A
약 90초
경험 중심 1인칭 답변
캡스톤 프로젝트에서 앱 내 사용자 이탈 지점 데이터를 분석해 온보딩 플로우를 개선한 경험이 있습니다. 로그 데이터를 보니 특정 단계에서 이탈률이 유독 높았고, 그 화면에서 사용자가 어디를 주로 터치하는지 히트맵으로 확인해봤습니다. 동시에 사용자 5명을 대상으로 간단한 인터뷰를 진행해 이탈 원인에 대한 가설을 세웠습니다. 데이터는 무엇이 문제인지를 알려줬고, 인터뷰는 왜 그런지를 이해하게 해줬습니다. 가설에 따라 해당 화면의 안내 문구와 버튼 위치를 변경한 뒤 A/B 테스트를 돌렸고, 이탈률이 약 22% 감소했습니다. 이 경험에서 정량 데이터와 정성 인터뷰를 함께 써야 진짜 원인을 찾을 수 있다는 것을 배웠습니다. 앞으로도 서비스 개선을 할 때 정량 데이터와 정성 인터뷰를 함께 쓰는 방식을 유지하겠습니다.
숫자는 무엇이 문제인지를 알려주고, 대화는 왜 그런지를 알려줍니다. 좋은 개선은 데이터와 사람이 함께 말할 때 나옵니다.
이 결의 특징
이탈률이 높은 단계를 히트맵으로 확인하고 5명 인터뷰로 원인 가설을 세운 구체적 과정과, 문구·버튼 변경 후 A/B 테스트로 이탈률 22% 감소를 확인한 흔적이 담겨 있습니다.
이 결이 통하는 자리
데이터가 무엇이 문제인지, 인터뷰가 왜 그런지를 알려준다는 구분이 구체적 수치와 함께 살아 있을 때 통합니다. 정량과 정성을 함께 쓰는 방법론이 이어지는 자리에서 면접관이 분석 균형감을 읽습니다.