1. 과학적 연구 방법론  과학적 연구 방법론은 1) 관찰 혹은 연구를 통해서2) 현상에 대한 가설을 세우고3) 가설에 대해 실험을 하여 입증과정을 통해 4) 입증이 됐다면 여러 논의를 통해서 법칙을 만든다. 이 내용은 순수과학(공대도 배울 지도?)에 속한 학과라면 1학년 1학기에 배우는 내용이다. 또한 저 내용을 모르더라도 직접 실험을 통해 체득하기도 한다. 2. PM의 문제 정의 및 해결 접근법 1) 현상현상을 관찰한다.이때, 가치판단은 하지 않는다.보통 데이터를 통해 관찰하게 된다. 2) 목표목표를 설정한다. PM이 속한 팀과 소속에 따라 목표는 달라질 수 있다.또한 1과 2는 독립적이라고 할 수 있다. 꼭 종속적이라 할 수 없다. 3) 얕은 문제(피상적 문제)목표를 바탕으로 현상을 바라볼 때 비로..

1. 어차피 할 사람은 한다. 아무리 UX가 어떻고 절차가 복잡하고 해도  "할 사람"은 한다. 그러면 어떻게 할 사람을 찾아내느냐가 관건일 것이다. 2. 한 가지 방법은 마케팅이다. 즉, 시도하는 고객의 전체 수를 늘려버리면 된다. 시도하는 고객의 분포가 크게 변하지만 않으면, "할 사람"의 비율은 변하지 않을 것이라고 가정할 수 있다. 따라서 시도하는 고객의 전체 수를 늘리면 그 만큼 "할 사람"의 수를 늘릴 수 있다. 단, "할 사람"의 비율은 거의 변동 없을 것이다. 3. 두 번째 방법은 마케팅이긴한데, 타겟 마케팅이다. 즉, "할 사람"의 특징을 잘 찾아서 그 특징이 있을 법한 그룹에게 마케팅을 하는 것이다. 그렇다면 1) 시도하는 고객의 전체 수의 증가를 도모하면서2) "할 사람"의 비율 증가..

올리브영 데이터를 수집하여 리뷰데이터를 통해  문제점을 파악하고 해결방안 모색. 그러나 해당 문제가 회사 측에서 봤을 때 과연 문제라고 할 수 있을지에 대한 의문 발생.  사측의 입장에서 과연 작은 side effect까지 고려할 필요가 있을까? 매출에 심대한 타격이 없고 실험 상 유의미한 문제가 없고 대부분의 사용자에게 좋은 경험을 도출 할 수 있다면 소수의 불편은 감수할만하다. 그것이 비록 의도적일 지라도 말이다.(다크패턴)  타겟으로 삼는 사용자의 분포에서 벗어난 사람들의  손해는 사측에선 크게 신경쓰지 않는다. 타겟으로 삼는 사용자에게 이득만 가져다 줄 수 있다면 필연적인 손실은 짊어지고 진행한다.  또한 부정적인 데이터만 보면 마치 전체가 다 틀린 것 처럼 느껴진다는 말을 실제로 느껴봤다.(편향..

1. 내가 조사한 PM 직무의 핵심은?"비즈니스 관점에서 기획으로 문제를 풀어내는 직무. 이때, 문제의 발견 및 결과 확인을 데이터를 통해 실행한다.문제 발견 및 문제 정의(가설 설정) -> 문제 해결 기획 -> 리소스 분배 -> 프로세스 체크 -> 결과 확인 -> 지속적 모니터링문제 해결을 위한 여러 직무와의 커뮤니케이션 능력문제 해결을 위한 우선순위 결정 및 프로세스 절차 기한 모니터링  2. "다른 도메인의 PM과 공통점/차이점은?" 2 - 1. 공통점목표 설정 및 목표 달성을 위한 전략 기획목표 달성을 위한 우선순위 결정 및 리소스 배치다양한 직무와의 의사소통 능력 및 리딩 능력지표 모니터링실험 설계 및 결과를 통한 개선  2 - 2. 차이점(이커머스 PM을 기준으로)도메인 특화 지식이커머스 PM..

1. 프로덕트 기획 단계에서의 인과추론적용 사례:고객 행동 분석: 특정 요인이 사용자 이탈(Churn)에 미치는 영향을 분석.예: "이탈률이 높은 고객은 무료 체험 기간이 짧기 때문인가?"기능 우선순위 결정: 특정 기능이 사용자 만족도나 전환율에 미치는 영향을 파악.예: "검색 기능 개선이 실제로 구매 전환율을 높이는가?"사용 방법론:회귀 불연속 설계(RD): 무료 체험 기간이 경계값(예: 14일)에서 어떻게 행동에 영향을 주는지 분석.도구변수(IV): 직접 실험이 어려운 경우 대체 변수를 통해 인과 관계를 추론.2. 그로스 분석과 마케팅 전략적용 사례:마케팅 캠페인 효과 분석: 특정 마케팅 활동이 매출 증가에 얼마나 영향을 미치는지 파악.예: "할인 쿠폰이 매출 증가에 기여했는가, 아니면 기존 구매자만..

1. 데이터 분석 종류(?) 혹은 데이터 분석을 사용하게 되는 경우 크게 나누면 페르소나 작성, 그로스 관련 분석, A/B 테스트, 시장 세분화에서의 클러스터링, UX 리서치로 분류할 수 있다. 1) 페르소나 작성 : 데이터로 그려내는 '완벽한 고객의 초상화목표: 사용자 유형에 대한 구체적인 이해.활용 데이터:인구통계학적 정보(나이, 직업, 위치).심리학적 데이터(동기, 목표, 좌절 요인).행동 데이터(구매 빈도, 관심사, 선호 채널).결과물: 각 사용자 군에 맞는 페르소나와 이를 기반으로 한 제품 및 서비스 설계.2) 그로스 분석 : '성장 공식'을 찾아서목표: 고객 획득, 유지, 재참여를 위한 전략 수립.활용 데이터:코호트 분석(신규 vs 기존 사용자 행동 비교).LTV(고객 생애 가치)와 CAC(고..

1. PM은 어떤 역할을 하는 사람인가? 비슷한 경험을 해 본 적이 있나? 1) 크게 '프로덕트 기획'과 '프로젝트 매니징', ' 그로스 프로덕트 (출시 후)' 세 개로 나뉘는 것 같다. (1) 프로덕트 기획  타겟의 불편, 욕구, 경험하고 싶은 것들을 캐치하여 해당 부분들을 만족시킬 수 있는 프로덕트를 기획. 특히 PM의 두드러지는 특징은, 기획단계에서부터 데이터를 사용한다는 것이다. 판단의 근거를 데이터를 통해 하고 후에 프로덕트 출시 후 개선에 있어서도 데이터를 매우 적극적으로 사용한다. 거의 데이터 분석가가 하는 정도로 해야 되는 것 같다. 이미 기획이 된 프로덕트의 경우 프로젝트 매니징 및 출시 후 관리를 주로 하게 된다. (2) 프로젝트 매니징(출시 후) 기획이 되었으면, 프로젝트가 원활히 진..

1. 왜 한 사람을 대표하도록 만드는 걸까? 왜 분포로 만들지 않는 걸까? 결론 분포로 만들지 않는 이유는 분포가 너무 추상적이어서 실질적인 의사결정을 돕기 어렵기 때문이다. 일단 사용자 데이터를 사용해 분포를 세분화한 뒤, 각 그룹의 대표 페르소나를 생성해야 한다. 페르소나는 분포를 대변하는 구체적인 이야기를 통해 팀의 방향성을 명확히 하는 역할을 해야 한다는 사실을 명심하자.  1) 페르소나는 "의사결정 도구"-한 명의 사람처럼 만드는 이유는 구체성과 공감에 있다.페르소나는 단순한 통계 데이터가 아니라, 구체적인 행동과 맥락을 담은 "가상의 인물"이다.팀이 한 명의 사용자에게 집중하면, 더 쉽게 공감하고 그 사람의 문제를 해결하려는 방향으로 논의가 이루어진다. 예: "김지수(28세 마케터)는 직관적인..