이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
수업 프로젝트에서 커머스 앱 전환율 하락 원인을 분석했는데, 처음엔 광고 소재 문제라고 결론 냈습니다. 교수님이 '유저가 앱 안에서 어디서 이탈하는지 봤냐'고 물어봤을 때 확인하지 않았다는 걸 알았습니다.
이후 화면별 이탈률을 분석했더니 광고 클릭 이후 상품 상세 페이지에서 68%*가 이탈하고 있었습니다. 광고가 아니라 상세 페이지 구성이 문제였습니다. 이 분석을 기반으로 이미지 수 증가와 후기 노출 위치 변경을 개선안으로 제시했습니다. 같은 광고 예산에서 전환율이 1.3배 개선되는 시뮬레이션 결과가 나왔습니다. 비즈니스 지표가 떨어졌을 때 외부 원인보다 유저 행동 경로를 먼저 보는 것*이 진단의 출발이라는 걸 그때 배웠습니다.
유저 행동 분석에서 본인이 직접 데이터를 파고들어 원인을 찾은 경험이 있습니다. 지표가 떨어졌을 때 팀에서 원인을 추측하는 수준에서 논의가 끝나는 경우가 있었습니다. 이후 직접 퍼널별 이탈율·세그먼트별 행동 패턴·특정 이벤트 발생 시점 세 가지를 분석 툴로 파고들어 원인을 찾는 작업을 맡았습니다.
데이터를 직접 보니 추측과 다른 위치에서 이탈이 집중되는 것을 발견했고, 해당 지점 개선을 팀에 제안했습니다. 이 경험으로 유저 행동 분석은 가설을 세우되 데이터를 직접 파고들어 확인해야 정확한 원인을 찾을 수 있다는 걸 배웠습니다. 지금도 지표 이상 시 분석 툴에서 직접 데이터를 확인하는 루틴을 씁니다.
유저 행동 분석 경험에서 배운 분석 접근법을 다음에 반영한 경험이 있습니다. 원인을 잘못 짚었다가 다시 분석했던 경험에서 처음부터 더 체계적으로 접근했으면 시간을 아낄 수 있었겠다는 걸 느꼈습니다. 이후 전체 퍼널을 먼저 확인하고, 이탈이 집중된 단계를 좁힌 뒤, 해당 단계의 유저 행동을 세분화하는 순서를 분석 루틴으로 정했습니다.
루틴을 정하니 다음 지표 이상에서 원인을 찾는 시간이 이전보다 줄었습니다. 이 경험으로 유저 행동 분석은 방법론을 정해두고 순서대로 적용하면 효율이 올라간다는 걸 배웠습니다. 지금도 지표 이상 시 정해진 분석 순서를 따르는 루틴을 씁니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 배달의민족(우아한형제들) 마케팅 일반 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.