구매 데이터 세그먼트 분해로 트렌드 도출
약 85초
정량 데이터를 구간별로 나눠 고객 행동 패턴을 찾아낸 경험
저는 고객 트렌드를 도출할 때 전체 평균보다 세그먼트별 분해를 먼저 합니다. 평균 수치는 실제 움직임을 숨기는 경우가 많기 때문입니다. 인턴 때 구매 데이터를 연령대별, 첫 구매 경과 기간별로 나눴더니, 신규 가입 후 14일 이내 사용자의 재구매율이 전체 평균보다 3배 높다는 걸 발견했습니다. 이 패턴을 근거로 신규 가입자를 위한 온보딩 이메일 시퀀스 강화를 제안했고, 팀에서 이를 채택했습니다. 분석 과정에서 제가 직접 피벗 테이블로 세그먼트를 나누고 수치를 추출했으며, 결과를 시각화해 공유했습니다. 이 경험에서 배운 건 분석적 사고는 데이터를 많이 보는 게 아니라 어떤 기준으로 나눌지 가설을 먼저 세우는 것에서 시작한다는 점이었습니다. 이후엔 데이터를 볼 때마다 분해 기준을 먼저 정하는 습관이 생겼습니다.
이 결의 특징
전체 평균 대신 연령대·첫 구매 경과 기간으로 세그먼트를 나눠 신규 가입 14일 이내 재구매율이 3배 높다는 패턴을 발견한 과정이 담겨 있습니다. 가설 먼저 세운 뒤 피벗 테이블로 수치를 추출한 루틴이 구체적으로 드러나는 흔적이 자주 보입니다.
이 결이 통하는 자리
데이터를 많이 보는 것이 아니라 분해 기준을 먼저 정하는 습관을 경험으로 설명할 수 있을 때 통합니다. 분석 결과가 실제 캠페인 제안으로 이어진 흐름이 있을 때 면접관의 꼬리질문이 줄어드는 결이 보입니다.