[암호화폐/ 가상화폐 프로덕트] 현업 기획자 도그냥이 알려주는 서비스 기획 스쿨

 

 

 

 

시장에 참여하는 모든 시장참여자들은 자기가 원하는 것을 가져간다라는 문구를 읽었던 적이 있습니다.
저도 그 일환으로 개인적인 꿈이 있고, 꿈이라는 것이 사실 유기적으로 변화하기도 하지만, 궁극적으로 소망하는 것은 어떻게 하면 더 고부가가치의 서비스를 시장에 제공할 수 있을까, 그리고 어떻게 하면 나만의 사업을 주도적으로 설립해서 이끌어 갈 수 있을까. 그런 고민을 평소에 많이 합니다. 그래서 모든 것이 디지털화가 되는 시대에 서비스 기획을 알려 주는 이 책이 도움이 된다고는 생각하지만서도 확실히 영업과는 전혀 다른 스킬셋이라 아직까지는 참고 정도 하는 수준입니다. 그래도 좋은 내용들을 같이 보실 수 있도록 공유해 봅니다.

페이지 수가 꽤 되는 책이지만, 사실 이 책에서 핵심적으로 배워야 할 내용은 역기획에 있다고 봅니다. 역기획이란 이미 만들어진 프로덕트를 내가 기획한다고 생각하고 다시 기획하는 과정인데요. 예시에서는 유튜브를 프로덕트로 잡고 역기획 하는 방법을 알려주셨습니다.

역기획 대상
-대상 서비스명: 유튜브
-주요 서비스 이용자, 프로세스: 동영상을 올리는 프로세스, 동영상을 보는 프로세스, 광고와 동영상을 매칭시키는 로직
-주요 수익원: 광고 수익
-수익 극대화 방법: 동영상별로 적절한 광고를 매칭시켜 광고를 흥미롭게 볼 수 있도록 하여 광고 효과를 극대화한다.

역기획의 단계
1.비즈니스 모델 파악

• 분석 목적: 유튜브가 추천 기술을 사용하여 어떻게 사업 전략을 구현해냈는지 이해하기 위함

(1)비즈니스의 목표와 전략

• 유튜브는 2005년 다른 웹사이트에 동영상을 손쉽게 올릴 수 있는 인프라로 시작
• 광고 플랫폼으로서 동영상에 광고를 매칭 및 사용자에게 노출시켜 수익 발생
• 서비스 초기 사용자들은 보고 싶은 동영상이 있을 때 유튜브에 들어가 검색
• 특정한 니즈가 있을 때만 홈페이지를 사용하다 보니 사용자당 시청 동영상 수, 사용자가 홈페이지에 머무르는 시간 모두 저조
• 2011년부터 유튜브의 목표가 '사용자들이 홈페이지에서 더 많은 시간을 보내게 하자. 찾고 싶은 게 없어도 홈페이지에 들어오게 만들자!'로 바뀜
• 사용자들이 플랫폼에 머무르는 시간이 길어질수록 광고 노출의 기회 증가, 수익 발생

(2)목표를 달성한 방법

• 2012년, 비디오 클릭 수 대신 비디오 시청 시간 기반으로 동영상을 추천하기 시작. 자극적 제목과 썸네일로 클릭을 유도하지만 사용자들이 오래 시청하지 않는 저품질 비디오는 추천 리스트에서 제외. 그 대신 사용자들이 끝까지 시청하는 고품질 영상을 추천 리스트에 포함. 이후 3년 동안 사용자들의 동영상 시청 시간이 매년 50%씩 증가
• 2015년, 모회사 구글의 딥러닝 인공지능 브레인을 사용하기 시작. 이전에는 유저들의 과거 기록을 머신러닝으로 분석, 유저가 시청한 비디오와 유사한 비디오를 추천하는 것에 그쳤음. 구글 브레인의 딥러닝을 통해 유저와 비디오의 관계를 다각도에서 분석, 유저와 다양한 관련성을 가진 비디오를 빠르고 정확히 추천. 고도의 비디오 맞춤 추천 기술로 이후 3년 동안 유튜브 사용자의 총 비디오 시청 시간이 20배 증가. 현재 사용자가 유튜브에서 시청하는 비디오의 70%는 브레인 알고리즘 추천 비디오

2.핵심 로직 분석
데이터 가설을 설정하고 서비스를 사용해보며 검증.
(3)테스트를 통한 로직 분석 시도.
(4)구글을 통한 추가 리서치
(5)유튜브의 추천 시스템

3.기업의 목표 분석
결론: 유튜브는 어떻게 추천 기술을 사용하여 사업 전략을 구현하였는가?

유튜브의 사업적 목표는 사용자들이 찾고 싶은 게 없어도 사이트에 들어와 더 많은 시간을 보내도록 하는 것이었다. 사용자들이 플랫폼에 머무르는 시간이 길어질수록 광고 노출 기회가 증가해 더 많은 수익이 발생하기 때문이다. 유튜브는 이를 위해 비디오 클릭 수 대신 비디오 시청 시간을 기반으로 동영상 선호도를 평가하고, 딥러닝을 활용해 추천 시스템의 정확도를 향상시켰다.

유튜브는 수만 개의 비디오 중 사용자가 원하는 비디오를 찾기 위해 심층 신경망에 다양한 정보를 연결하여 분석한다. 1차적으로 유저에 대한 정보를 통해 사용자가 다음에 시청할 확률이 높은 몇 백 개의 비디오 후보를 선정한다. 2차적으로 다양한 정보를 연결해 몇 백 개의 후보 중 사용자가 끝까지 시청할 확률이 가장 높은 비디오 몇 개를 추천으로 보여준다.

이 과정에서 유튜브는 단순히 유저의 이전 활동 내역에 기반한 추천이 아니라 유저가 다음에 보고 싶어 할 비디오를 예측하여 추천한다. 내가 시청한 비디오와 추천된 비디오 사이의 연관성을 다 파악할 수 없었던 이유는 구글의 딥러닝 모델이 방대한 정보를 처리하며 내가 생각해낼 수 없었던 비디오 사이의 연관성, 그리고 비디오와 나, 즉 사용자 연관성에 대해 알고 있었기 때문이다. 딥러닝에 의한 추천 시스템 도입으로 2015년부터 유튜브 사용자의 총 비디오 시청 시간은 20배 이상 증가했고, 우리가 유튜브에서 시청하는 비디오의 70%는 브레인 알고리즘이 추천하는 비디오다. 그리고 그렇게 유튜브는 무엇을 찾기 위해 거쳐야 하는 페이지에서 내가 원하는 것을 제공하는 도착 페이지가 되었다.

지금까지 내가 생각했던 것 보다 훨씬 더 크고 복잡한 유튜브 추천 시스템을 분석해보았다. 시스템을 공부하면서 생소했던 딥러닝 개념을 배우게 되었는데 그 핵심에는 '정보 간의 빽빽한 연결'이 있다는 것을 어렴풋이 알게 되었다. 또한 기술이 어떻게 사업 목표 달성을 이끌어냈는지를 공부하면서 기술과 비즈니스 사이의 연결점을 발견하였다. 이렇게 기술과 비즈니스를 연결하여 서비스를 발전시키고, 고객을 만족시키고, 수익을 증가시키는 게 프로덕트 매니저의 역할이 아닐까 생각해본다.

---

위 내용은 책에서 일부 발췌하였습니다. 위와 같은 방식으로 모든 해외 거래소를 역기획 해볼 수 있겠네요. 일단 주요 거래소들부터 리스트업 해보았습니다.

비트멕스
바이빗
바이낸스
제미니
OKEX
FTX
게이트아이오
비트겟
이토로X
제네시스
크립토닷컴

 

도움이 될 것 같아 본문에 추천된 책도 사보았습니다.

각 비즈니스모델이 어떤 식으로 운영되는지 101가지 사례를 담아놓은 책입니다.