A
약 90초
경험 중심 1인칭 답변
인턴십에서 커머스 플랫폼의 월별 사용자 행동 로그를 분석해 재구매율 패턴을 정리하는 작업을 맡았습니다. Python과 SQL로 구매 후 7일·30일 재방문 데이터를 분류하고, 카테고리별 재구매 간격과 이탈 포인트를 시각화했습니다. 분석 결과 특정 카테고리에서 첫 구매 후 48시간 이내 리마인드 메시지 수신 고객의 재구매율이 2배 높다는 패턴이 나왔고, 팀에 공유했습니다. 트렌드는 단일 지표보다 행동 시퀀스 전체를 보는 게 더 의미 있다는 것을 그 과정에서 배웠습니다. 데이터가 많아도 질문을 먼저 정의하지 않으면 분석 방향이 흐려진다는 걸 반복 경험했습니다. 앞으로도 분석 질문 먼저 → 데이터 구조 확인 → 행동 시퀀스 추적 순서로 고객 분석에 접근하겠습니다. 앞으로도 분석 질문 먼저 정의 → 행동 시퀀스 추적 → 패턴 도출 순서로 고객 데이터에 접근하겠습니다.
데이터가 많아도 질문이 없으면 분석 방향이 흐려집니다. 재구매 간격과 이탈 포인트를 함께 보는 것이 단일 지표가 숨기는 고객 행동을 드러내는 방법입니다.
이 결의 특징
단순히 데이터를 모으는 것에서 그치지 않고, 재구매 행동과 특정 액션(메시지 수신) 간의 상관관계를 발견하고 그것을 구체적인 수치(2배)로 양화한 분석 접근을 보여줍니다. 인사이트를 도출해 실무에 적용할 수 있다는 점이 핵심입니다.
이 결이 통하는 자리
고객 행동 패턴을 기반으로 마케팅·제품 전략을 수립하거나 개선해야 하는 성장팀·PM·데이터 분석 직무에서 높이 평가됩니다. 데이터 기반 의사결정을 중시하는 조직에서 실질적인 비즈니스 임팩트를 낼 수 있는 사람으로 인식됩니다.