고객 불만 데이터 분석 → 원인 파악 → 개선 성과
약 90초
사용한 분석 도구와 발견한 패턴, 개선 결과를 수치로 연결
팀 프로젝트에서 서비스 앱의 고객 불만 리뷰를 분석한 경험이 있습니다. 수집된 리뷰 1,200건을 Python `pandas`와 `wordcloud`로 빈도 분석했는데, "느리다"와 "로딩"이 반복해서 등장하는 걸 발견했습니다. 처음엔 "불만이 많다"는 것만 알았는데, 시간대별 분류를 추가하니 오전 9시 전후에 불만이 집중된다는 패턴이 나왔습니다. 이 결과를 팀에 공유했고, 서버 리소스 배분을 피크 시간에 맞게 조정하는 결정이 이뤄졌습니다. 개선 후에는 앱스토어 평점이 3.2에서 3.8로 올랐고, 같은 시간대 오류 로그도 줄었습니다. 성과 측정을 사전에 설계하지 않아서 개선 전 수치를 일부 놓쳤는데, 그 이후로 분석 시작 전 측정 기준을 먼저 잡는 것을 원칙으로 삼게 됐습니다.
이 결의 특징
pandas와 wordcloud로 리뷰 1200건을 분석해 느리다·로딩이라는 반복 키워드를 찾고, 시간대별 분류로 오전 9시 집중 패턴까지 짚은 흔적이 있습니다. 평점이 3.2에서 3.8로 오른 구체 성과가 담긴 결이 보입니다.
이 결이 통하는 자리
측정 기준을 분석 시작 전 먼저 잡는 원칙이 실패 인정과 함께 제시될 때 통합니다. 개선 전후 수치를 놓쳤다는 반성이 구체적일 때 면접관이 성장 가능성을 읽는 결이 보입니다.