이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
고객 데이터와 마켓 인텔리전스를 분석할 때 쓰는 방법론은 분석 목적을 먼저 정의하는 것에서 시작합니다. 데이터를 먼저 보면 모든 것이 흥미로워 보이지만, 실제 의사결정에 필요한 질문을 먼저 정해야 분석이 의미 있어집니다. 고객 데이터에서는 세그먼트별 행동 패턴을 보는 것이 기본입니다. 평균값보다 집단 간 차이가 인사이트를 만드는 경우가 많습니다. 마켓 인텔리전스는 정량 데이터(시장 규모, 성장률)와 정성 데이터(트렌드, 경쟁사 동향)를 함께 봐야 맥락이 갖춰집니다. 숫자만 보면 왜 그런지를 놓치고, 동향만 보면 얼마나 큰지를 놓칩니다.
두 데이터를 교차하면 더 단단한 판단을 할 수 있습니다. 분석은 데이터를 정리하는 것이 아니라 판단을 돕는 것이어야 합니다.
고객 데이터 분석에서 본인이 직접 다뤄본 자리가 있습니다. 학교 프로젝트에서 전자상거래 샘플 데이터로 RFM(최근 구매일·빈도·금액) 세그멘테이션을 직접 구현했습니다. 고객을 단순히 구매 금액 순으로 나열하는 것과 RFM 3축을 함께 보는 것이 어떻게 다른 인사이트를 주는지를 직접 비교했습니다.
최근에 한 번 많이 산 고객과 오래 자주 조금씩 산 고객이 RFM에서 다른 세그먼트에 속하고, 마케팅 접근 방식도 달라야 한다는 것을 데이터로 확인했습니다. 코호트 분석도 동일 시기 획득 고객 그룹의 월별 리텐션을 계산하면서 평균 리텐션과 얼마나 다른 그림을 보여주는지를 직접 경험했습니다.
분석 방법론은 이론보다 직접 데이터에 적용할 때 무엇이 어려운지를 알게 됩니다. 방법론을 아는 것과 그 방법론으로 판단을 내리는 것 사이에 한 단계가 더 있다는 것을 알고 있습니다.
고객 데이터 분석에서 막힌 자리가 있습니다. 분석에서 가장 주의하는 함정은 상관관계를 인과관계로 오해하는 것입니다. 두 지표가 함께 움직인다고 해서 하나가 다른 하나를 만드는 것은 아닙니다. 프로모션 기간에 구매가 늘었을 때, 그것이 프로모션 때문인지 계절 수요 때문인지를 구분하지 못하면 잘못된 결론을 내리게 됩니다.
A/B 테스트 없이는 인과관계를 확인하기 어려운 자리가 많습니다. 마켓 인텔리전스에서도 소셜 리스닝 결과가 실제 구매 의도와 다른 경우가 있어서, 온라인 언급량이 높아진다고 해서 판매가 늘어나는 것은 아닙니다. 분석이 틀리는 자리는 데이터를 잘못 읽는 것보다 데이터로 확인하기 어려운 질문을 확인했다고 착각하는 것에서 나옵니다.
분석의 한계를 말하는 것이 분석의 신뢰도를 높이는 방법이라는 것을 알고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 사업기획 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.