[PM-17] 문제 정의 및 해결4 ㅣ 3단계 가설수립 및 검증

** 프레임워크

단계	설명
1. 목표 수립	해결하고자하는 문제의 상위 비전, 목표 정의 + 사용자/비즈니스 관점 핵심 지표 설정
2. 문제 정의	수많은 이슈 중 해결할 핵심 문제 도출 + 원인 분석
3. 가설 수립 & 검증	해결을 위한 가설 → 실험/데이터 기반 검증 → 반복 개선 (Iteration)

 

---

📍 핵심 목표

• 문제 정의 이후, 이제 어떤 해결책이 효과적일지 검증하는 단계
• 직감이나 추측이 아닌, 가설 → 실험 → 데이터 검증 → 인사이트 도출이라는 구조로 접근

👀 당근 PM 공고

가설을 수립하며 검증을 위한 실험을 진행해요

👀 토스 PM 공고

“문제정의 - 가설수립 - 액션 및 검증 - 결과”

 

---

📍 프레임워크 필요성 (목표수립-문제정의-가설수립 및 검증)

• 작은 가설을 세우고, 실험과 반복(Iteration)을 통해 실패하더라도 빠르게 실패하고, 성공 확률이 높은 쪽으로 방향성
• 애자일 방식 (빠른 실험과 반복(iteration)을 통해 점진적으로 개선 가능)과 일치
• 감이 아닌 데이터 기반 의사결정이 가능해짐

👀 실무 엿보기 [뱅크샐러드] https://blog.banksalad.com/tech/birth-of-a-genuine-experiment-organization/

 

---

1️⃣ 해결방안 도출

• 이때 설정하는 해결안은 **아직 검증되지 않은 ‘가설’**임
  → 즉, **가설 기반 사고(Hypothesis-driven Thinking)**의 시작점
• 문제정의 후 도출한 해결책은 모두 검증 전 단계의 가설이다.
  실행 전 반드시 우선순위를 정하고, 실제로 가장 가능성 있는 것부터 실험해야 한다.

1. 다양한 해결 아이디어 발산
   • 이 단계에서는 정답을 찾는 게 아니라 가능한 방향을 넓게 탐색하는 것이 중요
2. 해결안 우선순위화
   • 실행 가능성 + 효과를 기준으로
   • Impact vs. Effort Matrix 활용
     → ‘임팩트는 크고, 노력은 적은 것’부터 우선 고려 (Quick Win 전략)

 

👀 예시

 

👀 실무 엿보기 [토스] https://toss.im/career/article/growth-domain

 

---

2️⃣ 가설 수립

• 예상되는 인과 관계를 설명하는 문장
• 가설 = 문제 해결 위한 변화 + 변화가 미칠 영향 예측 검증
• 기본 형식:
  “만약 ~하면, ~할 것이다.”

✅ 좋은 가설의 조건

조건	설명
변수 포함	어떤 변화를 줄 것인가? (예: 무료 배송 도입하면)
결과 포함	어떤 변화가 나타날 것인가? (예: 구매 전환율 15% 증가될 것이다)
검증 가능성	정성/정량 데이터를 통해 측정 가능해야 함

 

✔ 예시:

❌ “만약 배달 앱에서 예상 배달 시간을 실시간 표시하면, 사용자 만족도가 증가하고, 주문 취소율이 줄어들 것이다.”
⭕ 배달의민족 앱에 '주문 후 예상 배달 시간'을 실시간으로 표시하면, 사용자 만족도가 높아지고, 주문 취소율이 감소할 것이다."

 

👀 실무 엿보기 [오늘의집]

https://www.bucketplace.com/post/2021-05-27-%EC%B2%AB-tv-%EA%B4%91%EA%B3%A0%EC%9D%98-%EC%84%B1%EA%B3%BC- %EC%98%A4%EB%8A%98%EC%9D%98%EC%A7%91%EC%9D%80- %EC%96%B4%EB%96%BB%EA%B2%8C-%EC%B8%A1%EC%A0%95%ED%95%98%EA%B3%A0- %EB%B6%84%EC%84%9D%ED%96%88%EC%9D%84%EA%B9%8C/

TV 광고 후 전환율 분석으로 마케팅 가설 검증

 

✅ 가설 검증 방법

방법	설명	장점	단점	적합한 상황
A/B 테스트	두 버전의 성과 비교	명확한 수치 확인	많은 사용자 필요	두 옵션 중 더 나은 것 확인 시
사용자 인터뷰	직접 질문 및 니즈 파악	숨겨진 니즈 발굴	준비 시간/비용	사용자의 생각을 알고 싶을 때 (ex. 초기 아이디어 검증)
유저 테스트	실제 사용 후 피드백 수집	관찰 가능	리크루팅 필요	개선점 찾을 시
오픈 후 데이터 분석	기능 적용 후 실제 데이터 확인	빠르고 비용 적음	맥락 파악 어려움	기능 적용 후 성과 측정

 

※ A/B 테스트는 일정 규모 이상의 유저 풀이 필요

※ 유저 인터뷰/UT는 리크루팅 자원 필요
※ 오픈 후 데이터 분석은 가장 빠르고 효율적으로 가설 검증 진행 가능

 

👀 실무 엿보기 [당근]

https://about.daangn.com/blog/archive/%EB%8B%B9%EA%B7%BC- %ED%94%84%EB%A1%9C%EB%8D%95%ED%8A%B8%EB%94%94%EC%9E%90%EC%9D%B4%EB%84%8%EC%B1%84%EC%9A%A9-%EC%9D%B8%ED%84%B0%EB%B7%B0/

 

👀 실무 엿보기 [당근]

https://about.daangn.com/blog/archive/%EB%8B%B9%EA%B7%BC- %EC%A4%91%EA%B3%A0%EC%B0%A8-%EC%A7%81%EA%B1%B0%EB%9E%98- %EC%8B%A4%ED%97%98%EB%AC%B8%ED%99%94- %EC%82%AC%EC%9A%A9%EC%9E%90%EA%B2%BD%ED%97%98- %ED%8C%80%EB%AC%B8%ED%99%94/

인터뷰 통해 중고차 직거래 실험 설계

 

👀 참고. Dropbox의 가설검증 방식

• Dropbox: 제품이 완성되지 않은 상태에서 영상으로 사용 시나리오 제시 → 투자 유치

• 초기 Dropbox는 클라우드 저장소 개념을 알리기 어려웠음.
• 제품 완성 대신 사용 시나리오를 담은 영상 제작.
• 이 영상으로 가능성을 보여주고 Y Combinator 투자 유치.

 

👀 실무 엿보기 [브런치] https://brunch.co.kr/@coupangdesign/53

 

👀 실무엿보기 [팀스파르타] PM 공고

---

✅ 오픈 후 데이터 분석 시 유의사항

• 측정 가능한 지표를 반드시 설정할 것
  → "어떤 수치를 보고 가설이 맞는지 판단할 것인가?"

1. 직접적 관련성: 결과와 인과 관계가 있는 수치를 선택
2. 상위 목표와 연결: OKR (비즈니스 목표와 사용자 만족도와 연계)
3. 맥락 분석 가능성: 수치 증감의 이유를 해석할 수 있어야 함
4. 시간 설정: 언제까지의 데이터를 기준으로 삼을지 명확히

---

 

3️⃣ 가설 검증

 

"예상과 다른 결과가 나와도 괜찮다. 아무것도 얻지 못하는 게 더 큰 리스크다."

-> 실패를 두려워하지 말고, 빠르게 피드백 받고 개선하는 구조를 만드는 게 PM의 진짜 실력

 

1. 실패 자체보다 무엇을 배웠는지가 핵심
2. 인사이트가 있다면, 실패가 아니다
3. 초기 기획부터 검증 가능하도록 설계해야 한다

 

✅ 가설 검증 결과가 예상보다 좋지 않으면?

• 결과가 나쁜 것보다 더 나쁜 것은
  👉 아무 인사이트도 얻지 못한 경우
  → 검증 자체가 안 되면 다음 액션도 없음
• 예상과 다르게 나왔더라도,
  👉 실패한 이유 분석 → 가설 수정 및 반복 실험(Iteration) 으로 이어가는 게 중요

 

👀 실무 엿보기 [우아한 형제] https://techblog.woowahan.com/12417/

광고 배너 성과 미비 → 사용자 클릭패턴 분석 후 CTA 개선

 

👀 실무 엿보기 [토스] https://blog.toss.im/article/user-research-team-interview

유저 리서치팀 인터뷰 통해 기능 폐기 사례 공유 → 실패에서 배운 점 강조

👀 실무 엿보기 [오늘의 집]

https://www.bucketplace.com/post/2023-11-29-bx-%EB%94%94%EC%9E%90%EC%9D%B8- %ED%8C%80%EC%9D%80-%EA%B3%A0%EA%B0%9D%EC%9D%98- %EB%AA%A9%EC%86%8C%EB%A6%AC%EB%A5%BC-%EC%96%B4%EB%96%BB%EA%B2%8C- %EB%93%A4%EC%9D%84%EA%B9%8C/

고객 목소리를 반영한 BX 디자인팀 사례 → 사용자 이해에서 출발한 개선 시도

 

---

 

📌 3단계의 핵심 흐름

1. 해결 방안 도출
   • 문제 정의 이후 가능한 해결책을 다양하게 도출
   • 이 중 가장 실행 가능성 높은 것을 선택 → 가설로 수립
2. 가설 수립
   • "만약 ~하면, ~일 것이다" 형태
   • 인과관계 명확 + 정량적 결과 포함 (검증 가능해야 가설임)
3. 가설 검증
   • A/B 테스트, 사용자 인터뷰, 실사용 데이터 등
   • 결과가 예상과 달라도 인사이트만 얻으면 OK
   • 검증 불가능이 가장 큰 실패