이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학교 수업에서 패션 카테고리 상품 분석 과제를 하면서 3C 프레임워크를 처음 실제로 적용했습니다. Customer(고객) 측면에서는 연령대별 구매 패턴 데이터를 SNS 후기와 플랫폼 리뷰로 정리했고, Competitor(경쟁사) 측면에서는 주요 3개 브랜드의 가격대와 상품 구성비를 비교했습니다.
Company(자사) 강점을 정리할 때는 실제 판매 데이터가 없어 업계 보고서 수치로 대체해야 했는데, 그 한계를 솔직하게 발표에서 밝히고 추정 근거를 명확히 제시하는 방식을 택했습니다. 팀원들과 비교했을 때 경쟁사 분석이 특히 구체적이었다는 피드백을 받았습니다. 이 경험으로 3C는 단순한 틀이 아니라 각 축에서 어떤 데이터를 어디서 뽑느냐가 분석 깊이를 결정한다는 것을 배웠습니다.
3C 분석에서 제가 직접 한 건 각 축에서 데이터를 어디서 뽑을지 정한 것입니다. Customer(고객)는 연령대별 구매 패턴을 SNS 후기와 플랫폼 리뷰로, Competitor(경쟁사)는 주요 3개 브랜드의 가격대와 상품 구성비를 비교했습니다. 특히 경쟁사 분석이, 팀원 대비 구체적이라는 피드백을 받았습니다. 막연히 '3C로 분석했다'가 아니라, 각 축에서 어떤 데이터를 어디서 뽑았는지를 짚었습니다.
데이터 출처를 안 정하면, 틀만 채우는 분석이 됐습니다. 그래서 3C는 단순한 틀이 아니라, 각 축에서 어떤 데이터를 어디서 뽑느냐가 분석 깊이를 결정한다는 걸 배웠습니다. 틀보다 데이터가 핵심이었습니다.
3C 분석에서 제가 솔직히 다룬 한계는 Company(자사) 강점에 실판매 데이터가 없었다는 것입니다. 실제 판매 데이터가 없어, 업계 보고서 수치로 대체해야 했습니다. 그래서 그 한계를 발표에서 솔직히 밝히고, 추정 근거를 명확히 제시하는 방식을 택했습니다. 막연히 좋게 포장하기보다, 어디는 추정이고 근거가 무엇인지를 드러냈습니다.
데이터가 없는 걸 숨기면, 결론의 신뢰가 떨어졌습니다. 그래서 한계를 인정하고 추정 근거를 명시한 게, 오히려 분석의 설득력을 높였습니다. 3C는 각 축의 데이터 질이 깊이를 정하고, 부족한 데이터는 솔직히 다루는 게 전략으로 이어졌습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 데상트코리아 MD·상품기획 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.