여기서 멈추지 않고, 이 인사이트를 회사 전체에 공유하여 다른 제품 관리자들도 자신의 제품에서 긍정적인 패턴을 찾아 적용하도록 독려했습니다. 예를 들어, 퍼즐 팀의 PM은 퍼즐 성공률을 변경하거나 문구를 수정하고, 버튼 색상을 바꾸는 등 긍정적인 경험을 제공하는 방법을 고민하게 됩니다. 이처럼 성공적인 실험의 학습을 회사 전체로 확장하는 것이 활용(exploitation) 단계라고 앨버트는 설명합니다.

앨버트는 경험상 실험의 성공률이 30~50% 정도에 불과하다고 말하며, 많은 가설이 틀릴 수 있고 소비자 제품은 예측하기 어렵다고 덧붙입니다. 그러나 실패한 실험도 매우 귀중한 학습이 될 수 있다고 강조합니다. 핵심은 PM이 가설과 발견한 내용을 명확하게 전달하여 다른 팀원들이 그 주변에 모여 다양한 아이디어를 시도하고 성공률과 영향력을 높이도록 하는 것이라고 설명합니다.

3. AI를 활용한 성장 실험 가속화: 데이터 분석 및 프로토타이핑 🚀

앨버트는 AI가 성장 실험을 가속화하는 데 큰 도움을 준다고 강조하며, 특히 체스닷컴에서 AI를 활용한 몇 가지 흥미로운 사례를 소개합니다.

3.1. 텍스트-SQL(Text-to-SQL) 기능: 데이터 접근성 향상 📊

앨버트는 최근 텍스트-SQL 기능을 활용하고 있는데, 이 기능은 매우 강력하다고 설명합니다.

• 체스닷컴에는 데이터 요청 슬랙(Slack) 채널이 있는데, 여기에는 "남아프리카공화국 구독자 수는 몇 명인가요?", "지난달 퍼즐을 플레이한 시간은 얼마나 되나요?"와 같은 다양한 일회성 질문들이 올라옵니다.
• 과거에는 이러한 임시 질문에 답변하기 위해 데이터 분석가가 시간을 할애하여 쿼리를 실행해야 했습니다. 하지만 AI를 활용하면 이 과정을 크게 단축할 수 있습니다.
• 앨버트 팀은 슬랙 봇을 훈련시켜 이러한 질문에 대한 1차적인 답변을 제공하도록 하고 있습니다. 이를 통해 회사 전체가 훨씬 더 데이터 기반으로 의사결정을 내릴 수 있게 됩니다.
• 흥미로운 점은 사람들이 묻기 쑥스러워하거나 다른 사람을 귀찮게 하고 싶지 않아서 묻지 않던 질문들까지 AI 봇에게 묻게 되면서 질문의 양 자체가 크게 증가한다는 것입니다. 이는 챗GPT(ChatGPT)에서도 나타나는 현상이라고 앨버트는 덧붙입니다.

3.2. AI 프로토타이핑 툴: 아이디어 시각화 가속화 💡

PM들은 다양한 프로토타이핑 툴을 활용하여 아이디어를 구체화하고 있습니다.

• 아이디어 구상부터 최종 솔루션 구현까지는 많은 인력이 필요합니다. 하지만 AI를 활용하면 이 과정을 단축할 수 있습니다.
• 앨버트 팀은 온보딩 플로우, 홈 화면, 체스판과 같은 주요 제품 화면의 AI 프로토타입을 V0이나 러버블(Lovable)과 같은 툴로 구축했습니다.
• 이러한 기본 요소를 바탕으로 다른 팀원들이 아이디어를 추가하고 시각화하면, 아이디어를 훨씬 쉽게 논의하고 빠르게 테스트할 수 있게 됩니다.

3.3. AI 스택 및 워크플로우 🛠️

앨버트 팀에서 사용하는 AI 툴들은 다음과 같습니다.

• PM: 주로 V0을 사용합니다.
• 디자이너: 피그마(Figma) 메이크(Make)를 선호합니다.
• 엔지니어: 커서(Cursor), 클로드 코드(Claude Code), 깃허브 코파일럿(GitHub Copilot) 등 다양한 툴을 조합하여 사용합니다.
• 마케팅: 번역, 자막, 콘텐츠 각색 등 다양한 용도로 AI 툴을 활용합니다.
• 고객 지원: 인터컴 핀(Intercom Fin)을 사용합니다.

앨버트는 이러한 툴들이 많지만, "아직은 실험 단계에서 워크플로우로 매끄럽게 전환되지 않는다"는 점이 아쉽다고 말합니다. 각 기능별로 사용하는 툴이 상호 운용성이 떨어져, 아이디어를 제품으로 출시하기 위해서는 여전히 수동적인 인수인계가 필요하다고 설명합니다. 하지만 시간이 지나면서 이러한 부분은 개선될 것이며, 디자인 시스템 컴포넌트나 MCP(Master Control Program)에 투자하여 과정을 더 원활하게 만들고 있다고 덧붙입니다.

4. 그래머리(Grammarly)의 수익화 성공 사례: 유료 기능 미리보기 전략 💰

그래머리 최고 제품 책임자(CPO)인 노엄 러빈스키(Noam Lovinsky)는 앨버트에게 그래머리에서 가장 큰 수익화 성공 사례에 대해 물었습니다.

• 그래머리 소개: AI 기반 글쓰기 도우미로, 크롬 확장 프로그램이나 데스크톱 클라이언트로 사용되며, 사용자의 글쓰기 위에 다양한 제안을 오버레이로 보여줍니다. 프리미엄(freemium) 비즈니스 모델을 채택하고 있으며, 사용자의 90% 이상이 무료 서비스를 이용하고 나머지는 유료 구독자입니다.
• 문제 인식: 앨버트가 근무할 당시, 그래머리의 무료 사용자들은 맞춤법 및 문법 교정 도구로만 인식하고 있었습니다. 이는 무료 버전에서 제공되는 주요 기능이었기 때문입니다. 하지만 그래머리 유료 버전은 톤 개선, 명확성 증진, 문장 전체 다시 쓰기 등 훨씬 더 정교한 기능을 제공합니다.
• 데이터 분석: 기존에는 사용자들이 유료 제안을 얼마나 자주 접하는지, 결제 화면을 얼마나 자주 보는지 제대로 추적하지 못하고 있었습니다. 이벤트를 추적하기 위한 시스템을 구축한 후, 무료 사용자 중 "모든 제안을 수락하는" 비율이 매우 낮다는 것을 발견했습니다. 대부분의 사용자는 필요한 제안만 선택적으로 수락하고 있었습니다.
• 전략 전환: 앨버트 팀은 이 점에 주목하여 전략을 완전히 바꾸기로 결정했습니다.

  "만약 우리가 유료 제안 중 일부를 추출하여 무료 사용자들의 글쓰기 중간중간에 끼워 넣어서, 유료 서비스가 제공하는 기능에 대한 제한적인 맛보기를 제공한다면 어떨까요?"

• 우려와 결과: 초기에는 너무 많은 유료 기능을 무료로 제공하면 사람들이 구독하지 않을 것이라는 우려가 있었습니다. 하지만 결과는 정반대였습니다.

  "갑자기 사람들은 그래머리를 이전보다 훨씬 더 강력한 도구로 인식하기 시작했고, 업그레이드율이 거의 두 배로 증가했습니다."

앨버트는 이 경험을 통해, 특히 프리미엄 제품의 경우, 무료 제품이 유료 제품의 모든 것을 반영하도록 노력해야 한다고 조언합니다. 물론 유료 기능 중 일부는 비용이 발생하지만, 장기적으로는 최고의 기능을 보여주는 것이 더 큰 성과를 가져올 수 있다고 강조합니다.

4.1. 구독 제품의 프리미엄(Freemium) vs. 유료 체험(Trial) 모델 🌟

앨버트는 프리미엄 구독 모델이 효과적인 이유에 대해 설명합니다.

• 미션 지향성: 듀오링고, 그래머리, 체스닷컴과 같은 많은 회사는 교육이나 정보 확산과 같은 미션을 가지고 있으며, 제품을 최대한 널리 보급하고자 합니다. 이를 위해 가장 마찰이 적은 방법은 무료 제품을 제공하는 것입니다.
• 입소문 및 네트워크 효과: 많은 제품이 입소문으로 성장하며, 듀오링고의 소셜 기능이나 그래머리의 B2C to B(소비자에서 기업으로) 확산처럼 제품 내 네트워크 효과를 구축할 수 있습니다. 무료 사용자들이라도 회사 내 다른 동료나 팀에 제품을 추천함으로써 가치를 제공할 수 있습니다.
• 핵심 가치 제안: 핵심 가치 제안은 무료로 제공하되, 프리미엄 기능은 맛보기 형태로 제공하는 것이 가장 효과적이라고 앨버트는 조언합니다.

체험(Trial) 모델과 관련해서는 다음과 같이 설명합니다.

• 역방향 유료 체험(Reverse Trial): B2B(기업 간 거래) 기능처럼 록인(lock-in) 효과가 있는 경우, 역방향 유료 체험이 매우 강력할 수 있습니다. 사용자가 신용카드 정보를 입력하지 않고 제품을 사용하다가, 일정 기간 후 유료 전환을 유도하는 방식입니다. CRM이나 콘텐츠 제작처럼 많은 시간을 투자하게 되는 제품에서 효과적입니다.
• 소비자 제품: 그러나 많은 소비자 제품의 경우, 역방향 유료 체험이 작동하기 어렵습니다. 앨버트는 일반적으로 일반적인 무료 체험(Free Trial)이 더 보편적이라고 말합니다. 그래머리의 경우, 특정 수의 제안을 제공한 후 유료 결제를 유도하는 "제한된 체험" 방식을 사용했는데, 이는 시간 기반이 아닌 실시간 역방향 유료 체험과 유사하다고 설명합니다.

4.2. 성공적인 소비자 구독 제품을 위한 유지율(Retention Rate) 📈

소비자 구독 제품을 성공적으로 구축하는 데 있어 가장 중요한 요소는 무엇일까요?

"사용자 유지율은 소비자 구독 회사에게 황금과도 같습니다. 만약 당신이 사용자를 유지하지 못한다면, 첫날부터 사용자에게 돈을 지불하게 해야 하는 부담이 커집니다. 그것은 매우 어렵습니다."

앨버트는 인디 개발자들이 앱을 만들고 유료 결제 기능을 추가하는 것이 쉽다고 생각하지만, 실제로는 배포, CS, 성장 측면에서 훨씬 어렵다는 것을 깨닫게 된다고 지적합니다.

• 신규 사용자 유지율: 앨버트는 신규 사용자(D1) 유지율이 30~40% 정도라면 괜찮은 수준이라고 말합니다. 이보다 낮으면 충분한 사용자를 확보하여 일간 활성 사용자(DAU) 기반을 구축하기 어렵다고 지적합니다.
• 기존 사용자 유지율: 더욱 중요한 것은 기존 사용자 유지율입니다. 특히 듀오링고나 체스닷컴처럼 일일 사용 빈도가 높은 제품의 경우, 습관적인 패턴을 개발한 기존 사용자들이 얼마나 제품에 '끈끈하게' 붙어있는지가 가장 중요합니다. 이 유지율이 장기적인 습관을 형성하고 제품 성장에 기여합니다.
• 그래머리의 경우: 그래머리는 매일 능동적으로 앱을 여는 제품이 아니기 때문에, 기존 사용자 유지율보다는 초기 활성화, 설치, 그리고 '아하' 순간이 매우 중요하다고 설명합니다. 이 초기 경험이 사용자를 오랫동안 붙잡는 역할을 합니다.

5. 부활한 사용자(Resurrected Users)의 중요성 ♻️

앨버트는 "부활한 사용자(resurrected users)"의 중요성을 강조합니다.

• 체스닷컴의 경우, 일일 또는 주간 활성 사용자의 약 80%가 기존 사용자입니다. 신규 사용자와 재활성/부활한 사용자의 규모는 거의 비슷하다고 합니다. 즉, 제품이 어느 정도 성숙해지면 신규 사용자 유치만큼이나 과거에 사용했던 사람들을 다시 불러오는 것이 중요해진다는 것입니다.
• 재활성 경험 개선: 제품에 축적된 수억 명의 휴면 사용자나 가끔 사용하는 사용자들을 다시 불러들이기 위해서는 '부활한 사용자'를 위한 제품 경험에 투자해야 합니다.
• 듀오링고 사례: 듀오링고는 소셜 알림을 효과적으로 활용했습니다. 예를 들어, 친구가 듀오링고를 시작하면 푸시 알림을 보내 사용자가 다시 돌아오도록 유도합니다. 다시 돌아온 사용자에게는 과거에 배웠던 언어 실력이 떨어졌을 경우, 다시 실력 테스트를 통해 적절한 학습 위치로 안내하는 등의 기능을 제공합니다. 이러한 전략은 성숙한 회사에서 높은 ROI(투자수익률)를 가져올 수 있습니다.

"Essentially, so many of your people have already tried in the past that to grow you need to resurrect people that have been there and so thinking through it's almost like a user experience for resurrected users." (기본적으로, 당신의 제품을 이미 과거에 시도했던 사람들이 너무나 많기 때문에, 성장하기 위해서는 그곳에 있었던 사람들을 부활시켜야 합니다. 따라서 부활한 사용자를 위한 사용자 경험에 대해 고민해야 합니다.)

6. 듀오링고, 그래머리, 체스닷컴의 성장 전략 비교 분석 🏢

앨버트는 세 회사가 성공하는 방식에 차이가 있다고 설명하며, 각 회사의 독특한 성장 전략을 비교합니다.

6.1. 듀오링고 (Duolingo): '그린 머신(Green Machine)'과 실험 문화 🧪

• 특징: 듀오링고는 매우 독특하고 일관된 제품 개발 접근 방식을 가지고 있습니다. 이들은 '그린 머신(Green Machine)'이라는 플레이북을 만들 정도로 회사 전체에 이러한 방식이 깊이 스며들어 있습니다.
• 인재상: 대학을 갓 졸업한 똑똑하고 에너지가 넘치는 인재를 많이 채용하며, 그들에게 놀라운 실험 도구를 제공하고 회사의 '클록 스피드(clock speed, 일하는 속도)'를 매우 중요하게 여깁니다.
• 제품 경험: 듀오링고의 제품 경험은 사용자마다 하루에도 여러 번 바뀝니다. 이는 놀라운 수준의 실험 속도를 의미합니다.
• 강점: 엄격한 프로세스와 명확한 사양(spec)을 통해 제품 개발 사이클의 각 단계를 매우 효율적으로 관리합니다.
• 핵심 동력: 언어 학습이라는 제품을 제공하지만, 근본적인 정신은 '동기 부여(motivation)'와 '습관 형성(habit building)'에 있습니다. 언어 학습은 이러한 동기 부여와 습관 형성 능력을 발휘하는 첫 번째 수단입니다.
• 성공 요인: 구조는 엄격하지만, 아이디어는 매우 창의적입니다. 슈퍼볼 광고, 밈, 게임화 전략 등 재미있고 창의적인 환경을 통해 사용자를 끌어들입니다.

6.2. 그래머리 (Grammarly): B2C에서 B2B로 확장, 제품 주도 판매(Product-Led Sales) 💼

• 초기: 학생들을 위한 유료 제품으로 시작했습니다.
• 확장: 프리미엄 모델로 전환하며 더 많은 사람을 대상으로 했고, 점차 전문가층에 집중했습니다.
• B2B 전환: 많은 전문가가 그래머리를 사용하면서 마케팅 팀, 영업 팀, 고객 지원 팀 등 특정 기능이나 회사에서 그래머리가 대규모로 채택되는 패턴을 발견했습니다. 이를 통해 관리형 엔터프라이즈 판매 전략(managed kind of enterprisey motion)을 추가했습니다.
• 앨버트의 역할: 소비자 셀프 서비스 수익과 활성 사용자를 늘리는 동시에, 수요 창출(demand gen) 및 영업 팀이 어떤 팀, 기능, 회사에 접근해야 하는지 파악하는 데 집중했습니다. 이는 제품 주도 판매(product-led sales)와 유사한 작업이었습니다.
• AI 변혁: 생성형 AI 전환의 중심에 있었으며, 최근에는 KOD와 슈퍼휴먼(Superhum)을 인수하여 생산성 스위트(productivity suite)로 진화하는 등 빠르게 변화하고 있습니다.
• 성장 업무의 차이: 듀오링고와 달리, 그래머리에서는 핵심 제품 경험 자체가 반복적인 활동을 주도합니다. 즉, 매일 제공되는 제안의 빈도와 품질이 기존 사용자 유지율을 좌우합니다. 앨버트는 성장을 위한 팀을 꾸렸지만, 핵심 제품 팀이 이 지표에 더 큰 영향을 미친다는 것을 깨닫고 해당 업무를 핵심 제품 팀에 이관했습니다.

6.3. 체스닷컴 (Chess.com): 열정적인 커뮤니티와 '체스' 본질에 집중 👑

• 특징: 체스닷컴의 가장 큰 특징은 직원들이 체스에 극도로 열광적이라는 점입니다.
• 인재상: 전 세계에서 체스를 사랑하는 사람들을 채용하며, 이들은 하루 종일 체스를 두고, 스트리밍을 시청하며, 슬랙(Slack)에서도 체스 관련 대화로 가득합니다.
• 핵심 가치: 듀오링고가 동기 부여와 습관 형성을 핵심으로 하고, 그래머리가 애플리케이션 통합과 AI 기술을 핵심으로 하는 것과 달리, 체스닷컴은 100% '체스' 그 자체입니다. 회사 전체에 제품을 직접 사용하고 아이디어를 내는 에너지가 넘칩니다.
• 성장 동력: 지난 5년간 팬데믹, 퀸스 갬빗(Queen's Gambit), 유튜브/트위치 스트리머의 영향으로 체스 인기가 급증했습니다. 이는 단순히 성장 실험을 통한 점진적인 개선뿐만 아니라, 커다란 외부 물결을 활용하는 것이 중요함을 보여줍니다. 이러한 물결은 하룻밤 사이에 등록률을 4배 높일 수 있는 기회를 제공합니다.

7. AI가 체스닷컴(Chess.com)과 성장 역할에 미치는 영향 🤖

앨버트는 AI가 체스닷컴과 성장 역할에 미치는 영향을 두 가지 관점에서 설명합니다.

7.1. AI가 체스닷컴 제품에 미치는 영향 🌐

• 체스와 AI의 역사: 체스와 AI는 거의 한 세기 동안 얽혀 있었습니다. 1997년 IBM의 딥 블루(Deep Blue)가 세계 챔피언 가리 카스파로프(Gary Kasparov)를 이긴 것은 AI가 인간을 능가할 수 있을지에 대한 큰 충격을 주었지만, 30년이 지난 지금도 인간은 여전히 체스를 즐기고 있습니다.
• 체스 엔진의 역할: 체스닷컴은 스톡피쉬(Stockfish)와 같은 체스 엔진(강력한 AI 형태, LLM과는 다름)의 힘으로 인간의 체스 경험을 증강하는 방법을 배웠습니다. 이러한 엔진은 세계 최고 그랜드마스터보다 훨씬 강력합니다 (예: 그랜드마스터 ELO 2800 vs. 스톡피쉬 ELO 3600).
• '게임 리뷰' 기능: 체스닷컴은 이 기술을 모든 사용자에게 제공합니다. 게임 리뷰는 사용자가 수를 둘 때마다 백그라운드에서 체스 엔진을 실행하여 평가를 제공하고, 이를 사용자의 언어로 쉽고 친근하게 설명하며, 오디오까지 지원합니다. 이 부분에서 LLM(대규모 언어 모델)이 활용되어 사용자에게 '개성'을 부여하고 피드백을 전달합니다.
• 핵심 원칙: 앨버트는 "고객을 나침반 삼아" 기술을 적용하는 것이 중요하다고 강조합니다. LLM이 유행이라고 해서 무조건 적용하는 것이 아니라, 사용자에게 가치를 제공하기 위해 올바른 기술을 올바른 기능에 적용해야 한다고 말합니다.
• LLM의 한계: 흥미롭게도 LLM 자체는 체스를 잘 두지 못합니다. 움직임을 환각하고, 특정 체스 문제에 대해 깊이 파고들기보다는 패턴 인식에 능하기 때문입니다. 챗GPT에서 체스판 이미지를 만들면 칸 수가 틀리거나 제대로 설정되지 않는 경우가 많습니다.

7.2. AI가 성장 전문가의 업무에 미치는 영향 ⚡

앨버트는 성장을 "사용자와 제품의 가치를 연결하는 일"이라고 정의하며, AI가 이러한 작업의 속도를 높일 수 있다고 설명합니다.

• 실험 사이클 가속화: AI는 실험 사이클의 여러 요소를 가속화할 수 있습니다.
  • 제품 발견(Product Discovery): 핵심 제품 팀이 사용자 및 시장 조사를 통해 장기적인 관점에서 제품을 개발하는 것과 달리, 성장 팀은 짧은 주기로 많은 실험을 진행하며 각 실험의 결과가 다음 아이디어의 입력이 됩니다.
  • 분석 문서 작성 및 아이디어 도출: 과거에는 실험 분석 문서를 수동으로 작성하고 읽으며 인사이트를 도출하고 새로운 사양을 작성하는 데 많은 시간이 걸렸습니다. 이제 챗GPT와 같은 툴에 분석 문서를 입력하여 요약하고 새로운 아이디어에 대한 조언을 얻는 방식으로 아이디어 구상 및 연구 사이클이 훨씬 빨라졌습니다.
  • 프로토타이핑 가속화: AI 프로토타이핑 툴 덕분에 아이디어를 시각화하는 과정이 훨씬 빨라졌습니다. PM이 직접 코드를 배포하는 수준은 아니지만, 아이디어를 구체화하고 팀원들이 클릭해볼 수 있는 형태로 만드는 데 걸리는 시간이 크게 단축되었습니다. 이는 '탐색(explore)' 단계를 훨씬 쉽게 만들어준다고 앨버트는 설명합니다.

8. 성공적인 대규모 실험 운영을 위한 팁과 베스트 프랙티스 ✨

앨버트는 팀에서 실험 역량을 향상시키고 싶어 하는 사람들에게 몇 가지 조언을 제공합니다.

8.1. 첫걸음을 내딛기: "어딘가에서 시작하라" 🚀

• 아틀라시안(Atlassian) 보고서에 따르면 제품 팀의 40%가 실험을 전혀 하지 않는다고 합니다.
• 앨버트는 특히 소비자 제품이고 어느 정도 규모와 사용 빈도가 있다면 충분한 데이터를 수집할 수 있으므로 실험을 시작해야 한다고 강조합니다.
• 그는 자신이 많은 회사에서 일하며 패턴을 파악했지만, 여전히 자신의 예측이 틀릴 때가 많다고 고백합니다. 소비자 행동은 예측하기 어렵고, 제품을 오래 사용하다 보면 일반 사용자의 경험을 잊기 쉬우므로 실험을 통해 많은 기회를 놓치지 말라고 조언합니다.
• "기어 다니고 걷고 달리듯이" A/B 테스트를 실행하고, 서드파티 툴을 활용하거나 엔지니어와 협력하여 빠르게 시작하라고 독려합니다.
• 선호하는 툴: 그래머리에서는 스탯 시그(Stat Sig)를 사용했고, 듀오링고와 체스닷컴은 자체 실험 도구를 사용합니다. 듀오링고처럼 실험을 자주 하는 회사라면 자체 도구가 큰 도움이 되지만, 일반적으로는 초기부터 자체 도구를 구축하는 것을 권장하지 않는다고 덧붙입니다.

8.2. 시스템이 개별 실험보다 중요하다 ⚙️

• 성장 모델: 회사가 어떻게 성장하는지, 어떤 채널을 활용할지 명확히 이해하는 성장 모델을 먼저 구축하는 것이 중요합니다.
• 제품 계측(Instrumentation): 제품이 제대로 계측되어야 합니다. 그렇지 않으면 실험 결과가 왜곡될 수 있습니다. 앨버트는 과거 한 회사에서 사용자 유지율이 거꾸로 설정되어 긍정적인 결과가 실제로는 부정적인 결과였던 당황스러운 경험을 공유하며, "두 번 다시 이런 일이 없을 것"이라고 말했습니다.

8.3. 듀오링고의 입소문(Verality) 성장 사례: 사용자 행동에 집중 🗣️

• 듀오링고에서 앨버트 팀은 입소문 팀(verality team)을 구성했습니다. 입소문은 예측하기 어려운 부분이 많지만, 듀오링고는 공유가 많이 일어나는 제품입니다.
• 스크린샷 추적: 팀은 앱 내에서 스크린샷이 가장 많이 발생하는 지점을 파악하기 위해 짧은 기간 동안 스크린샷 추적 기능을 도입했습니다.
• 인사이트: 이를 통해 "연속 기록(streak) 달성", "재미있는 도전 과제", "리더보드 상위권 진입" 등 사용자들이 스크린샷을 찍어 공유하고 싶어 하는 순간들을 발견했습니다.
• 디자인 강화: 이러한 순간들에 일러스트레이터와 애니메이터를 투입하여 즐거운 경험을 만들었습니다.
• 결과: 사용자들이 자발적으로 스크린샷을 찍는 순간에 집중하고 이를 강화함으로써, 5배 또는 10배의 성장을 이끌어낼 수 있었습니다. 이는 사람들의 직관에 반하여 강제로 공유하도록 유도하는 대신, 사용자들이 이미 유기적으로 공유하는 지점에 기대는 전략이 훨씬 효과적임을 보여줍니다. 이는 '탐색-활용' 방법론과도 연결됩니다.

9. 게임화(Gamification)의 세 가지 기둥: 동기 부여와 습관 형성 🎯

앨버트는 듀오링고와 체스닷컴 모두 습관 형성과 동기 부여에 능숙하다고 강조하며, 호르헤(Jorge)가 제시한 게임화의 세 가지 기둥 모델을 공유합니다.

9.1. 게임화의 세 가지 기둥

1. 핵심 루프(Core Loop): 사용자가 반복적으로 수행하는 행동의 핵심 주기입니다.
   • 예시 (듀오링고): 레슨 진행 → 보상 획득 → 연속 기록 연장 → 다음 날 푸시 알림. 이 핵심 루프를 매우 탄탄하게 만드는 것이 중요합니다.
2. 메타게임(Metagame): 장기적인 목표와 동기를 부여하는 요소입니다.
   • 예시 (듀오링고): 학습 경로, 리더보드, 성과, 도전 과제 등 사용자가 장기적으로 노력할 수 있는 요소들입니다.
3. 프로필(Profile): 사용자가 제품 내에서 투자한 시간과 노력을 반영하는 개인화된 공간입니다.
   • 예시: 시간이 지남에 따라 구축되는 프로필은 사용자의 제품 내 투자를 보여주는 거울이 됩니다.

이 세 가지 요소를 잘 결합하면 성공적인 장기 학습 여정을 만들 수 있습니다.

9.2. 체스닷컴의 초보자 온보딩 경험 🌟

체스닷컴의 경우, 신규 사용자의 75% 이상이 자신이 체스 초보자 또는 입문자라고 밝힙니다.

• 문제점: 초보자들은 실시간 게임에서 재미를 느끼기 어렵습니다. 데이터에 따르면, 초보 사용자의 3분의 1 미만만이 첫 게임에서 승리합니다. 또한, 게임에서 패배하면 사용자 유지율이 승리할 때보다 10% 더 낮아집니다. 규모가 커지면 이 10%의 차이가 큰 영향을 미칩니다.
• 일반적인 모바일 게임 전략: 많은 모바일 게임은 초보자를 위해 게임의 단순화된 버전을 만들지만, 체스에서는 규칙을 바꾸기 어렵습니다.
• 체스닷컴의 접근 방식: 앨버트는 무언가를 배울 때 (언어, 체스 등) 초반에는 의심과 부족함을 느끼기 쉽다는 점에 주목하여, 사용자를 이러한 어려움으로부터 의도적으로 안내하는 경험을 만드는 것이 중요하다고 강조합니다.
• 실험 중인 아이디어:
  • 체스 초보자라고 밝힌 사용자에게 실시간 게임 대신 "더 즐거운 체스 학습 경험"을 제공합니다.
  • 첫 5번의 게임에서는 레이팅을 숨겨서 사용자의 레이팅이 급락하는 것을 보지 않도록 합니다.
  • 코치와 대결하거나 친구와 플레이하거나 봇과 플레이하는 등 다양한 대안을 제공합니다.

10. 팀 구축에 대한 역직관적인 교훈: 경험보다는 '높은 주도성' 💡

앨버트는 팀 구축에 있어 가장 역직관적인(counterintuitive) 교훈 중 하나를 공유합니다.

• 전통적인 채용 방식: 일반적으로 기업들은 직무 기술서(JD)에 명시된 특성을 바탕으로 자사와 유사한 회사에서 경험을 가진 인재를 채용하려 합니다.
• 앨버트의 발견: 앨버트는 듀오링고와 같은 작은 스타트업에서 일하면서, 최고의 성과를 내는 사람들이 반드시 해당 분야에서 깊은 경험을 가진 것은 아니라는 것을 깨달았습니다. 그보다는 '높은 주도성(high agency)', '빠른 클록 스피드(clock speed, 일하는 속도)', '에너지'를 가진 사람들이 뛰어났습니다.
• 경험의 양면성: 심지어 특정 경험이 오히려 발목을 잡는 '목발(crutch)'이 될 수도 있다고 지적합니다. 특히 AI로 인해 세상이 빠르게 변하는 시대에는 과거의 학습된 습관을 의도적으로 버리고 '초심자의 마음(beginner's mind)'을 가져야 한다고 강조합니다.
• 미래의 인재상: 앨버트는 빠르게 반응하고, 빠르게 움직이며, 빠르게 배우는 사람들에게 투자해야 한다고 믿습니다. 이러한 회사들이 결국 살아남고 번성할 것이라고 생각합니다.
• '높은 주도성'의 특징: 앨버트는 높은 주도성을 가진 사람들을 면접 과정에서 어떻게 파악하는지에 대해서도 설명합니다.
  • 면접 과정 외적인 부분에서 많이 드러납니다 (예: 그들이 던지는 질문, 제품을 깊이 있게 사용해 본 경험).
  • 면접을 준비하는 방식, 대화에 임하는 에너지에서도 감지할 수 있습니다.
  • 과거에는 질문과 평가 기준에만 충실했지만, 지금은 이러한 '소프트 시그널'에도 주목한다고 말합니다.

11. 회사 규모 선택: 나에게 맞는 '골디락스 존' 찾기 🏢

앨버트는 다양한 규모의 회사에서 일했던 경험을 바탕으로 각자에게 가장 잘 맞는 회사 규모가 있다고 설명합니다. 그 자신도 대기업에서 초소형 스타트업, 그리고 중간 규모의 회사로 옮겨가며 자신만의 '골디락스 존(Goldilocks zone)'을 찾았다고 합니다.

• 앨버트의 '골디락스 존': 회사 전체의 노력을 조망하면서도, 세부 사항에 깊이 파고들어 특정 팀과 협력하고, 실험 결과를 분석하며, 픽셀 단위까지 확인할 수 있는 중간 규모 회사에서 가장 큰 에너지를 얻는다고 말합니다. 매일 또는 주 단위로 업무를 처리할 수 있는 속도를 좋아합니다.
  • 그가 이야기한 중간 규모 회사는 약 500~1,000명 규모이며, 보통 10~20년 정도 된 안정적이고 수익성이 좋은 회사들입니다. 이러한 회사들은 여전히 많은 부분을 해결해야 하는 중요한 변곡점에 있으며, 역동적인 환경을 제공합니다.
• 대기업 (예: 구글):
  • 장점: 엄청난 규모를 다루는 경험, 동료들로부터 배우는 베스트 프랙티스, 모든 종류의 툴과 기능.
  • 단점: 움직임이 느리고, 제품을 출시하기 어렵다는 점 때문에 답답함을 느꼈습니다.
• 초소형 스타트업:
  • 장점: 엄청나게 빠르게 움직일 수 있습니다.
  • 단점: 회사를 아는 사람이 거의 없어 한 명 한 명 인력을 채용하고 사용자를 확보하는 것이 매우 고되다는 점이 회색 머리카락을 만들었다고 표현합니다. 세상을 크게 바꾸고 싶어도 작은 스타트업에서는 현실적으로 매우 힘든 일입니다.

12. 실패 사례: Chariot의 '솔루션 중심' 제품 개발 🚌

앨버트는 성장 분야에서는 항상 실패하기 때문에 특정 사례를 언급하지 않겠다고 말하며, 대신 핵심 제품 개발 시절의 실패 사례를 공유합니다.

• 배경: 앨버트는 샌프란시스코에서 셔틀 서비스 스타트업 'Chariot'에서 제품 리드를 맡았습니다. Chariot은 15인승 통근 셔틀로, 대중교통과 우버(Uber)의 중간쯤 되는 서비스였습니다. 사용자들은 안정적이고 빠르며 합리적인 가격의 핵심 서비스를 매우 좋아했습니다.
• 실패한 아이디어: '다이내믹 경로' 도입: Chariot 팀은 셔틀의 활용도를 높이고 서비스를 혁신하기 위해 'Chariot Direct'라는 다이내믹 경로 시스템을 시도했습니다. 고정된 경로를 운행하는 대신, 운전자가 여유 시간이 있을 때 경로를 벗어나 집에서 승객을 픽업할 수 있도록 하는 아이디어였습니다.
• 세 가지 교훈: 이 시도는 결국 실패했지만, 앨버트에게 세 가지 중요한 교훈을 주었습니다.
  1. 문제 없는 솔루션: "이러면 멋지지 않을까?" 하는 식의 솔루션 중심적 사고였습니다. 이는 "우리의 사용자는 누구이고, 어떤 문제를 해결하고 있으며, 왜 이 솔루션이 그들을 기쁘게 할까?"라는 문제 중심적 사고가 아니었습니다.
  2. 이해관계자 고려 부족: 마켓플레이스 유형의 비즈니스에서는 다양한 최종 사용자를 고려해야 합니다. 팀은 승객 앱에 너무 집중한 나머지, 운전자와 운영팀에게 미칠 영향을 제대로 고려하지 못했습니다. 운전자들이 혼란스러워하거나 불만을 가지면 전체 제품 경험이 어려워집니다.
  3. 시기상조의 PR: 서비스가 출시되기도 전에 많은 언론 홍보(PR)를 진행했습니다. PR은 적절한 시기와 장소가 있지만, 고객의 수요를 검증하기 전에 홍보하는 것은 매우 위험합니다. 이는 많은 매몰 비용을 발생시키고, 일단 시작했으니 성공시켜야 한다는 압박감으로 이어질 수 있습니다.

"이것은 10년 전의 일이지만, 이후 많은 제품을 만들면서 이 세 가지 핵심 교훈을 계속 기억하고 있습니다."

앨버트는 이 실패 경험이 그 이후로 "아무에게도 알리기 전에 모든 것을 실험하는" 정반대의 접근 방식을 취하게 된 계기가 되었다고 덧붙입니다.

결론 🌟

앨버트 쳉과의 대화는 소비자 구독 제품의 성장을 이끄는 데 필요한 깊이 있는 통찰과 실용적인 전략을 제공했습니다. '탐색-활용' 프레임워크를 통해 새로운 기회를 발굴하고 기존의 성공을 확장하는 방법, 그래머리의 역발상적인 수익화 전략, 그리고 부활한 사용자의 중요성에 대한 그의 설명은 제품 성장에 대한 기존의 관점을 재고하게 합니다. 또한, 듀오링고의 엄격하면서도 창의적인 실험 문화, 그래머리의 제품 주도 판매, 체스닷컴의 열정적인 커뮤니티처럼 다양한 성공 모델을 통해 한 가지 정답만 있는 것이 아님을 보여줍니다. AI가 데이터 분석과 프로토타이핑을 가속화하며 성장 전문가의 업무를 변화시키는 모습은 미래 지향적인 시사점을 주었고, "경험보다는 높은 주도성을 가진 인재를 선호한다"는 팀 빌딩 철학은 빠르게 변화하는 시대에 필요한 역량을 강조했습니다.

궁극적으로 앨버트는 성장의 본질이 "사용자와 제품의 가치를 연결하는 것"이며, 이를 위해 끊임없이 실험하고 학습하며 유연하게 접근하는 태도가 중요하다고 역설합니다. 실패를 통해 배우고, 시스템을 구축하며, 고객을 중심에 두는 그의 접근 방식은 어떤 규모의 회사에서든 제품 성장을 고민하는 이들에게 큰 영감을 줄 것입니다.