A
약 72초
고객 이탈 예측 모델 분석 결과가 서비스 정책 변경 의사결정으로 이어진 경험 서술
데이터 분석이 의사결정을 바꾼 경험은 고객 이탈 예측 프로젝트에서 있었습니다. 분석 내용으로는 가입 후 30일 내 로그인 빈도가 이탈 여부를 가장 잘 예측하는 변수라는 것을 랜덤포레스트 모델로 확인했습니다. 도출한 인사이트는 '첫 30일 내 활성 사용자는 3개월 후 이탈률이 23%인데, 비활성 사용자는 71%' 라는 패턴이었고, 이걸 팀에 공유했습니다. 이 결과로 기존에 신규 가입 후 아무런 온보딩 연락을 안 하던 정책에서 가입 7일째에 맞춤 이메일 발송으로 정책을 바꾸는 결정이 났습니다. 결과로는 그 정책 변경 후 30일 내 활성 사용자 비율이 기존 대비 19% 증가했습니다. 팀원과의 협업으로는 제가 분석과 시각화를 맡고, 팀원이 이메일 템플릿 기획을 담당했습니다. 데이터 분석의 가치는 '이렇습니다'보다 '그래서 무엇을 바꿀 수 있습니다'까지 연결될 때 나온다고 배웠습니다.
이 결의 특징
고객 이탈 예측 프로젝트 같은 실제 상황이 이론과 만나면서 단순 암기와 구분되는 이해의 깊이가 드러납니다.
이 결이 통하는 자리
추상적 개념이 아닌 구체적 근거를 기반으로 판단할 것을 요구하는 상황에서 통합니다.