제품의 탄생

 

"..."

제품을 어떻게 만들어야 하는지, 비지니스에 대해 어떻게 고민해야 하는지, 프로덕트 조직을 어떻게 형성하고 이끌어 가야 하는지 더 나아가서 PM으로써 어떻게 성장해야 하는지까지 전반적인 내용들을 다루고 있다.

특별하게 감명을 받은 부분이 있기 보단, 전반적인 PM에 대해 훓어본 듯한 느낌을 갖게 된다.

이 많은 정보들을 어떻게 이렇게 어색함 없이 연결시켜놓았지 하는 생각도 든다.

PM이라면, 혹은 PM에 대해 잘알고 싶은 사람은 한번은 꼭 읽어보면 좋을만한 책!

프로덕트=사업이라면 PM=사업책임자(사업부서장)일까? 이 질문에 대한 해답은 조직에 따라 다를 것이다. 사업 수익의 토양에 해당하는 프로덕트를 만드는 것과, 실제 그 프로덕트를 활용해 경영하고 매출을 높이는 것은 서로 구분 가능한 역할이다.따라서 조직의 성격에 따라, 매출을 비롯한 사업상 책임을 PM에게 부가하기도 PM의 역할 범위 밖에 두기도 하므로 각 구성원 능력과 프로덕트 특성에 맞춰 책임 범위를 결정하는 것이 좋다. 그러나 모든 책무를 PM이 짊어진다면 PM의 역할에서 병목 지점이 발생할 수 있다. 

프로덕트 팀이 중시하는 항목 1위부터 10위까지 우선순위를 매긴 것을 ‘중요도 순위’라고 부른다. 프로덕트 성공을 위해 팀이 결정한, 양보할 수 없는 가치를 담은 것으로서 현실적 판단의 기준이 된다.

PEST 분석을 통해 시장 전체를 살펴보고, 지금의 시장 환경이 어떤 흐름에 놓여 있는지, 시장에 어떤 취약점이 있는지 등을 알 수 있다.

UX 관점에서 사용자 목표는 다음과 같은 3가지로 나눠 파악하기를 추천한다. 사용자가 의식적 혹은 무의식적으로 추구하는 목표를 이해한다면 프로덕트를 사용하게 만드는 중요한 동기를 부여할 수 있다.

1)최종 목표 : 사용자가 프로덕트를 통해 무엇을 달성하고 싶은가? 예) 판매, 구매, 배송, 장바구니 알림

2)경험 목표 : 사용자가 프로덕트를 사용할 때 소중히 여기는 감정과 동기는 어떤 것인가? 예)장거리 연애 중인 연인과 유대감을 쌓기 위해 문자 메시지보다는 영상 통화를 하고 싶음. 이 경우 동기는 ‘유대감’

3)생애 목표 : 사용자가 인생에서 궁극적인 목표는? 그 목표에 프로덕트는 어떻게 영향을 미치는가? 예) 팀원의 작업 진척도를 알림과 업데이트를 통해 수시로 알고 싶다. 이 경우 생애 목표는 ‘팀원이 벽에 부딪혔을 때 신속하게 파악해 도움을 제공하고 싶다. 그리하여 팀으로서 좋은 성과를 거두고 싶다’가 될 것이다.

사용자는 프로덕트를 눈으로 보고 손으로 만질 때 막연히 ‘이렇게 움직이겠지’라고 생각한다. 이와 같은 프로덕트나 사용 경험에 대한 암묵적인 전제를 멘탈 모델이라 부른다. 멘탈 모델의 원뜻은 개인이 세계를 어떻게 인식하고 해석하는가이지만, UX 관점에서는 주로 사용자가 프로덕트에 대해 뭔가 행동을 취할 때 프로덕트에서 예상되는 동작을 뜻한다.

KPI에는 후행지표(legging indicato)와 선행 지표(leading indicator)라는 두 종류가 있다. 후행 지표란 어떤 투입 노력의 결과로서 나타나는 수치다. 예를 들어 전년도 매출이나 투자자와 논의한 향후 계획 등을 고려해 이번 분기 10억원 매출이라는 목표가 설정됐다면 여기서 10억원은 후행 지표에 해당한다. 선행 지표란 후행 지표로 이어지기 전에 나타나는 수치를 뜻한다. 프로덕트 전략을 통해 사용자 유지율이 개선된다면 그 ‘결과로’ 수익은 오르게 마련이다. 

선행 지표와 후행 지표는 서로 상대적이다. 앞서의 ‘사용자 유지율’을 후행지표로 두면, 선행 지표는 ‘사진 업로드 횟수’, ‘메시지 회신율’등이 된다. 

KPI에 비견할 수 있는 핵심 목표 지표(key goal indicator(이하 KGI))라는 개념도 있다. 이는 비즈니스의 최종 목표를 정량적으로 평가하는 지표로 사용된다. ‘매출액 50억 원’과 같은 수익 목표, 혹은 성장 목표로 나타내는 경우가 많다. 따라서 KGI를 달성하기 위한 과정을 KPI로 파악하는 식으로도 활용된다. 프로덕트의 최종 목표에 해당하는 KGI를 여러 KPI로 표현한 결과를 KPI 트리라고 한다. 수익 목표를 기업 전체의 KGI로 잡는 경우도 빈번하다.

1.NSM 개선이 사용자 경험 향상과 연결되는가

2.사용자가 프로덕트에 정착한 비율을 잘 나타내는가

3.x 축에 시간, y축에 수익과 성장 목표를 그린 성장 지표 그래프가 장기적으로 우상향하는가

4.수익과 밀접하게 연결되는 선행 지표인가

5. 조직 구성원이 이해하기 쉬운가

구체적인 예로 화상회의 솔루션인 줌을 들어보자. 줌은 2021년 회계연도에서 매출액 약 1조 8천억 원의 수익을 KGI로 설정했다. NSM으로는 ‘한 주 동안 줌으로 주최되는 미팅 수’를 설정했다. 줌의 프로덕트 가치는 간편한 앱 실행, 사용 용이성, 고품질 영상/음성에 있으며, 그 가치는 회의 주최자뿐만 아니라 참가자 측도 느낄 수 있다. 

지불 용의 가격의 책정 방법은 다양하나, 이 책에서는 비교적 다루기 쉬운 판페스텐도르프법(PSM price sensitivity meter 가격민감도법이라고도 불림)에 관해 설명하겠다. 기본적으로는 타깃 사용자의 목소리를 듣는 것이지만 ‘무엇을 물을까’가 요점이다. 가격 민감도로부터 지불 용의 가격을 추산하기 위해서는 다음 X1~X4 값에 대한 고객의 목소리를 들어야 한다. 

‘X1원은 너무 저렴하다’ (너무 저렴해서 오히려 불안)

‘X2원은 비교적 저렴한 편'

‘X3원은 비교적 비싼 편'

‘X4원은 너무 비싸다. 절대 안 산다'

X1~X4의 값을 구했다면 그다음에는 왜 그 가격이라고 생각하는지 고객 생각을 들어본다. 

프로덕트 전체 청사진 그리기

모든 프로덕트 팀원이 프로덕트의 어떤 기능은 무슨 역할을 담당하는지 왜 필요한지를 이해하고 개발에 임한다면 프로덕트 완성도를 더욱 높일 수 있다. 프로덕트의 전체 그림을 이해하는 것은 프로덕트 팀의 동기 부여에도 기여한다. 나아가 시장 조사와 사용자 인터뷰 결과, 가설과 검증 결과 등 많은 결과물을 프로덕트 팀 전원이 볼 수 있게 공개해둔다.

애드먼슨은 안심, 학습, 불안, 무관심의 4개 영역으로 나눈 사분면 매트릭스를 만들어 학습 영역을 목표로 할 것을 제시했다. 심리적 안정감이 고취된 프로덕트 팀 분위기를 조성하려면 PM이 스스로 약점을 노출하기를 꺼리지 않아야 하며 팀 성장을 위해 중장기적 학습 계획을 도입하거나 각종 소통을 위한 노력도 기울여야 한다.

PM은 프로덕트 팀이 현재 어느 단계에 놓여 있는지를 파악하고 발달 단계에 맞게 팀을 구축하며 팀원과의 소통을 수행해야 한다.

5가지 단계 중 형성기에는 구성원이 서로에 대해 깊이 있게 이해해야 한다. 업무상으로는 이미 낯익은 관계라 해도 다시 자기소개부터 시작해보자.

격동기에는 팀 비전과 미션, 가치에 대해 이야기를 나누면 좋다. 

안정기에는 결과를 리뷰하고 팀 성장을 의식해야 한다. 매일 팀 활동을 통해 깨달은 점을 공유하고 한 팀으로 개선을 반복한다.

프로덕트 ‘핵심’, ‘기획의도’, ‘구상’에 대한 검토가 끝나고, 프로덕트 ‘실현’단계에서 많은 사람을 끌어들여 프로덕트를 개발할 준비를 마쳤다면 이제부터는 PM이 적극적으로 이끌어가는 대신 프로덕트 팀에게 공을 넘겨야 한다. 그 후 PM은 적절한 시점에 필요한 의사결정을 담당한다.

그로스 해커 역할에만 치중하며 단기적인 웹디자인이나 흐름 개선에만 급급하다 보니 장기적 관점의 프로덕트 개발과는 멀어지게 됐다. PM 입장에서는 한번 엇나간 프로덕트를 다시 장기적 관점에서 수정하기란 번거로울 수밖에 없으며 결국 프로덕트 성장 속도는 뒤처지고 만다.

B2B PM은 업계 특유의 관행에 대한 깊은 이해와 관심, 사용자나 이해관계자에 대한 상상력, 어느 쪽에도 치우치지 않게 우선순위를 결정하기 위한 균형감, 이렇게 3가지 덕목을 갖춰야 한다.

글로벌 진출의 예로 구글이 추진하는 ‘다음 10억 사용자’라는 이니셔티브가 있다. 

B2B 스타트업에서 일하는 PM의 하루 일과

B2C 프로덕트를 담당하는 PM의 하루 일과

업계 정보 읽기

- 마케팅.리서치 회사의 리포트 읽기

- ‘[자신이 알고 싶은 프로덕트 명] review’, 후기, 등의 키워드를 검색창에 넣어 효율적으로 검색하기

- craft.co 활용, SPEEDA 활용, 관련 업계 신문과 특화 사이트 읽기, 공개된 기업이라면 재무제표를 읽고 동종업계의 타사와 비교해보기 

AI 지도책

 

" 전도사들이 열렬히 추구하는 방식의 효율에서 강조되는 것은 다양성, 복잡성, 상호 의존성이 아니라 표준화, 단순화, 속도다."

최근 유행하고 있는 generative AI, 많은 곳들에서 앞으로의 세상은 AI를 다룰 수 있는 사람과 그렇지 않은 사람으로 나뉠 것이다 라고 한다.

계속 듣다보면 빨리 살펴보지 않으면 뒤쳐질 것 같은 조급함을 만들어내고, 이는 AI를 잘 활용해서 어떻게 결과물을 잘 만들어낼 것인가에 집중하게 한다.

결과물 뒤에 있는 AI의 실체에 대해서는 전혀 관심이 생길 겨를이 없다.

AI 지도책은 AI 결과가 아닌 AI의 과정에 집중하게 한다.

삶을 풍요롭게 만드는 데 도움을 주는 것으로 보이지만, 엄청난 자원을 활용함에 따라 자연에 피해를 주고 있다는 것

정확한 정보를 내 주는 것으로 보이지만, 그 안에는 편협하거나 불순한 의도가 있는 분류 기준이 있다는 것

결국 이 모든 것들이 조정하는 것은 권력의 힘이라는 것

권력이 없는 자는 권력자들의 힘에 의해 선택지 없이 표준화되고 단순화되고 속도를 내는 도구로 활용되게 된다는 것이다.

AI가 만들어내는 새로운 물결을 거스르기는 쉽지 않아 보인다.

다만, 제대로 AI 지도책을 펼쳐놓고 다각도로 고민하며 물결에 제대로 올라타기 위한 노력은 필요해 보인다. 

‘인공지능’ 이라는 용어의 폭넓은 의미는 지능의 정치적 성격에서 대규모 데이터 수집까지, 기술 부문의 산업적 집중에서 지정학적 군사력까지, 자연이 사라진 환경에서 현재진행형인 차별의 형태까지 이 모든 구성요소와 이것들이 어떻게 깊숙이 얽혀 있는지 들여다볼 권한을 우리에게 부여한다. 우리의 과제는 그 지형을 계속해서 눈여겨보고, ‘인공지능’이라는 용어의 가변적이고 유연한 의미에 주목하는 것이다.

많은 사람들이 밝혔듯 전기차는 이산화탄소 배출의 완벽한 해결책과는 거리가 멀다. 배터리 공급사슬에서 이루어지는 채굴, 제련, 추출, 조립, 운송은 환경에 심각한 악영향을 끼치며 환경 파괴는 지역사회에 피해를 입힌다.

미국 소비자기술협회의 발표에 따르면 스마트폰의 평균 수명은 4.7년에 불과하다. 이 노후화 주기는 더 많은 기기의 구매를 유도하고 이윤을 끌어올리고 지속 불가능한 추출 관행을 부추긴다. 광물, 성분, 원료들의 개발 과정은 느릿느릿 진행되지만 그러한 과정만 끝나면 채굴, 처리, 혼합, 제련, 물류 운송은 일사천리로 진행된다.

AI 시스템의 일생에는 인간 노동과 천연자원의 착취, 기업 권력과 지정학적 권력의 거대 집중 등 여러 프랙털적 공급사슬이 존재한다. 그리고 처음부터 끝까지 지속적인 대규모의 에너지 소비가 이 사슬을 굴러가게 한다.

알고리즘 연산, 전산통계학, 인공지능은 20세기에 사회적, 환경적 과제를 해결하기 위해 개발되었지만 이후에는 산업적 추출과 착취를 배가하여 환경 자원을 더욱 고갈시키고 말았다.

데이터 센터는 세계 최대의 전기 소비처 중 하나다. 이 다층적인 기계에 동력을 공급하려면 석탄, 가스, 원자력, 재생에너지 등의 전력이 필요하다. 

AI 시스템의 확장과 공정 자동화에 대해 흔히 들을 수 있는 문구는 지금이 인간과 AI가 호혜적으로 협력하는 시대라는 것이다. 하지만 이 협력은 공정한 협상의 결과물이 아니다. 계약의 토대는 현저한 권력 불균형이다. 알고리즘 시스템과 협력하지 ‘않는’ 선택이라는 것이 과연 가능하겠는가? 기업이 새로운 AI 플랫폼을 도입할 때 직원들이 거부할 수 있는 경우는 거의 없다. 이것은 협력이라기 보다는 강제 짝짓기에 가깝다. 노동자들은 기술을 새로 배우고 변화에 발맞추고 새로운 기술 발전을 무조건 수용해야 한다.

배비지의 이론은 일종의 금융자유주의에 부쩍 기울어 있었기에, 그는 노동을 자동화에 의해 통제해야 할 문제로 여기게 되었다. 이 자동화의 인간적 비용이 얼마나 되는지, 자동화를 활용하여 공장 종업원들의 작업 여건을 개선할 수 있는지에는 별로 관심이 없었다. 오히려 배비지의 이상화된 기계는 공장 소유주와 투자자의 금융 소득을 극대화하는 것을 주된 목표로 삼았다. 비슷한 맥락에서 오늘날 작업장 AI를 옹호하는 사람들이 제시하는 생산 형식은 반복적인 고된 노동을 대체함으로써 직원들을 지원하기보다는 효율, 비용 절감, 이윤 증대를 우선시 한다.

전도사들이 열렬히 추구하는 방식의 효율에서 강조되는 것은 다양성, 복잡성, 상호 의존성이 아니라 표준화, 단순화, 속도다.

[과학적 관리법]은 도구와 작업 절차에 대한 최적의 효율적 배치를 도출하기 위해 노동자 신체의 움직임을 정량화하는 체계를 확립했다. 그의 목표는 최소 비용으로 최대 산출을 얻는 것이었다. 이것은 시간의 지배에 대한 마르크스의 묘사를 구체화한 본보기였다. ‘시간이 모든 것이고 인간은 이미 무와 같다. 인간은 기껏해야 시간의 해골에 지나지 않는다.’

노동과 자동화의 역사는 모든 노동자에게 더 공정한 여건을 조성하는 것이야말로 관건이며 정당성을 얻기 위해 기술 노동의 정의를 확장하는 방법으로는 이 포괄적 목표를 달성할 수 없음을 우리에게 상기시킨다. 노동의 미래가 어떤 모습일 것인가는 우리 모두의 중대 관심사이기 때문이다.

유명인 블로그 같은 출처에 공개된 정보를 활용하면 배우와 정치인을 식별할 수 있었으며 스트립 클럽을 찾는 사람들의 주소를 찾아낼 수도 있었다. 하지만 이런 데이터 집합은 개인적 피해를 뛰어넘어 집단이나 지역사회 전체에 ‘예측 관련 프라이버시 침해’를 일으킨다. 이를테면 앞서 언급한 뉴욕 시 택시 데이터 집합은 기도 시간에 택시 운행이 중단되는 것을 관찰하여 어느 운전사가 독실한 무슬림인지 알아내는 데 이용되었다.

저임금 크라우드 노동자들은 워드넷 신세트와 위키백과 정의를 바탕으로 이미지를 분당 50건의 속도로 판단하여 범주에 끼워 맞추는 불가능한 작업을 할당받는다. 이렇게 라벨링된 이미지의 기층을 조사했을 때 고정관념, 오류, 부조리가 잔뜩 드러나는 것은 전혀 놀랄 일이 아니다. 비치 타월에 누워 있는 여성은 ‘도벽 환자’이고 스포츠 저지를 입은 10대는 ‘루저’라는 라벨이 달리며 배우 시고니 위버의 사진은 ‘남녀한몸’으로 분류된다. 여느 데이터 형식과 마찬가지로 이미지는 온갖 종류의 잠재적 의미, 답할 수 없는 질문, 모순으로 가득하다.

프레더릭 더글러스의 말을 빌리자면, ‘권력은 요구하지 않으면 아무것도 양보하지 않는다. 결코 그러지 않았고 결코 그러지 않을 것이다.’ 기계학습의 보이지 않는 분류 체계 내에서는 요구를 제시하고 내부의 논리에 반대하기가 더 힘들다.

에크먼은 속임수 탐지 기법을 교통안전국 같은 보안기관에 팔았으며, 교통안전국은 이 기법을 이용하여 ‘관찰을 통한 승객 선별 기법(SPOT)’ 프로그램을 개발했다. SPOT은 9.11 공격 이후에 항공 여행객의 표정을 감시하여 테러범을 ‘자동으로’ 탐지하는 데 이용되었다. 시스템에 채택된 아흔네 가지의 기준은 전부 스트레스나 두려움, 속임수의 징후라고 한다.하지만 이런 반응에 주목하다 보면 일부 집단이 직접적으로 불이익을 당하게 마련이다.

인공지능은 인간의 지시 없이 판단을 내리는 객관적이고 보편적인 연산 기법이 아니다. 인공지능 시스템은 사회적, 정치적, 문화적, 경제적 세계에 붙박여 있으며, 무엇을 어떻게 해야 하는지 결정하는 인간, 제도, 명령에 의해 빚어진다. 이 시스템은 차별하고 서열을 증폭하고 편협한 분류를 구현하도록 설계되었다.