Proven Better New는 징가 창업자 마크 핀커스가 제시한 제품개발 프레임워크입니다. 목표 고객이 이미 쓰고 좋아하는 요소를 Proven, 그 고객이 분명한 개선으로 받아들일 변화를 Better, 아직 반응을 모르는 핵심 실험을 New로 나눕니다.
핵심은 새로움을 없애는 것이 아니라 어떤 가설 때문에 제품이 실패했는지 알 수 있도록 신규 요소를 격리하는 것입니다. 다만 이는 저자의 경험에서 나온 휴리스틱이지 모든 시장에서 성공확률을 보장하는 통계 법칙은 아닙니다.
Proven·Better·New는 무엇이 다른가요?
| 구분 | 답해야 할 질문 | 필요한 증거 | 잘못 분류하기 쉬운 경우 |
|---|---|---|---|
| Proven | 목표 고객이 현재 어떤 행동·흐름·형식을 반복해서 선택하는가? | 실제 사용, 구매, 유지, 완료 행동과 관찰 기간 | 경쟁사 화면이 존재한다는 사실만으로 검증됐다고 단정 |
| Better | 기존 방식보다 어떤 결과가 얼마나 나아지는가? | 동일 과업의 시간·완료율·오류·비용·유지 비교 | 기능이 다르다는 사실을 개선으로 표현 |
| New | 고객 반응과 경제성을 아직 모르는 핵심 가설은 무엇인가? | 실험 대상, 기준선, 성공·중단 조건과 결과 기록 | 여러 신규 기능을 한꺼번에 넣어 원인을 알 수 없게 함 |
Proven은 다른 제품의 표현이나 구현물을 그대로 복제하라는 뜻이 아닙니다. 고객이 이미 이해하는 행동과 문제 해결 흐름을 관찰하는 단계입니다. 실제 구현 전에는 상표·저작물·특허·계약·영업비밀 등 적용 가능한 권리를 별도로 검토해야 합니다.
징가 포커 사례는 어떻게 분해되나요?
핀커스가 본인 공개 글과 인터뷰에서 설명한 징가 포커 사례는 세 요소를 비교하기 쉽습니다.
| 요소 | 사례에서의 분류 | 검증할 지표 |
|---|---|---|
| 익숙한 포커 규칙과 테이블 흐름 | Proven | 첫 세션 시작률, 규칙 이해 실패, 중도 이탈 |
| 별도 다운로드 없이 바로 시작 | Better | 진입 단계 수, 시작 완료율, 첫 플레이까지 걸린 시간 |
| 실제 친구와 프로필을 연결한 소셜 경험 | New | 친구와 함께한 세션, 재방문, 초대 후 유지, 불편 신고 |
이 표는 징가의 역사적 성과가 다른 제품에서도 재현된다는 뜻이 아닙니다. 같은 구조를 적용하려면 목표 고객과 기존 행동부터 다시 확인해야 합니다. 다운로드 없음이 이미 시장 기본값이라면 더는 Better가 아닐 수 있고, 실명·관계 정보 연결은 제품 가치와 함께 개인정보·안전 위험을 별도로 검토해야 합니다.
제품 아이디어를 세 칸으로 나누는 방법
먼저 제품 전체가 아니라 하나의 고객 과업을 고릅니다. 예를 들어 팀 회의 뒤 결정사항을 담당자별 할 일로 확정한다처럼 시작과 끝이 보여야 합니다.
1. Proven은 행동 증거로 적습니다
경쟁사가 한다는 사실보다 고객이 현재 선택하는 행동을 기록합니다.
- 목표 고객과 해결하려는 상황
- 현재 사용 중인 대안과 사용 빈도
- 과업의 시작·종료점
- 완료·이탈·재작업이 발생하는 지점
- 관찰한 기간과 데이터 출처
인터뷰만으로 검증됨이라고 쓰지 마세요. 말한 의향과 실제 행동은 다를 수 있습니다. 결제, 반복 사용, 과업 완료, 재방문처럼 관찰 가능한 신호와 함께 판단해야 합니다.
2. Better는 한 문장으로 측정합니다
개선안은 누구의 어떤 결과가 무엇보다 나아지는지가 보여야 합니다.
Better 가설
= 목표 고객
+ 기존 과업과 비교 대상
+ 바꿀 한 가지 요소
+ 개선할 1차 지표
+ 악화를 막을 보호 지표예를 들어 회의록 작성이 편해진다보다 아래처럼 적는 편이 낫습니다.
“주간 운영회의 참여자가 회의 종료 후 30분 안에 담당자·기한이 있는 결정사항을 확정하는 비율을 기존 방식보다 높이되, 잘못 배정돼 다시 수정하는 비율은 늘리지 않는다.”
성공 수치 자체는 업계 공통값에서 가져오지 않습니다. 자사 기준선, 최소로 의미 있는 개선폭, 표본과 관찰기간을 먼저 정한 뒤 승인합니다.
3. New는 한 실험에서 적게 둡니다
신규 가설이 여러 개면 결과가 좋아도 무엇이 기여했는지, 나빠도 무엇을 고쳐야 하는지 알기 어렵습니다. 핵심 New 하나와 그에 직접 필요한 변경만 한 실험 묶음에 두세요.
| 실험 항목 | 실행 전에 기록할 내용 |
|---|---|
| 신규 가설 | 고객 행동이 왜 달라질 것으로 보는지 |
| 대상 | 고객군, 과업, 채널, 기간과 제외 조건 |
| 기준선 | 기존 방식의 완료율·시간·오류·비용 |
| 1차 지표 | 성공 여부를 판단할 하나의 핵심 결과 |
| 보호 지표 | 오류, 이탈, 문의, 환불, 안전·권리 문제 |
| 비용 상한 | 개발·운영·지원·복구를 포함한 최대 노출액 |
| 중단 조건 | 누가 어떤 수치나 사건에서 즉시 멈추는지 |
| 확대 조건 | 어떤 증거가 확인돼야 다음 범위를 승인하는지 |
제품이 사랑받는다는 표현은 무엇으로 바꾸나요?
고객이 사랑하는 제품은 방향을 설명하지만 그대로는 측정할 수 없습니다. 제품과 사용 주기에 맞춰 반복 행동과 경제성으로 번역해야 합니다.
| 확인 축 | 가능한 관찰값 | 해석할 때 주의할 점 |
|---|---|---|
| 첫 가치 도달 | 첫 핵심 과업 완료율, 첫 가치까지 걸린 시간 | 가입·로그인만으로 가치 도달을 대신하지 않음 |
| 반복 사용 | 주기별 핵심 과업 재완료, 코호트 유지 | 알림 강제나 보상 때문에 생긴 접속과 구분 |
| 자발적 선택 | 유료 전환, 갱신, 재구매, 대안에서의 전환 | 할인·계약 묶음 효과를 분리 |
| 추천 | 실제 추천 후 유입·활성·유지 | 추천 의향 점수와 실제 추천 행동을 구분 |
| 불편 비용 | 오류, 문의, 환불, 삭제·이탈 사유 | 사용량 증가가 불편 증가를 가리지 않게 함 |
DAU가 늘었다는 사실만으로 고객이 제품을 사랑한다고 결론 내릴 수 없습니다. 일일 사용이 필요 없는 제품도 있고, 반복 보상이나 알림이 단기 접속만 높일 수도 있습니다. 핵심 과업의 장기 코호트 유지와 유료 선택, 불편 비용을 함께 보세요.
플랫폼 의존은 별도 가설로 관리합니다
원문은 징가가 페이스북 플랫폼에 크게 의존했던 사례를 제품 리스크로 제시합니다. 외부 플랫폼을 활용하는 것과 종속되는 것은 다릅니다. 다음 항목을 제품 실험과 별도의 운영표에 둡니다.
- 신규 유입·매출·핵심 기능 중 특정 플랫폼이 차지하는 비중
- 정책·수수료·노출 알고리즘·접근 권한이 바뀔 때의 손익 영향
- 고객 관계와 적법하게 확보한 데이터의 통제 범위
- 대체 채널로 옮기는 데 필요한 시간·비용·기술 변경
- 플랫폼 장애나 계정 제한 시 서비스 지속·복구 방식
새 플랫폼이 열렸다는 이유만으로 기존 제품을 그대로 옮겨도 성공하는 것은 아닙니다. 해당 플랫폼의 고객 행동에서 무엇이 Proven인지 다시 확인하고, 플랫폼 특성에 맞춘 Better와 New를 분리해야 합니다.
기존 전략 도구와 어떻게 구분하나요?
Proven Better New는 회사의 핵심역량이나 신사업 재무성을 대신하지 않습니다.
| 질문 | 맞는 도구 |
|---|---|
| 고객이 이미 선택하는 요소와 신규 제품 가설을 어떻게 분리할까? | Proven Better New |
| 이 사업이 조직의 재사용 가능한 역량과 맞는가? | 핵심역량 분석 |
| 실패했을 때 손실과 복구 범위는 감당 가능한가? | 가역성·손실한도 분석 |
| 고객군별 반응 차이와 증분 효과는 무엇인가? | 세그멘테이션·통제 실험 |
| 확장 뒤 공헌이익·운전자본·현금흐름은 버티는가? | 단위경제·현금흐름 분석 |
제품 아이디어를 세 칸에 잘 나눴어도 권리, 단위경제와 조직 역량이 맞지 않으면 투자할 이유가 없습니다. 반대로 재무성이 좋아 보여도 New 가설을 격리하지 않으면 실패 원인을 학습하기 어렵습니다.
공식·1차 근거
확인 기준일: 2026년 7월 14일
- Life at the Speed of Play 공식 사이트: 마크 핀커스의 저자 소개와 Proven Better New를 책의 핵심 프레임워크로 제시한 범위를 확인했습니다.
- 마크 핀커스 본인 공개 글: 신규 요소를 격리하고 이미 작동하는 요소를 활용한다는 설명과 징가의 온보딩 사례를 확인했습니다.
- The Knowledge Project 인터뷰·전사: Proven Better New, 고객의 깊은 필요, 플랫폼 리스크와 타협에 관한 저자의 1차 인터뷰 범위를 확인했습니다.
공식 사이트와 인터뷰의 성공확률·본능 관련 숫자는 저자의 경험적 주장입니다. 독립 표본의 보편 통계로 검증되지 않아 이 글의 기준이나 계산에 사용하지 않았습니다.




