[독후감#12] "아이디어 불패의 법칙" / 알베르토 사보이아

 

 

 

새로운 경영 방법론 책이다.

혁신이라고 하기에는 뭐 하고, 다만 '시장 검증' 방법론이라고 하는 것이 직관적일 것 같다.

무엇보다 이것이 의미 있는 이유는 적은 비용으로도 고객들의 행동을 알아볼 수 있다는 점이다.

(아래에서는 적극적 투자 지표라 표현됨)

 

설문조사 등은 고객들의 생각을 알아보는 것인데 생각과 실제 행동이 동일한 지가 않기 때문에,

이 방법론은 상당히 유용하다고 할 수 있다. 그리고 VOCA 시대에 맞게 빠르게 적용이 가능하다.

 

방법론은 많이 알 수록 좋다. 각각의 방법론을 세분화(모듈화)하여 운영할 수 있다면,

기업 혁신에 중요한 도구가 될 수 있다는 것이 내 생각이다.

 

앞으로도 계속해서 새로운 방법론을 공부하고, 정리할 것이다.

 

 

 

 

 

---

'아이디어 불패의 법칙'을 읽고

 

주변에서 들려오는 수 많은 성공 스토리를 우리는 알고 있다. 그리고 많은 사람들이 보통 그 이야기를 듣고, 자신도 똑같이 성공할 수 있다고 생각한다. 하지만 많은 스타트업이 실패를 했고, 또 지금도 하고 있다. 그리고 굴지의 대기업들이 내놓는 새로운 사업도 어김없이 실패하는 경우가 많다. 

 

왜일까? 수 많은 성공 스토리를 알고 있는데도 왜 실패를 할까?

심지어 대기업에서는 수 많은 시장 조사와 준비를 거치고도 실패한다.

 

책에서 저자^[각주:1]는 그 이유를 애초에 '안될 놈'이어서 였다고 말한다.

그렇다면 우리는 '안될 놈'을 구분할 수 있을까?

 

'시장 실패의 법칙', 대부분 신제품은 시장에서 실패한다. 유능하게 실행해도 마찬가지이다. 실행력(마케팅, 세일즈 등)이 잘 되더라도 실패를 많이 한다. 또한 결국 실행력이 문제라고 말하는 기업들에서 담당자들 대부분은 정말 유능한 사람들이었다. 마케팅의 유능한 사람들, 세일즈가 유능한 사람들이 모였는데 정말 실행력이 문제였을까? 결국엔 '될 놈'이 아니었던 것이다(물론 '될 놈'이더라도 실행력이 없으면 실패한다.).

 

우리는 '안될 놈'을 피하고 '될 놈'을 찾아야 한다. 어떻게 찾을 수 있을까?

 

저자는 그 답을 데이터에서 찾고 있다. 다만 그냥 데이터가 아니다. 흔히 기업에서는 신상품을 출시하기 전 시장 조사를 한다. 하지만 그것은 진짜 데이터가 아니다. 즉, 고객의 생각을 조사하는 것은 좋은 데이터가 아니다. 고객의 생각이 아닌 행동에서 데이터를 얻을 수 있어야 한다. 보통 고객들의 의견 등을 데이터라고 말하지만 이는 유효한 데이터가 아닌 것이다. 책에서는 이러한 오류를 생각랜드라고 말한다. 자신만의 생각랜드에 빠져서 "시장에서 이런게 있으면 좋겠다던데, 상품으로 팔면 대박날거야!"라는 오류를 범한다.

 

또 한 가지 다른 곳에서 나온 데이터를 무조건적으로 신뢰해서는 안된다. 다른 시기, 다른 장소, 다른 사람에게서 나온 데이터가 우리가 만들 상품에도 적용이 된다는 보장은 없기 때문이다. 그러므로 생각랜드에 오류에 빠지지 않기 위해서는 '나만의 데이터'를 직접 수집하는 것이 필요하다. 

 

이를 위해 데이터를 수집할 때 사용하는 도구가 바로 '사고 도구'이다. 확증편향을 방지하고, 고객들의 적극적인 투자 지표를 알기 위한 방법이다. 우선 아래 3가지 도구를 사용하여 본격적인 데이터 수집 전 가설을 세워야 한다. 이 가설은 아이디어가 시장에서 어느정도 호응을 받을 지를 객관적으로 데이터화 한 것이다. 즉, 이 가설이 옳다면 아이디어는 '될 놈'인 것이고, 틀리다면 '될 놈'이 아닌 것이다. 시장 성공 조건의 최소한을 가설로 세운다 생각하면 된다.

 

1. 시장호응가설: 시장이 우리 제품에 어떻게 호응할 거라고 우리가 가정하는지를 고차원적으로 설명한 가설

 - 예) "초밥을 충분히 저렴하게 만든다면 많은 사람이 덜 신선한 초밥을 구매할 것이다."

 

그러나 이 가설은 너무 막연하기 때문에 숫자로 변환할 필요가 있다.

 

2. XYZ 가설: 시장호응가설을 데이터로 바꾼 형태로, '적어도 X퍼센트의 Y는 Z할 것이다.'라는 형식으로 바꾼 것

 - 예) "적어도 20퍼센트의 포장 초밥 구매자는 가격이 절반일 경우 '하루 지난 초밥'을 시도해볼 것이다."

이 가설을 통해 데이터를 수집할 수 있으면 좋겠지만, 너무나도 표본이 크기 때문에 비용이 많이 들 수 밖에 없다. 따라서 값싸게 테스트가 가능하도록 XYZ 가설을 더 작은 여러개의 가설로 나눌 필요가 있다. 이 때 데이터를 수집할 환경, 그리고 조사 대상 그룹이 얼마나 전체를 대표할 수 있는 지, 테스트 비용 등을 고려하여 적절한 가설을 만들어야 한다. 

 

3. xyz 가설: XYZ 가설을 더 작게 만든 가설.

 - 예) "적어도 20퍼센트의, 오늘 점심으로 학교 카페테리아 포장 초밥을 구매한 학생은 가격이 절반일 경우 '하루 지난 초밥'을 선택할 것이다."

 

xyz 가설이 완성되면 적은 비용으로도 이 가설이 입증 가능한 지 아닌 지 확인할 수 있다.

그렇다면 제품도 없이 어떻게 테스트를 할 수 있을까? 바로 '프리토타이핑 도구'를 활용하면 된다. 이 도구가 이 책의 핵심 개념이라고 생각하면 된다.

 

4. 프리토타이핑 도구: '프리토 타입'보다도 더 먼저 검증할 수 있도록 설계가 가능한 가상의 제품(서비스) 

 - 종류: 미캐니컬 터크, 피노키오, 가짜 문, 외관, 유튜브, 하룻밤, 잠입자, 상표 바꾸기 등

 

프리토타이핑 도구의 종류는 크게 의미가 없다. 어떻게 설계하느냐에 따라 무궁무진하기 때문이다. 프리토타이핑의 시작은 바로 IBM의 접근법에서 기인했다.

 

IBM은 당시 음성인식으로 타이핑을 해주는 서비스를 개발하고자 했다. 그리고 실제 타이피스트를 제외한 대부분이 이 아이디어를 반겼다. 대대적인 R&D 투자에 들어가기 전 IBM은 이 생각들이 과연 사실일 지 검증하고자 헀다. 다만, 시제품이 없었고, 만들 기술력 조차 부족한 상황이었다. 그래서 IBM은 가상으로 제품을 만들었다(실제론 사람이 듣고 치는 방식). 그리고 이를 잠재 고객들에게 테스트하도록 하였다. 처음에는 다들 깊은 인상을 받았지만, 사용할 수록 문제점이 드러났다. 그들은 이 아이디어는 실패했다는 것을 발견하게 되었다.

 

만약 IBM이 프리토타입을 만들어 테스트 했으면 어떻게 됐을까? 많은 시간과 비용이 소모되었을 것이다. 하지만 앞서 말한 방식은 매우 간단했다. 그리고 실제 제품과 동일한 수준의 테스트까지 가능했다. 이것이 바로 프리토타이핑 도구이다.

 

프리토타이핑 종류	내용
미캐니컬 터크	- 값비싸고 복잡한 기술이나 아직 개발되지 않은 기술에 대해 구현할 때 용이한 방법 - 예) IBM의 음성인식 실험
피노키오	- 마치 작동되는 장치인 척하며, 사용 방식과 실제 가치가 있는 지 통찰을 얻는 방법   (구현 가능한 기술과 제품에 대해 검증이 필요할 때 사용) - 예) 스마트 스피커(실제 구현되는 것처럼 상상하며 테스트)
가짜 문	- 어떤 제품이나 서비스가 있는 것처럼 '현관문'을 설치해 시장 관심도를 파악하는 방법 - 예) 가짜 광고를 만들어 실제 구매자들이 연락하는 빈도를 측정
외관	- '가짜 문'과 유사하나 더 많은 투자를 통해 실제 고객의 구매 행동 등 적극적 행동을 보는 것 - '가짜 문' 방법보다 더 적극적인 지표를 알고 싶거나, 윤리적인 방법이 걱정될 때 사용 - 예) 자동차 온라인 판매 서비스를 시행하기 전 사이트를 구축하여 테스트(실제 구매도 가능)
유튜브	- 영상을 통해 아이디어를 구현한 뒤, 이 아이디어에 대한 관심도를 측정하는 방법 - 예) 구글 글래스(실제 영상을 통해 탐험단 모집 후 테스트)
하룻밤	- 상대적으로 단기간에 진행하는 테스트 방식으로 특정 장소에서 딱 한번만 하는 방식 - 예) 에어비앤비
잠입자	- 대량 생산에 앞서 테스트하고자 하는 제품을 기존 판매 채널에 몰래 끼워넣는 방식 - 예) 윌 허브(이케아에 몰래 제품을 전시하고, 실제 고객들의 구매 행동을 조사)   ※ 실제 동영상: www.youtube.com/watch?v=XVnqSIVG6WE
상표 바꾸기	- 상표를 바꿔 다른 제품인 척 하면서 사람들의 관심을 보는 방법 - 예) 초밥 중 일부를 '하루 지난 초밥'으로 바꿔 판매량을 측정

[프로토타이핑 종류와 그 개념]

 

이외에도 여러가지 프리토타이핑이 가능할 것이다. 아니면 각 종류를 조합하여 새로운 방법을 만들 수 있다. 중요한 것은 우선 이를 통해 '적극적 투자'를 측정해야 한다는 사실이다. 그리고 빠르고 저렴해야 한다. 적극적 투자를 측정하는 이유는 적극적으로 투자해야 할 때 행동은 달라지기 때문이다. 실제로 내가 대학교 시절 행동경제학 실험에 참여한 적이 있었다. 한 동물을 위한 기부금에 대해 조사를 한 뒤, 바로 실제 기부 여부를 묻는 실험이었다(이 두 번째 답만큼 차감되어 실험 참가료를 받아갔다.). 사람들의 생각과 행동은 크게 달랐다. 예를 들면 앞서 "기부금을 2만원 기부하겠다." 답한 사람 중 실제로 기부를 한 사람은 매우 적었다. 

 

그렇다면 꼭 '돈'만이 적극적 투자 지표일까? 여러가지 종류가 있을 수 있다.

 

5. 적극적 투자 지표: 시장의 반응에 대해 적극적 투자 점수를 할당하는 방식

유형	투자 점수
의견	0점
격려/비난	0점
가짜 이메일 주소, 전화번호	0점
SNS '좋아요'	0점
설문조사	0점
실제 이메일 주소	1점
실제 핸드폰 번호	10점
시간 투자	분당 1점
현금 보증금	달러당 1점
주문	달러당 1점

[적극적 투자 지표 예시]

 

위와 같은 형태의 적극적 투자 지표가 있을 수 있다. 물론 이 외에도 여러가지가 있을 것이다. 중요한 것은 객관성을 담보하기 위한 지표를 사전에 설정하고, 이를 프리토타이핑 도구를 통해 측정하는 것이 필요하다는 것이다. 

 

 

 

 

이제는 데이터 결과에 따라 시장의 성공 여부를 결정하는 척도가 필요하다.

 

6. 될 놈 척도: 시장에서 성공할 지 안 할지를 데이터에 따라 구분한 척도

 - 데이터가 가설을 크게 상회하면, 화살표는 '매우 높음'을 가리킨다.

 - 데이터가 가설을 살짝 상회하거나 비슷하면, 화살표는 '높음'을 가리킨다.

 - 데이터가 가설의 예측을 살짝 못 미친다면, 화살표는 '낮음'을 가리킨다.

 - 데이터가 가설의 예측을 크게 못 미친다면, 화살표는 '매우 낮음'을 가리킨다.

 - 어떠 이유에 따라 데이터가 애매하거나, 손상된 경우 폐기하거나, 중간을 가리킨다.

 

그리고 마지막으로 될 놈 척도의 결과에 따라 이 아이디어를 추진할 지, 폐기할 지, 그리고 수정해서 진행할 지를 결정하면 된다. 크게 이 책의 프로세스는 크게 4가지 구간으로 나눌 수 있다.

 

- 데이터 수집 전 아이디어를 구상하고, 시장호응가설, XYZ 가설, xyz 가설 등을 수립하는 단계

- 프리토타이핑을 통해 '나만의 데이터'를 수집하는 단계

- 될 놈 척도와 적극적 투자 지표를 통해 분석하는 단계

- 마지막으로 아이디어의 추진/폐기/수정 여부를 결정하는 단계

 

이 4가지 흐름은 빠르게 진행이 되어야 의미가 있다. 이 방법론이 무엇보다 좋은 이유는 우선 대규모 실패의 가능성을 극적으로 낮출 수 있다. 또한 아이디어를 실행해서 실패하더라도, 얻어가는 시사점 등이 상당하다. 안 될놈 가지고 아둥바둥하다가 실패한 것이 아니기 때문이다. 

 

마지막으로 저자는 이 방법론의 효과성을 떠나서 아이디어 자체가 세상에 가치가 있어야 한다고 말한다. 자신의 목표와 연관되어 있고, 올바른 아이디어야 한다는 것이다. 아무리 방법론 결과가 좋더라도, 그 아이디어가 나쁜 아이디어이거나 자신의 목표와 연관이 없으면 안된다.

 

이 책이 비즈니스에 주는 시사점은 굉장히 많다. 특히 대기업 등에 주는 시사점이 많을 것이다.

 

우선, 데이터로 움직이지 않고 추측, 의견 등 보고서 형태로 의사결정을 내리는 대기업 조직문화 개선에 크게 기여할 수 있다. 최근 많이 사라지고 있지만, 대기업은 특유의 보고서 문화가 있고, 이를 기반으로 많은 의사결정을 내린다. 아쉬운 것은 이 보고서의 작성 근거가 '나만의 데이터'가 아닐 뿐더러 의견, 추측 등 생각랜드에 따른 논리가 대부분이라는 사실이다. 그렇기에 이 데이터 기반의 방법론은 대기업에 큰 변화를 가져올 수 있다. 무엇보다도 흔히 이야기하는 '광 팔기' 등 조직 정치에 따른 부작용들이 사라질 수 있다. 결국 데이터만이 곧 근거가 될 수 있기 때문이다.

 

그 다음으로 앞으로 발생할 기술들을 아이디어가 선도할 수 있는 가능성이 생겼다. 본래 일반적으로 기술이 생기고 나서 상품이 생기기 마련이었다. 구체적인 아이디어 이후 R&D가 시작되는 경우는 드물었다. 왜냐하면 기술이 있어야만 아이디어를 구체화할 수 있다는 것이 일반적인 상식이었기 때문이다. 그러나 IBM의 음성인식 사례에서 볼 수 있듯이 구체적인 아이디어가 먼저 나오고 기술 개발 여부를 결정할 수 있다. 이것이 좋은 시사점이 될 수 있는 이유는 기술과 적용 간의 괴리를 최소화할 수 있기 때문이다. 기술 개발은 항상 이러한 질문을 받아 왔다. "그래서 어디에 쓸건데?"라는 점이다. 기술 개발과 적용 사이의 거리를 최소화해야만 기술은 그 의미가 퇴색되지 않을 수 있다.

 

그렇다면 실제 비즈니스에서는 이 방법론을 어떤 식으로 활용해야 할까?

 

개인적인 의견이지만 각 부서에서 방법론을 숙지하고 알아서 활용하는 방식으로는 어렵다고 생각한다. 우선 1차적으로 전문성 문제가 있을 수 있다. 프리토타이핑 도구는 여러번 숙지할 수록 익숙해져 그 효과가 더욱 분명해 질 것이다. 그렇기에 전문적으로 하는 부서 등이 있으면 좋다. 그 다음으로 주관하는 부서 내에서 진행하는 경우 부서 이기주의 등의 부작용이 우려된다. 아이디어를 낸 부서 또는 담당자가 자의적으로 테스트 환경을 조작하는 등의 행위를 통해 데이터 결과값을 좋게 나오도록 유도할 수 있다. 즉, 자신의 아이디어 옳다는 것을 증명하기 위해 임의적으로 조작하는 것이다. 기업 내에서 실제로 네트워크를 동원하여 투표를 해달라고 권고하거나 등 편법을 통해 데이터를 조작하는 경우가 많다. 프리토타이핑 도구도 마찬가지이다. 충분히 조작될 수 있다.

 

따라서 전담 부서가 필요하다. 전담 부서에서 각 신사업(서비스) 부서에서 아이디어 검증을 신청하면 이를 전문적으로 테스트하는 것이다. 새로운 사업이나 서비스에 들어가는 비용을 고려한다면, 이 테스트는 필수적으로 하도록 제도화하는 것이 좋을 수 있다. 다만 이러한 방식은 조직 규모가 큰 기업에서 적합할 수도 있다. 인력 형태나 조직문화에 따라 적용 방법은 크게 달라질 수 있기 때문이다.

 

앞으로 시장 환경은 갈수록 데이터만이 모든 것을 입증하는 구조로 변할 것이고, 실제로 지금도 그렇게 되어가고 있다. 국내 마이데이터 사업도 그 변화 중 하나라고 생각하면 된다. 이전에 기업의 행태는 대부분 데이터가 아닌 담론에 의존해서 변해 왔다고 생각한다. CEO는 거대한 담론을 이야기하고, 각 조직은 그에 맞춰 변화를 꾸려왔다. 그러나 나는 이제 거대한 담론이 크게 의미가 없다고 생각한다. 비즈니스에서 수 많은 경계들이 무너지고 있는 상황에서 담론을 말해봤자 제대로 이해도 불가능하고, 한 방향으로 조직이 움직이는 것도 불가능하다. 예를 들면 같은 이야기를 들어도 서로 다르게 이해하고 다르게 행동한다. 왜일까? 너무나도 많은 변수들이 놓여 있는 상황이기 때문이다.

 

그러므로 지금 현재 필요한 것은 이 책에 나온 방법론과 같은 것들이다. 객관성을 통해 서로 간의 이해를 돕는 도구이기 때문이다. 본질적으로 데이터가 좋은 점은 바로 '이해'에 있다. 모두가 동일하게 현상을 바라볼 수 있다. 즉, 프리토타이핑 도구는 아이디어를 데이터로 이해할 수 있게 해주는 도구이다.

 

 

 

1. 알베르토 사보이아, 실리콘밸리에서 30년 넘게 기술 및 공학에 바쳐온 경험과 스타트업에 대한 관심과 열정이 반영된 책이다. 구글 신화의 선봉에 있었던 엔지니어링 디렉터인 그 조차도 사업에 실패한 경험이 있었고, 그는 그 이유를 찾고자 부단히 노력했다. 그리고 그 결과가 바로 이 책이다. [본문으로]