이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
데이터 분석이 의사결정을 바꾼 경험은 고객 이탈 예측 프로젝트에서 있었습니다. 분석 내용으로는 가입 후 30일 내 로그인 빈도가 이탈 여부를 가장 잘 예측하는 변수라는 것을 랜덤포레스트 모델로 확인했습니다. 도출한 인사이트는 '첫 30일 내 활성 사용자는 3개월 후 이탈률이 23%인데, 비활성 사용자는 71%' 라는 패턴이었고, 이걸 팀에 공유했습니다. 이 결과로 기존에 신규 가입 후 아무런 온보딩 연락을 안 하던 정책에서 가입 7일째에 맞춤 이메일 발송으로 정책을 바꾸는 결정이 났습니다. 결과로는 그 정책 변경 후 30일 내 활성 사용자 비율이 기존 대비 19% 증가했습니다. 팀원과의 협업으로는 제가 분석과 시각화를 맡고, 팀원이 이메일 템플릿 기획을 담당했습니다. 데이터 분석의 가치는 '이렇습니다'보다 '그래서 무엇을 바꿀 수 있습니다'까지 연결될 때 나온다고 배웠습니다.
데이터 분석이 의사결정을 바꾼 또 다른 경험은 A/B 테스트 결과가 팀의 기능 개발 우선순위를 바꾼 프로젝트였습니다. 팀에서는 대시보드 신기능 2개 중 시각화 개선이 더 중요하다는 가정으로 개발을 시작하려 했는데, 사용자 그룹을 나눠 두 기능의 사용 의향을 측정한 결과 알림 기능 선호가 더 높게 나왔습니다.
가정과 반대 방향의 데이터가 나왔을 때 설득보다 데이터를 먼저 보여주는 것이 팀 방향 전환의 속도를 높입니다. A/B 테스트 기반 우선순위 결정이 두 그룹의 클릭률·체류 시간·전환율을 비교하면서, 어느 기능이 실제 사용자 행동에 더 강하게 영향을 주는지를 수치로 판단하는 방식이고, 이것이 가정에 기반한 결정을 데이터로 대체하는 과정이었습니다.
테스트 결과를 팀에 공유했을 때, 처음에는 "샘플이 작지 않나"는 반응이 있었지만 통계적 유의성 수치를 함께 제시하면서 방향 전환이 받아들여졌고, 이후 알림 기능 우선 개발로 계획이 바뀌었습니다. 분석은 설득을 위한 도구가 아니라 결정을 위한 근거입니다.
데이터 분석이 의사결정을 바꾼 또 다른 경험은 코호트 분석으로 마케팅 채널의 실제 효율을 발견하면서 예산 배분 계획이 바뀐 프로젝트였습니다. 팀에서는 유입량이 많은 채널을 기준으로 예산을 유지하고 있었는데, 채널별 가입 코호트를 기준으로 30일·90일 리텐션을 측정했을 때, 유입량은 적지만 리텐션이 2배 높은 채널이 있다는 것을 발견했습니다.
유입 수보다 잔존율이 높은 채널이 장기적으로 더 많은 가치를 만든다는 것이 숫자로 증명됐고, 이것이 예산 배분 재검토의 출발점이 됐습니다. 코호트 기반 채널 효율 분석이 가입 채널을 기준으로 그룹을 나누고, 각 그룹의 리텐션 커브를 비교하면서 채널별 장기 가치를 정량화하는 방식이고, 이것이 CAC 중심 분석에서 LTV 중심 분석으로 관점을 전환하는 접근이었습니다.
분석 결과를 담당자에게 공유하면서, 채널별 리텐션 커브 그래프 한 장이 설명보다 빠르게 방향을 바꿨고, 이후 해당 채널 예산 비중이 늘었습니다. 데이터는 방향이 아니라 기준을 바꿉니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 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.