션 앨리스 스코어(Sean Ellis Score): PMF 40% 테스트 완벽 가이드

한 줄 요약

사용자에게 “이 제품을 더 이상 쓸 수 없다면 어떻게 느끼시겠나요?”를 묻고, ‘매우 실망’ 비율이 40% 이상이면 제품-시장 적합성(PMF)에 도달했다는 강한 신호로 본다. 

 

 

왜 이 테스트가 중요한가?

제품/시장 적합성은 대개 사후적으로만 알 수 있는 ‘느낌’에 머물기 쉽다. 션 앨리스는 거의 100개 스타트업을 벤치마크해 선행지표로 쓸 수 있는 간단한 설문을 제안했고, 여기서 매직 넘버 40%가 나왔다. 이 임계값은 경험적 기준(“다소 임의적”)이지만, 성장이 정체된 팀은 대개 40% 미만, 강하게 성장하는 팀은 40% 이상이었다. 

 

 

핵심 문항과 점수 계산법

• 질문: “이 제품을 더 이상 사용할 수 없게 된다면 어떻게 느끼시겠습니까?”
• 선택지 예시(권장):
  1. 매우 실망 / 2) 다소 실망 / 3) 별로 실망하지 않음(그다지 유용하지 않음) / 4) 해당 없음–더 이상 사용하지 않음
• 점수 = ‘매우 실망’ 응답 ÷ (전체 응답 − ‘해당 없음’)※ ‘해당 없음’은 모수에서 빼는 것이 일반적이다. 
• 예: 200명 중 80명이 ‘매우 실망’, 10명이 ‘해당 없음’이면 80 ÷ 190 = 42.1%.

해석 가이드: 40% 이상 → PMF 신호 강함, 40% 미만 → 세그먼트·가치·장애요인 파악이 우선. 

 

 

누구에게, 언제 물을까?

• 대상 선정: 제품의 핵심 가치를 실제로 경험한 활성 사용자에게 묻는다. 실무 베스트프랙티스는 최근 2주 내 최소 2회 사용한 유저. 
• 표본 규모: 약 40명 수준부터 방향성을 읽을 수 있다(많을수록 신뢰도 상승). 같은 사람을 반복 설문하지 않도록 주의. 
• 주기: 주요 릴리스 후, 성장 정체/이탈 증가 시, 스케일링/투자 전 등 의사결정 분기점마다 시행. 

 

설문 문항 템플릿(복붙용)

1. 이 제품을 더 이상 사용할 수 없게 된다면 어떻게 느끼시겠습니까?

• 매우 실망할 것이다
• 다소 실망할 것이다
• 별로 실망하지 않을 것이다(그다지 유용하지 않다)
• 해당 없음 – 더 이상 사용하지 않는다

2. 이 제품을 가장 유용하게 쓸 사람은 어떤 유형이라고 생각하나요?

3. 이 제품에서 받는 주요 이점은 무엇인가요?

4. 어떻게 개선하면 더 좋아질까요? 

 

 

결과를 올리는 운영 프레임(슈퍼휴먼 사례에서 배우기)

1. 세그먼트 발견: ‘매우 실망’ 그룹의 공통 페르소나/유즈케이스를 찾아 핵심 타깃으로 초점화. 
2. 피드백 분석:
   • 사랑받는 이유(Q3)를 정리해 더 강화.
   • 사랑을 막는 요인(Q4)을 찾아 제거.
   • ‘별로 실망하지 않음’ 피드백은 전략에 반영하지 않음. 
3. 로드맵 배분 원칙: 절반은 ‘사용자가 이미 사랑하는 것’에 더 투자, 절반은 ‘사랑을 막는 요소’ 제거에 투자. 
4. 지표화 & 반복: ‘매우 실망’ 비율을 핵심 KPI로 두고 주기 측정·개선. 슈퍼휴먼은 22% → 58%로 3개 분기 만에 끌어올렸다. 

 

 

벤치마크

• 슬랙(Slack): 2015년 오픈 리서치에서 ‘매우 실망’ 51% → 강한 PMF 신호 확인. 
• (히튼 샤(Hiten Shah)의 설문 프로젝트 상세) 
• 슈퍼휴먼(Superhuman): 초기 22%(PMF 미도달) → 세그먼트/개선/반복으로 58% 도달. 

 

한계와 주의점

• 40% 기준은 실무적 휴리스틱이다. 창시자도 “다소 임의적”임을 밝혔지만, 다수 사례에서 유효한 분기점으로 쓰인다. 리텐션·코호트·수익 지표와 함께 해석하라. 
• 표본/대상 선정에 민감: 비활성/초기 체험 위주의 표본은 결과를 왜곡한다. 최근 활성 사용자를 타깃하라. 

 

바로 실행 체크리스트(복붙 보관)

• 최근 2주 내 핵심 행동을 수행한 활성 사용자 목록 만들기(목표 40~100+). 
• 상기 4문항으로 설문 배포(툴 무관), ‘해당 없음’은 모수 제외. 
• ‘매우 실망’ 응답을 중심으로 페르소나/핵심 베네핏/장애요인 도출 → 로드맵 반영. 
• 동일 인물 재설문 없이 새 코호트로 주기적 재측정. 

 

 

 

참고 자료(원문 링크)

First Round Review – How Superhuman Built an Engine to Find PMF
https://review.firstround.com/how-superhuman-built-an-engine-to-find-product-market-fit/

Sean Ellis – The Startup Pyramid (2009, 40% 기준·‘임의적’ 언급)
https://www.startup-marketing.com/2009/07/

Learning Loop – PMF Survey Guide(문항/계산/모수 처리)
https://learningloop.io/plays/product-market-fit-survey

Hiten Shah – 731 Slack Users Reveal Why It’s So Addictive(슬랙 51%)
https://hitenism.com/slack-product-market-fit-survey/

PMF Survey by Sean Ellis & GoPractice(무료 툴)
https://pmfsurvey.com/