리텐션이 "너무 좋은가요"?
오늘의 역발상적인 통찰: 100% 유저 리텐션을 원하지 않을 수도 있습니다.
잠깐만요, 뭐라고요? CJ, 정신 나갔어요? 왜 모든 유저를 유지하고 싶어 하지 않겠어요? Miller Lite는 그만 드세요!
저는 특히 B2C 구독 비즈니스에서 유저 리텐션이 너무 높다면, 획득에 너무 소극적으로 임하고 있다는 신호일 수 있다고 주장합니다 (그리고 수익을 놓치고 있을 수도 있습니다)
ProductManagement
수요를 창출하는 자가 가치를 포착한다
지난주에는 중간 계층(Middle)의 소멸에 대해 이야기했습니다. 이번 주에는 중개인(Middlemen)의 소멸에 대해 이야기해 보겠습니다.
비슷하게 들릴 수도 있지만, 실제로는 꽤 다릅니다. "중간 계층의 소멸"은 인터넷이 한쪽에서는 메가 히트를, 다른 쪽에서는 롱테일을 만들어낸다는 개념입니다. 다시 말해, 인터넷은 바벨 효과를 만들어냅니다. 우리는 통합과 파편화를 동시에 보게
사고 과정을 AI와 공유하기
외부화된 사고를 위한 설계
우리의 뇌는 뛰어난 위임자입니다. 메모에서부터 정교한 소프트웨어에 이르기까지 모든 것에 인지적 작업을 오프로딩합니다. 사람, 도구 및 환경에 걸쳐 우리의 생각을 분산시키는 이러한 자연스러운 경향이 분산 인지의 본질입니다. 이는 마음을 고립된 실체로 보는 전통적인 관점에 도전하며, 우리의 인지 과정이 개인의 두개골 너머로 확장된다는 것을 인식합니다.
여러분이 친구와
제품 개발 트라이애슬론
요즘 꼼꼼하게 기록을 해두기 때문에 20년 전에 했어야 할 질문을 정확히 언제 했는지 알 수 있습니다. "만약 워터폴 방식이 틀린 것이 아니라, 내가 풀고 있는 문제와 다른 문제를 풀고 있는 것이라면 어떨까? 그 문제는 무엇일까?" 라는 질문입니다.
지난 4개월은 믿을 수 없을 정도로 생산적인 시간이었습니다. 소프트웨어 개발 접근
유용한 AI 제품을 만드는 방법
스타트업을 설립하는 것이 어려운 비디오 게임을 플레이하는 것과 같다면, 생성형 AI 분야에서 스타트업을 설립하는 것은 그 게임을 2배 빠른 속도로 플레이하는 것과 같습니다.
특히 어플리케이션 계층에서 제품을 구축할 때—OpenAI나 Anthropic 같은 회사가 제공하는 AI 모델을 사용하는 경우—기술이 예측할 수 없고 전례 없이 빠른 속도로 발전하고 있습니다. 주요 모델
AI 제품 개발 프레임워크: 불확실성 해결
소프트웨어를 개발하고 배포할 때 기업들이 채택하는 효과적이고 잘 정립된 프레임워크가 있습니다. 초기 단계 스타트업이든, 확장 중인 스타트업이든, 대기업이든 상관없이 조직에는 일관성과 효율성을 보장하기 위한 프로세스가 존재합니다(또는 존재하지 않을 수도 있습니다!). 이러한 프로세스는 회사의 상황에 따라 다르겠지만, 근본적인 목표는 동일해야 합니다: 제품과 고객에게 영향을 미치는 고품질 소프트웨어를 제공하는 것입니다.
대부분의
챗봇의 함정
저는 종종 생성형 AI가 스마트폰만큼이나 큰 기술적 변화라고 말하곤 합니다. 이 비유를 드는 이유 중 하나는 스마트폰이 얼마나 보편화되었는지에 있습니다. 많은 사람들에게 스마트폰은 아침에 눈을 뜨면서 가장 먼저 보고, 잠들기 직전에 마지막으로 보는 기기입니다.
하지만 제가 이 비교를 드는 데는 또 다른 이유도 있습니다. 예를 들어, iPhone이 처음 출시되었을 때