구자민님의 아티클

🌠 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