company-haness/_sandbox/completion-records/wf-churn-01/wf-churn-01-synthesis.md

🟢 [결정] 무료→Pro 전환 이탈 규명 (fan-out 종합)

결론 — 원인을 단정해 바로 개입하지 말고, 정량 퍼널 계측 신설과 정성 3-트랙 리서치를 병렬로 돌려 activation gap과 'aha-moment 前 paywall' 정렬 가설을 삼각측량으로 확증한 뒤에만 온보딩·paywall 재설계를 결정한다. 두 관점은 activation/전환 window가 핵심이라는 데 합의하며, "가설 확증 우선(정성) vs 계측 신설 우선(정량)"의 순서에서 견해가 갈린다(둘 다 보존).

결정 필요 — ✅ 예 · 승인자 EXEC-CPO 확신도 — Med (E3 근거)

repo: company-haness · 2026-07-07 19:47 · wf-churn-01

🎯 결정해야 할 질문

무료→Pro 전환 이탈에 대해 지금 무엇을 승인할 것인가 — 원인 개입을 바로 할지, 아니면 정량 계측+정성 리서치 병렬 확증을 먼저 할지?

✅ 권고안

병렬 삼각측량 승인 — (1) FAM-DATA: 온보딩→첫결제 퍼널 단계 계측 신설(activation 역산·PQL·cohort 전환율·survival), (2) FAM-UX-RESEARCH: Track A 심층인터뷰 + Track B 결제구간 사용성테스트로 aha-paywall 정렬(H1)·TTV(H2) 우선 검증. 두 결과가 일치하는 병목부터 EXEC-CPO/FAM-PRODUCT-MGMT의 온보딩·paywall 재설계 discovery 입력으로 승격.

👥 역할별 핵심 결론 (요약)

역할	관점	핵심 결론	확신도
UX 리서처 AI	무료→Pro 이탈은 '가격 문제'가 아니라 '가치를 체감하기 前에 결제를 요구당하는' 경험 순서(TTV·aha-paywall 정렬)의 문제라는 정성 관점.	온보딩→첫 결제 이탈의 유력 정성 원인은 aha-moment 도달 前 paywall 등장과 과대한 TTV·결제 마찰의 복합이다 — 단 실제 데이터·인터뷰 원본이 없어 이는 검증 전 가설(E1~E2, Med)이며, 3-트랙 리서치로 원인을 확증한 뒤에만 개입해야 한다.	Med
데이터 분석가 AI	제품 감(感)이 아니라 사용자 행동·전환 지표로 온보딩→첫 결제 이탈을 계량한다 — 정량 관점.	실측 로그가 없으므로 지금 할 일은 '왜 안 되는지' 단정이 아니라 온보딩→첫 결제 퍼널을 단계로 계측하는 것 — activation(리텐션 상관으로 역산)·PQL(한도근접+재방문+paywall 복합 시그널)·단계별 cohort-based 전환율을 계측·정의하고, 단계별 '절대 이탈수' 랭킹과 코호트×단계 히트맵으로 병목을 특정하도록 설계한다.	Med

📋 역할별 상세 (관점 원문 그대로)

UX 리서처 AI — 확신도 Med

관점: 무료→Pro 이탈은 '가격 문제'가 아니라 '가치를 체감하기 前에 결제를 요구당하는' 경험 순서(TTV·aha-paywall 정렬)의 문제라는 정성 관점.

결론: 온보딩→첫 결제 이탈의 유력 정성 원인은 aha-moment 도달 前 paywall 등장과 과대한 TTV·결제 마찰의 복합이다 — 단 실제 데이터·인터뷰 원본이 없어 이는 검증 전 가설(E1~E2, Med)이며, 3-트랙 리서치로 원인을 확증한 뒤에만 개입해야 한다.

🔎 핵심 발견

• H1 (핵심 가설) 가치 체감 前 paywall: aha-moment 도달 이전에 결제벽이 등장해 '왜 돈을 내야 하는지' 납득이 서지 않은 채 이탈 — paywall과 aha의 순서/거리 정렬 오류가 유력.
• H2 activation gap: 첫 핵심가치까지의 온보딩 단계·설정이 많아 TTV가 길어 결제 구간 도달 전에 이탈(활성화 실패).
• H3 value gap: 무료 티어가 Pro의 구체적 가치를 미리 보여주지 못해 업그레이드 동기 자체가 형성되지 않음.
• H4 checkout friction·불안: 카드 선입력 요구·해지/환불 정책 불투명이 결제 직전 주저(hesitation)를 유발.
• H5 플랜 인지부하: 플랜/가격 비교가 복잡해 결정을 회피(decision paralysis)하고 무료 유지로 관성 회귀.
• H6 전환 넛지 오타이밍/부재: 한도 근접·가치 순간에 맞춘 컨텍스트 넛지가 없어 전환 window를 놓침(정성 관찰 가설).

🧪 리서치 설계

• Track A — 심층 인터뷰: 이탈군(온보딩 완주·결제 미도달)/중도포기군/전환 성공 대조군 3그룹 각 6~8명(포화까지), JTBD Switch 4-force + Critical Incident로 '결제를 결심/포기한 바로 그 순간'을 역추적.
• Track B — 결제 구간 사용성 테스트: think-aloud 8~10명, '가입→첫 가치 경험→Pro 결제 완료' end-to-end 과업으로 paywall 타이밍·결제폼 마찰·플랜 인지부하를 SEQ/hesitation 코딩으로 계측.
• Track C — 저니/휴리스틱 분석: 온보딩→aha→paywall→checkout 경험 저니맵+감정곡선+friction 히트포인트 작성, Nielsen 10 휴리스틱 워크스루와 (가용 시)세션 관찰을 삼각측량(수치 산출은 FAM-DATA 이관).

➡️ 다음 액션

• 리서치옵스 킥오프: 3그룹 인터뷰 대상 리크루팅 스크리너·인센티브 예산 승인 요청(EXEC-CPO), 4주 내 Track A/B 실행 일정 확정.
• 정량 삼각측량 요청: FAM-DATA에 온보딩→paywall→checkout funnel 드롭 지점·aha 후보 이벤트 계량을 의뢰해 본 정성 가설(H1~H6)과 대조.
• 가설 우선검증 순서 제안: H1(aha-paywall 정렬)·H2(TTV) 먼저 검증 → 확증 시 EXEC-CPO/FAM-PRODUCT-MGMT에 온보딩 재설계·paywall 재배치 discovery 입력으로 전달(결정은 CPO 소관).

근거: _sandbox/evidence/wf-churn-01/wf-churn-01-ux-researcher-notes.md (E2)

데이터 분석가 AI — 확신도 Med

관점: 제품 감(感)이 아니라 사용자 행동·전환 지표로 온보딩→첫 결제 이탈을 계량한다 — 정량 관점.

결론: 실측 로그가 없으므로 지금 할 일은 '왜 안 되는지' 단정이 아니라 온보딩→첫 결제 퍼널을 단계로 계측하는 것 — activation(리텐션 상관으로 역산)·PQL(한도근접+재방문+paywall 복합 시그널)·단계별 cohort-based 전환율을 계측·정의하고, 단계별 '절대 이탈수' 랭킹과 코호트×단계 히트맵으로 병목을 특정하도록 설계한다.

🔎 핵심 발견

• 가설1(계측 공백): free→Pro 저조의 1차 원인은 '전환이 나쁘다'가 아니라 단계별 이탈을 볼 계측 자체가 없어 병목 단계를 특정 못 하는 것 — 퍼널 계측 신설이 선행 과제.
• 가설2(activation leak): 온보딩→첫 가치경험(activation) 구간 이탈이 가장 클 개연성 — activated vs non-activated 코호트의 전환 격차로 검증 가능.
• 가설3(PQL 부재): 무료 한도 근접·paywall 접촉 같은 전환 임박 시그널이 계량되지 않아 결제 의도 코호트를 놓치고 있을 가능성.
• 가설4(전환 latency): free→Pro 전환은 특정 시점에 집중될 개연 — survival 곡선으로 넛지 타이밍 창을 특정해야 함.

📐 계측할 지표

• Activation Rate — 리텐션/전환 상관이 가장 큰 초기 행동으로 activation을 역산 정의 후 (activated 신규/전체 신규).
• 단계별 funnel conversion(S0 Signup→S6 First payment) — 고정 window의 cohort-based 전환율·drop-off율.
• PQL 생성률 및 PQL→결제 전환율 — 한도 70~80% 소진 + 재방문 + paywall 히트 복합 시그널.
• TTV(signup→activation)와 Time-to-Convert(signup→first payment) 분포(중앙값·꼬리).
• 코호트별 D1/D7/D14/D30 retention(activated vs non-activated 분리).
• 단계별 절대 이탈수 = 진입수 × (1-Cn), abandonment point 집계.

📊 분석 계획

• Funnel 병목 랭킹: 단계별 절대 이탈수 내림차순으로 최대 leak 단계 우선 지목(전환율%는 보조).
• Cohort × step 히트맵: signup week·channel·device·온보딩 variant별 이탈 편차 탐지.
• Activation↔전환 상관 분석: activated vs non-activated free→Pro 격차로 activation이 leading indicator인지 확정.
• Survival(Kaplan-Meier) 분석: 전환/이탈이 몰리는 시점 구간 특정 → 넛지/트라이얼 타이밍 도출.
• (데이터 확보 후) 병목 단계 A/B 실험 설계 — 온보딩 variant·paywall 타이밍. 현재는 설계만.

➡️ 다음 액션

• 이벤트 계측 스펙 확정: 노트 §3의 이벤트 맵(signup/onboarding/activation/paywall/checkout)과 공통 프로퍼티·pseudonymous id를 구현 요청으로 전달.
• Activation 정의 확정 실험: 후보 A1~A3 중 전환 격차가 최대인 정의를 실데이터로 선택(초기 로그 확보 후).
• 퍼널 대시보드 구축: 단계별 cohort-based 전환·절대 이탈수·히트맵을 상시 관측 뷰로.
• placeholder 임계값(활성화 N회·한도%·window)을 초기 데이터로 보정 후 PQL 정의 잠금.

근거: _sandbox/evidence/wf-churn-01/wf-churn-01-data-analyst-notes.md (E2)

⚖️ 합의 / 충돌

합의

• 지금은 원인 단정 단계가 아니라 검증·계측 설계 단계 — confidence Med, 조기 개입 금지(양측 명시).
• activation gap(TTV·첫 가치경험까지의 이탈)이 최우선 후보 원인 (UX H2 ↔ DATA 가설2).
• 전환 window(한도 근접·paywall 접촉 시점)가 개입 지렛대 — 타이밍이 관건 (UX H1/H6 ↔ DATA PQL/survival).
• 정성×정량 삼각측량이 필수라는 데 양측이 서로를 명시적으로 참조함(상호 이관 요청 존재).

충돌(보존)

• 접근 순서: UX는 'aha-paywall 순서(H1)를 유력 원인으로 먼저 리서치 확증' vs DATA는 '원인 단정 말고 먼저 퍼널 계측 신설로 병목 단계부터 특정' — 가설주도 vs 계측주도 (병렬로 보존).
• 증거 우선순위: UX는 '그 순간'의 의미(소표본 심층) 중시 vs DATA는 규모·유의성(절대 이탈수·코호트) 중시 — 각자 상대의 대표성/편향을 리스크로 지목.

⚠️ 리스크

• 실데이터·인터뷰 원본 부재 상태의 가설을 사실로 오인해 조기 개입하면 잘못된 지점을 고쳐 전환이 안 오르거나 free 경험을 훼손(양 워커 공통 리스크).
• 정성 소표본 과일반화 위험 ↔ 전환율%만 보고 소트래픽 단계 과대평가 위험 — 두 방법의 편향은 삼각측량으로만 상쇄됨.
• 이벤트 계측 인프라 미비 시 계측 스펙 신설이 선행돼야 하며, 그 전엔 정량 확증이 지연됨.

📎 근거

#	출처	등급
1	_sandbox/completion-records/wf-churn-01/wf-churn-01-ux-researcher.report.yaml	E3
2	_sandbox/completion-records/wf-churn-01/wf-churn-01-data-analyst.report.yaml	E3
3	org-os/06-agent-work/collaboration-map.yaml	E3

📂 원본 파일 (에이전트용 YAML)

• 종합/원천: _sandbox/completion-records/wf-churn-01/wf-churn-01-synthesis.report.yaml
• 역할 보고서: _sandbox/completion-records/wf-churn-01/wf-churn-01-ux-researcher.report.yaml
• 역할 보고서: _sandbox/completion-records/wf-churn-01/wf-churn-01-data-analyst.report.yaml