구자민

🌠 How to Find PMF

PMF를 찾는 'How'가 존재할까요?

레브잇은 PMF를 ‘찾았다’, ‘못찾았다’ 두 가지 밖에 없는, 주사위를 던지고 기도하는 형태가 아닌, 과학적으로 progress를 측정하고 점진적으로 개선하며 세번째 PMF를 '만들어'가고 있습니다.

[첫번째 PMF: 팀구매와 ‘바이럴’]
-Key Point:
최소한의 비용으로 폭발적으로 유저를 획득하는 방법론
극단적으로 낮은 CAC와 정교한 Viral K 설계
-Key Result: 3개월 만에 DAU 10만명, 다운로드 100만명 달성

[두번째 PMF: 올팜과 ‘리텐션’]
-Key Point:
고객이 내일도, 다음주도, 다음달에도 들어오게 만드는 방법론
리텐션과 인게이지먼트
-Key Result: DAU 100만명 돌파

[세번째 PMF: AI 쇼핑비서와 ‘고객’]
-Key Point:
소수의 고객에 대한 집착과, 통계적 접근법의 조합을 통해 제품을 개선하는 방법론
벤치마크가 없는 상황에서 창의적으로 제품을 통해 가치를 만들어내는 방법론
‘실망 설문’ 과 VD/SD/ND
-Target Key Result: DAU 1,000만명 돌파


세션을 통해 레브잇이 과거에 증명했던 두 번의 PMF와, 현재 치열하게 검증 중인 세 번째 PMF의 '방법론'을 단 20분에게만 공개합니다.

https://team.alwayz.co/ko/findpmf

🚀 주급 200만원, 단 5일 — 당신의 문제 해결 방식을 보여주세요.

레브잇 PMF팀이 Problem Solver Tryout 참여자를 찾습니다.

5일 동안 실제 팀에 합류해, 우리가 풀고 있는 문제를 함께 풉니다.

PMF팀은 패션 · 뷰티 · 건강식품 · 가전 · 가구 등 사람들이 “나에게 맞는 선택”을 하기 어려운 모든 카테고리에서 AI 쇼핑 비서(AI Shopping Assistant) 를 만들고 있습니다. AI 쇼핑 비서는 고객의 쇼핑 피로를 줄이기 위해 다음 네 가지 축으로 접근하여 문제를 정의하고 해결하고 있습니다.

- 자연어 기반 탐색: 키워드 검색을 넘어, 고객의 맥락을 이해하는 대화형 쇼핑

- 리뷰 데이터 분석: 방대한 데이터를 개인별 필요와 맥락에 맞게 분석하여 추천

- 전문지식 활용: 복잡도가 높은 카테고리를 고객 수준에 맞게 요약·비교

- 이미지 기반 탐색: 취향 기반 카테고리에서 이미지 한 장으로 빠른 탐색

===

✳️ 일주일 동안 무엇을 하나요?

- 레브잇 PMF팀에 실제로 합류해 일합니다.

- Problem Solver 팀원들과 함께 문제의 본질을 구조화하고 접근합니다.

- 강재윤 대표의 멘토링을 통해 문제의 방향성을 계속 정교화합니다.

✳️ 어떤 분이 참여하면 좋을까요?

- 고객의 맥락과 문제를 깊이 이해하려는 시도를 해보신 분

- AI·Product·Engineering 어느 영역이든 PMF팀의 Problem Solver, Product Engineer로서 기여할 수 있는 분

- 구매 결정 과정에서 모든 문제를 해결하여, 모든 사람이 매일 사용하는 소프트웨어를 만든다는 레브잇의 비전에 동의하시는 분

===

고객의 구매 경험 전체를 다시 만드는 일에 도전하고 있습니다.

이 문제를 함께 풀고 싶은 분이라면, 이번 Tryout에서 만나뵙고 싶습니다.

🚀 공고 자세히 보기: https://lnkd.in/grb7ju6d

👫 PMF팀 소개 보기: https://team.alwayz.co/pmf

고객 문제 해결 경험을 100만원에 삽니다

창업이든, 사이드 프로젝트든, 조직 안에서든.

Engineer, PO, 학생, 현재 역할이 무엇이든 상관없습니다.

고객의 불편을 발견하고, 소프트웨어로 해결하고, 실제로 가치를 전달해본 경험이 있다면 충분합니다.

누군가는 문제를 발견합니다.

누군가는 해결합니다. 

하지만 문제를 발견하고 → 해결하고 → 고객에게 가치를 전달하는 사람은 많지 않습니다.

그러한 경험을 가진 분의 이야기를 듣고 싶습니다. 비용을 지불합니다.

지원하기: https://team.alwayz.co/job_posting/5Ld4H0FT