결정 커뮤니티
무엇을 실험했는지, 어디까지 믿어도 되는지, 실제 결과는 어땠는지 확인하세요.
처음이라면 여기부터
3분 만에 서비스의 쓸모와 한계를 파악하세요
공개 실험에서 확인한 사실 7개, 모델이 틀렸던 사례 3개, 바로 따라 할 수 있는 MCP 레시피 2개입니다. 잘 맞힌 결과뿐 아니라 믿으면 안 되는 지점도 함께 보여드립니다.
의무감보다 “남들도 한다”가 강했다
이웃 공개 메시지가 투표율을 29.7% → 37.8%로 높였습니다.
Gerber·Green·Larimer 무작위 실험, 약 34만 명
공개 실험에서 확인된 방향이며 내 캠페인의 효과 크기 예측은 아닙니다.
근거와 방법 보기1센트 인하보다 “무료” 전환이 컸다
무료가 되자 선택 다수가 프리미엄 상품에서 무료 상품으로 뒤집혔습니다.
Shampanier·Mazar·Ariely 실제 거래 실험
무료의 심리 효과를 보여주지만 수익성 검증은 별도입니다.
근거와 방법 보기설득보다 기본값 하나가 더 셌다
자동 가입 기본값이 참여율을 37% → 86%로 높였습니다.
Madrian·Shea 401(k) 참여 연구
다크패턴이 아니라 사용자의 이익과 쉬운 해지가 전제되어야 합니다.
근거와 방법 보기24개보다 6개 선택지가 10배 더 팔렸다
잼 실험 구매율은 24종 3%, 6종 30%였습니다.
Iyengar·Lepper 선택 과부하 실험
탐색 단계와 결제 단계의 최적 선택지 수는 다를 수 있습니다.
근거와 방법 보기“언제 할지” 쓰게 하자 행동이 늘었다
날짜·시간 계획을 적은 그룹의 독감 예방접종률이 37.3%로 높았습니다.
Milkman 외 실행의도 현장 실험
리마인더 문구보다 실제 예약·캘린더 연결로 다시 검증해야 합니다.
근거와 방법 보기작은 요청에도 “왜냐하면”이 먹혔다
복사기 줄 실험에서 이유 없는 요청 60%, 이유 있는 요청은 93~94%였습니다.
Langer·Blank·Chanowitz 설득 실험
큰 요청에서는 형식적 이유가 아니라 실질적 근거가 필요합니다.
근거와 방법 보기혜택은 효과가 있었지만 더 큰 혜택은 비겼다
기부 매칭은 반응을 높였지만 1:1·2:1·3:1의 차이는 거의 없었습니다.
Karlan·List 약 5만 명 현장 실험
차이가 애매할 때는 승자를 억지로 정하지 않고 “보류”하는 것이 올바른 결과입니다.
근거와 방법 보기더 좋은 상품의 고객이 더 많이 이탈했다
통신 데이터에서는 광섬유 고객 이탈이 오히려 높아 상식적인 예상이 틀렸습니다.
공개 Telco churn 데이터의 기록된 역전 사례
그래서 AI 패널만으로 해지·진입 결정을 확정하면 안 됩니다.
근거와 방법 보기재방문자가 아니라 신규 방문자가 더 전환했다
한 이커머스 데이터에서는 흔한 직관과 반대 방향이 관측됐습니다.
Online Shoppers 공개 데이터의 기록된 역전 사례
고객군 우선순위는 실제 유입 데이터나 테스트로 확정해야 합니다.
근거와 방법 보기최저가가 실제 선택의 승자가 아니었다
도시간 이동 데이터에서는 가격보다 속도·편의가 선택을 좌우했습니다.
ModeCanada 실제 선택 데이터
가격만 바꾼 단순 모델은 비가격 가치가 큰 시장에서 실패합니다.
근거와 방법 보기두 카피 중 무엇부터 A/B할까?
대상과 두 문안, 측정 지표만 넣으면 방향 메모와 실제 테스트 설계가 나옵니다.
worldclone_decide · copy_ab
카피 결과는 가설이며 실제 A/B 전에는 승자로 확정하지 않습니다.
근거와 방법 보기첫 고객군을 누구로 좁힐까?
같은 제품을 두 고객군에 비교해 먼저 테스트할 순서를 정합니다.
worldclone_forecast_segments · segment_priority
우선순위는 방향 제안이며 실제 채널 테스트로 확인해야 합니다.
근거와 방법 보기최근 공개된 시그널
아직 사용자 게시물이 없습니다.
위의 검증 사례와 MCP 레시피부터 둘러보거나, 첫 결정 메모를 공유해보세요.