그로스 해킹과 데이터 드리븐 조직문화

pxd 블로그에서 그로스 해킹을 가장 먼저 다룬 글은 2015년 이재용이 쓴 글이다. 이 글은 먼저 마케팅과 UX의 관계를 짚는다. 기업 입장에서 고객에게 중요한 두 가지 '진실의 순간(The Moment of Truth)'—물건을 살 때(Buying Decision)와 사용할 때(Using Experience)—는 원래 별개였지만, 온라인 서비스에서는 이 둘이 뒤섞여 사용이 곧 구매로 이어지기 때문에 UX를 하는 사람이라면 마케팅을 잘 알아야 한다는 것이다. 이런 맥락에서 그로스 해킹을, 스타트업이 제품 고객군의 '성장(growth)'을 위해 창의적이거나 특별한 방법(해킹, hacking)을 쓰는 것—사람들이 매력을 느끼는 제품(Product-Market Fit)을 전제로 입소문의 구조를 설계(Acquisition with viral)하고 지속 사용을 이끌어내는(Retention) 과정—으로 정의했다. 드롭박스의 무료 용량 제공, 우버의 무료 탑승 쿠폰, 아이폰 메일 서명에 자동으로 붙는 "아이폰으로 보냄" 문구가 그 사례로 제시됐다. 이재용은 그로스 해킹이 마케팅의 한 갈래가 아니라 스타트업의 생존 자체를 좌우하는 전사적 문화이자 '팀 경기(Team Sport)'라는 관점(아론 긴, 션 엘리스 등)을 인용하며, 그로스 해킹이야말로 화면을 만드는 것을 넘어 '사용자가 제품/서비스에 관해 경험하는 모든 요소'를 설계하는 일이라는 점에서 UX 디자이너가 처음으로 제대로 된 'UX 1.0'을 실현할 기회일 수 있다고 전망했다. 글 말미의 사내 채팅에서 정기원·김희선은 그로스 해킹이 UX·마케팅·데이터 중 어느 한 부서의 일로 국한되면 다른 구성원들이 책임을 미루게 된다며, 전 구성원이 함께 풀어야 할 목표이고 그로스 해커는 그 목표에 자기 시간을 100% 쏟는 담당자일 뿐이라는 균형 잡힌 시각을 더했다.

이 개념은 이후 2023년 pxd talks 강연(TALK 1)에서 더 체계적으로 다뤄졌다. 데이터 분석가 양승화는 그로스 해킹을 "데이터를 기반으로 제품 또는 비즈니스가 마주한 문제를 정의하고 이를 해결하는 것"이라 정의하며, 이를 위해 갖춰야 할 네 가지 조건으로 데이터 분석 환경, 지표, 프로세스, 문화를 제시했다. 데이터 분석 환경은 데이터 전문가가 아니어도 누구나 데이터에 접근하고 탐구할 수 있는 조직 역량을 뜻하고, 지표는 '전환율 개선' 같은 목표를 모두가 동일하게 정의·공유하는 것을 뜻한다. 지표 정의의 중요성을 보여주는 사례로 생존자 편향(Survivorship Bias)이 인용됐다 — 2차 세계대전 당시 미군이 격추되지 않고 복귀한 전투기의 피격 부위(날개·꼬리)만 분석해 그 부위를 보강하려 했지만, 실제로는 복귀하지 못한 전투기의 피격 부위(몸통)를 봐야 생환율을 높일 수 있었다는 사례로, 데이터를 수집하는 과정에서 누락되는 요소까지 함께 고려해야 함을 보여준다. 프로세스는 목표·핵심 지표 설정 → 가설 검증 실험 → 결과 공유의 반복 순환을, 문화는 데이터 접근성과 보안을 함께 지키며 일부가 데이터를 사유화하지 않는 조직 분위기를 뜻한다. 양승화는 시스템 구축과 시행착오에 절대적 시간이 필요하므로 "지금 시작해야 한다"고 강조했다.

pxd talks 강연(TALK 1) 이후 진행된 사내 좌담(TALK 2)에서 여러 직군의 구성원들은 그로스 해킹을 각자의 관점에서 어떻게 받아들이는지를 나눴는데, 공통적으로 강조된 것은 데이터 리터러시의 중요성이었다. 프로덕트 디자이너는 "근거 있는 디자인"을 위해 필요하다고 봤고, 리서처는 SQL 학습으로 데이터 분석 역량을 키워 다른 직군과의 협업 품질을 높이려 했다. 이론 중심의 책보다 실무 사례를 통한 학습이 이해에 더 효과적이라는 의견도 나왔다.

데이터 리터러시가 개인의 역량에 그치지 않으려면 업무 프로세스에 반영되어야 한다는 지적이 이어졌다. 데이터를 근거로 가설을 세우고 검증해 적용하는 흐름을 프로세스로 정착시키고, 유저 행동 데이터에 기반해 사용성을 개선하는 순환 구조가 필요하다는 것이다. 이 과정에서 핵심 지표를 데이터가 필요한 사람과 데이터를 다루는 사람 모두가 동일하게 이해하도록 명확히 정의하는 것이 중요하다고 강조됐다. '성장', '활성화' 같은 추상적 목표보다 '절대적인 유저 수 증가', '트랜잭션 전체 건수 증가' 같은 구체적 지표가 데이터 수집과 분석을 뾰족하게 만든다.

프로세스를 넘어 조직 문화로서의 데이터 공유도 논의됐다. 누구나 인사이트를 갖고 나눌 수 있는 환경, 보안을 지키면서도 데이터를 공유할 수 있는 정책과 툴, 직군·소속에 상관없이 데이터를 두고 이야기할 수 있는 분위기가 함께 거론됐다. 회사 차원의 책·강연 지원을 넘어 조직 문화와 환경을 함께 조성하려는 지속적인 노력이 필요하다는 의견도 있었다.

데이터 리터러시(Data Literacy)를 정면으로 다룬 글은 이를 "데이터를 읽고 이해하고 분석하며 비판적으로 수용·활용할 수 있는 능력, 그리고 이를 업무에 적용하고 소통할 수 있는 능력"으로 정의한다. UX 컨설팅에 데이터를 적용하는 절차는 네 단계로 제시된다: ① 데이터로 현재 시장·서비스의 Intervention Points(개입 지점)를 포착 → ② 이를 근거로 초기 가설을 세워 실제 사용자 대상 정성조사를 시작 → ③ 정성조사 결과로 2차 가설을 점검(User Survey·Interview·Workshop 등 시각적·체험적 방식을 곁들이면 더 유의미한 인사이트를 얻을 수 있음) → ④ 검증된 가설을 A/B 테스트·프로덕트 마케팅 등 정량 조사로 재확인. 이는 Data Science가 UX와 마찬가지로 별도의 전문 분야임을 인정하고 데이터 전문가와 UX 전문가가 협업해야 함을 전제로 하며, 협업의 네 원칙으로 ① 데이터를 이해하는 과정에 UX 관점을 공유하고, ② 데이터를 확보하는 단계부터 UX의 목적을 반영하며, ③ 데이터 기반 의사결정에 UX 맥락을 함께 만들고, ④ 데이터를 전달할 때도 그것을 보는 사람과 맥락을 고려한 UX적 커뮤니케이션을 적용해야 한다는 점을 제시한다.

한편 웹3 서비스에서의 그로스 해킹은 기존 방식과 다를 수 있다는 문제의식도 제기됐다. 블록체인 기반 서비스는 데이터가 여러 블록에 분산 저장되기 때문에, 특정 타깃 유저를 구체적으로 트래킹해 성공했던 웹2 방식의 사례를 그대로 적용하기 어렵다. '프로덕트'가 유형 상품에서 무형 서비스로 확장되며 '디자인'의 의미가 달라졌듯, 웹3 환경에 맞는 새로운 데이터 드리븐 방법론을 계속 탐색해야 한다는 것이 참여자들의 공통된 결론이었다. 그로스 해킹을 성공을 보장하는 '정답'이 아니라 여러 도구 중 적재적소에 활용할 수 있는 하나의 수단으로 보는 태도가 강조됐다.

UX 컨설팅 과정에 그로스 해킹을 접목하려는 시도도 이어졌다. 정성적 방법론(퍼소나, 저니 맵 등)에 의존해오던 UX 컨설팅에 데이터 기반의 Evidence-based 방법론을 더하면, 정량 데이터로 Problem과 Opportunity를 발견하고 정성조사로 그 맥락을 구체화하는 상호 보완 구조를 만들 수 있다는 것이다. 예컨대 "78%의 구매 고객이 30대"라는 정량 인사이트만으로 메인화면을 개편하기보다, 30대 사용자가 어떤 맥락에서 구매로 이어지는지를 정성조사로 함께 확인해야 실제로 유효한 결론에 도달할 수 있다. 이를 위한 대표적 지표 체계가 AARRR(양승화의 『그로스 해킹』에서 소개된 프레임워크)로, Acquisition(획득 채널), Activation(퍼널상 핵심 가치 경험), Retention(핵심 가치의 지속적 경험), Revenue(비용 대비 수익), Referral(서비스 확산) 다섯 지표로 사용자 행동을 구조화한다. 이 지표들은 궁극적으로 Desirability(고객이 매력을 느끼는가), Viability(비즈니스 목표에 부합하는가), Usability(문제없이 사용할 수 있는가) 세 가지 실현 가능성·사용성 확인으로 이어진다. 실무 적용 절차는 사용자 데이터·인터뷰로 가설을 설정 → 가설을 검증할 지표를 정의 → 일정 기간 테스트(A/A, A/B)로 지표 추이를 확인해 새 가설을 세우는 순환 구조를 따르며, 이 전체 과정은 한 사람이 아니라 여러 직군이 협업하는 Cross Disciplinary 작업으로 봐야 한다는 것이 강조됐다.

핵심 내용

  • 그로스 해킹: 데이터와 실험을 통해 성장하는 서비스를 만드는 방법론. 2010년 션 엘리스가 처음 제안
  • pxd 블로그에서 그로스 해킹을 최초로 다룬 2015년 글(이재용)은 마케팅과 UX가 공유하는 두 가지 '진실의 순간'(구매·사용)이 온라인 서비스에서 뒤섞인다는 점에서 출발, 그로스 해킹을 Product-Market Fit → Acquisition with viral → Retention의 과정으로 정의
  • 그로스 해킹은 마케팅의 하위 분야가 아니라 스타트업 생존을 좌우하는 전사적 문화이자 '팀 경기(Team Sport)'라는 초기 관점, UX 디자이너에게는 '제품/서비스 전체 경험'을 설계하는 'UX 1.0'의 기회로 조망됨
  • 그로스 해킹의 네 가지 조건: 데이터 분석 환경, 지표, 프로세스, 문화
  • 생존자 편향(Survivorship Bias) 사례: 데이터 수집 과정에서 누락되는 요소까지 고려해야 정확한 지표 설계가 가능함
  • 데이터 리터러시는 "근거 있는 디자인"과 협업 품질을 높이는 기반 역량
  • 데이터 리터러시 정의: 데이터를 읽고 분석하고 비판적으로 수용·활용하는 능력이자 업무 적용·소통 능력. UX 컨설팅 적용은 Intervention Points 파악 → 초기 가설 → 정성조사로 가설 점검 → 정량 검증(A/B 테스트 등)의 4단계 순환 구조
  • UX-데이터 전문가 협업 4원칙: 데이터 이해에 UX 관점 공유 / 데이터 확보에 UX 목적 반영 / 의사결정에 UX 맥락 결합 / 데이터 전달에 UX적 커뮤니케이션 적용
  • 데이터 기반 가설 검증 흐름을 업무 프로세스로 정착시켜야 실질적 성과로 이어짐
  • 핵심 지표는 추상적 목표보다 구체적 수치로 정의해야 데이터가 뾰족해짐
  • 데이터를 공유하는 조직 문화와 접근성 높은 툴·정책이 뒷받침돼야 함
  • 웹3 서비스는 분산 저장 구조상 웹2식 유저 트래킹을 그대로 적용하기 어려움
  • 그로스 해킹은 만능 정답이 아니라 상황에 맞게 쓰는 여러 도구 중 하나
  • AARRR: Acquisition·Activation·Retention·Revenue·Referral 다섯 지표로 사용자 행동을 구조화하는 프레임워크
  • UX 컨설팅에서 정량(그로스 해킹)과 정성(인터뷰) 방법론은 서로의 한계를 보완하는 Evidence-based 접근으로 결합됨
  • 지표는 궁극적으로 Desirability·Viability·Usability 세 가지 실현 가능성·사용성 확인으로 수렴
  • 가설 설정 → 지표 정의 → A/A·A/B 테스트 → 새 가설이라는 순환 구조는 여러 직군이 함께하는 Cross Disciplinary 작업

관련 개념

출처

최종 업데이트: 2026-07-24 | 출처 5개