Go / Pivot / Kill
학습을 1장으로 요약하고, 다음 루프를 결정하는 방법
Agentic MVP는 "완성"이 아니라 결정을 배송합니다. 결정이 늦어지면 개발이 길어지고 비용이 폭증합니다.
AI 에이전트가 요약한 리포트는 결정을 돕지만, 결정을 대신하지 않습니다. Go/Pivot/Kill은 실제 타겟의 행동과 대화에 근거해야 합니다.
의사결정 유형
| 결론 | 의미 | 다음 행동 |
|---|---|---|
| Go | 신호가 충분 | 기능 확장/자동화/스케일 |
| Pivot | 신호는 있으나 방향 수정 | 타겟/가치/채널/가격 재설계 |
| Kill | 신호가 약함 | 가설 폐기, 새로운 루프 |
Go / Pivot / Kill 판정 신호
어떤 결론을 내려야 하는지 판단하기 어려울 때, 아래 신호를 기준으로 삼습니다.
Go 신호 (확장)
- Primary metric이 판정 기준을 충족했다
- 결제 의사/실결제/반복 요청이 발생했다
- 사용자가 자발적으로 다른 사람에게 공유했다
- "이거 없으면 곤란하다"는 피드백이 나왔다
- 제품 약속과 실제 경험 사이의 차이가 작다
- 특정 채널/메시지에서 같은 ICP의 반응이 반복된다
Pivot 신호 (방향 수정)
- 신호는 있지만 예상과 다른 곳에서 나온다 (다른 타겟, 다른 기능에서 반응)
- "좋은데, ~이면 더 쓸 것 같다"는 조건부 피드백이 반복된다
- 전환은 있지만 리텐션이 약하다 (문제는 맞지만 해결 방식이 다름)
- 특정 세그먼트에서만 강한 신호가 나온다
- 랜딩 약속에는 반응하지만 실제 온보딩에서 이탈한다
- 가격 반응은 있으나 구매권한/도입 시점이 맞지 않는다
Kill 신호 (가설 폐기)
- 충분한 노출에도 전환/반응이 거의 없다
- 사용자가 문제 자체를 인식하지 못한다
- 대안(현재 방식)에 대한 불만이 약하다
- 인터뷰에서 "있으면 좋겠지만, 돈을 내진 않겠다"가 반복된다
Kill은 실패가 아니다
Kill은 "이 가설은 아니다"를 확인한 것이므로, 가장 빠른 학습입니다. Kill 후에는 학습 리포트에 "왜 안 됐는지"를 기록하고, 새로운 가설로 즉시 전환합니다.
Pivot의 종류(어디를 바꾸나)
| Pivot 유형 | 바꾸는 것 | 예시 |
|---|---|---|
| 타겟 Pivot | "누구에게" | 소상공인 → 중소 에이전시 |
| 가치 Pivot | "무엇을" | 보고서 자동화 → 인사이트 알림 |
| 채널 Pivot | "어디서" | 커뮤니티 → 세일즈 콜 |
| 가격 Pivot | "얼마에/어떻게" | 월정액 → 건당 과금 |
| 품질 Pivot | 결과 품질/신뢰 | 자동 생성 → 사람 검수 후 전달 |
| 온보딩 Pivot | 첫 가치 도달 경로 | CSV 업로드 → 샘플 데이터 체험 |
| 신뢰 Pivot | 위험 완화 방식 | AI 자동 답변 → 출처/검수 표시 |
증거 등급
초기 팀은 좋은 반응 하나에 과대확신하기 쉽습니다. 신호를 등급으로 나눠 판정하세요.
| 등급 | 증거 | 판정에서의 무게 |
|---|---|---|
| A | 결제, 예약금, 반복 사용, 공유 | Go 근거가 될 수 있음 |
| B | 데모 요청, 구체적 도입 일정 | 강한 Pivot/Go 후보 |
| C | 이메일 등록, CTA 클릭 | 추가 실험 필요 |
| D | 좋아요, 칭찬, AI 예측 | 참고만 가능 |
AI 예측은 D등급
합성 사용자 반응, AI 시장 분석, 에이전트가 예측한 전환율은 실제 행동이 아닙니다. 방향 탐색에는 쓸 수 있지만 Go 판정의 핵심 근거로 쓰지 마세요.
학습 리포트 1장(템플릿)
의사결정을 방해하는 함정
| 함정 | 증상 | 해결 |
|---|---|---|
| 확증 편향 | 좋은 신호만 골라서 Go를 정당화 | 반드시 "Kill의 근거"를 먼저 작성 |
| 매몰 비용 | "이미 많이 만들었으니까 계속" | 만든 양이 아니라 학습량으로 판단 |
| 데이터 부족 핑계 | "더 모아봐야 알 수 있다" | 증거 부족도 판정임. 다음 루프에서 보강 |
| 합의 회피 | "다음 주에 정하자" | 의사결정 기한을 Day 7에 고정 |
| AI 요약 과신 | 리포트가 그럴듯해서 Go로 착각 | 원문 발화와 실제 행동 로그를 함께 확인 |
Claude Code 활용 체크리스트(결정)
- 이벤트/퍼널 요약을 기반으로 "병목 1개"를 정의해달라
- Go/Pivot/Kill 각각의 근거를 '반대 의견'까지 포함해 작성해달라
- 다음 루프 실험 3개를 제안하고, 비용/학습량 순으로 정렬해달라
- 학습 리포트 초안을 위 템플릿에 맞춰 작성해달라
- 증거를 A/B/C/D로 등급화하고, AI 추론과 실제 증거를 분리해달라
참고 자료
- Eric Ries, The Lean Startup — "Pivot or Persevere" 의사결정 프레임워크의 원형. 학습 기반 의사결정의 핵심 참고서입니다.
- Marty Cagan, Empowered — 제품팀이 "결과(outcome)"에 책임지는 의사결정 구조. Go/Pivot/Kill의 조직적 맥락을 이해할 수 있습니다.
- Annie Duke, Thinking in Bets — 불확실성 속에서 의사결정의 질을 높이는 방법. 확증 편향과 매몰 비용 함정을 피하는 실전 기법.
- arXiv, Using Generative Agents to Validate Product Concepts — AI 기반 제품 발견 보조의 가능성과 실제 사용자 검증의 필요성.