기초적인 PMF 설문 분석 설계하기(Design a foundational product-market fit survey analysis)

Sean Ellis Score는 통과/실패가 아니라 세분화 질문이다

40% "매우 실망" 임계값은 유명한 Sean Ellis PMF 바입니다 — 그러나 집계 40%는 드물고 세분화 없이는 오해의 소지가 있습니다. Reforge의 PMF 리서치와 SVPG의 PMF 글 모두 올바른 분석은 응답을 사용, 기간, 사용 사례로 세분화한다고 주장합니다: 실망률 >60%인 코어 세그먼트는 38% 집계보다 더 강한 증거입니다.

Design a foundational product-market fit survey analysis 프롬프트의 작동 방식

프롬프트는 PMF 설문 응답을 4차원에 걸쳐 세분화하고, 실망률로 코어 세그먼트를 식별하고, 자유 텍스트 패턴을 매칭하고, 다음 단계 결정(이터레이션 / 스케일 / 피벗)을 만듭니다. 세그먼트 수준 분석이 38% 집계를 모호함에서 실행 가능함으로 바꿉니다.

언제 사용할까

• PMF 설문을 돌렸고 결과를 해석해야 할 때.
• PMF 같은 지표가 바 아래이고 다음 단계가 필요할 때.
• 피벗이 토론되고 있고 PMF 데이터의 증거가 정보를 줄 때.
• 새 PM이 PMF 측정을 정립할 때.
• 이사회가 "우리에게 PMF가 있는가?"를 묻고 있을 때.

흔한 함정

• 집계 점수만 읽기. 집계는 PMF 코어를 숨깁니다. 세분화 안 하면 결과가 신뢰 불가.
• 자유 텍스트 무시. 그대로의 이유는 포지셔닝 언어와 기능 신호를 포함합니다. 건너뛰지 마세요.
• 세그먼트 PMF가 명확해지기 전에 스케일. 세그먼트 PMF 없이 스케일하는 것은 잘못된 적합성 코호트(cohort)에 획득 비용을 태웁니다.

참고 자료

• Assessing Product-Market Fit — Silicon Valley Product Group
• B2B Product-Market Fit — Reforge
• Product Strategy Overview — Silicon Valley Product Group
• Ten Principles of Product Teams — Silicon Valley Product Group