이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학부 데이터 분석 수업에서 가상의 이커머스 고객 데이터로 CLV를 예측하는 과제를 맡았는데, 처음엔 여러 변수를 다 넣어야 할 것 같아서 막막했습니다. 저는 일단 재구매 주기와 평균 구매금액 두 가지만으로 단순 추정값을 먼저 계산해봤습니다. 교수님이 "이걸로 충분하다고 생각하냐"고 물으셨고, 저는 "충분하지 않지만, 이게 기준선이 돼야 다른 변수의 효과를 확인할 수 있다"고 답했습니다. 교수님이 "그 논리가 맞다"고 하셨는데, 사실 그 답을 하면서 저도 처음 그 논리를 정리한 순간이었습니다. 처음엔 너무 단순하다는 생각에 발표를 망설였는데, 단순한 기준선을 먼저 만드는 게 복잡한 모델보다 먼저라는 걸 그때 배웠습니다.
창업 동아리에서 구독 서비스 가격 책정을 위해 고객별 예상 가치를 추정했는데, 제가 맡은 건 고객 20명 샘플의 CLV 추정이었습니다. 숫자를 하나로 딱 내놨더니 팀장이 "이 숫자를 얼마나 믿을 수 있냐"고 물었습니다. 저는 그때 신뢰 구간을 같이 제시해야 한다는 걸 처음 떠올렸고, 데이터가 20건밖에 없으니 추정값보다 범위로 보여주는 게 정직하다고 생각했습니다. 최솟값과 최댓값 시나리오를 추가로 계산했고, "이 범위 안에 있을 가능성이 높다"고 수정해서 발표했습니다. 숫자 하나를 내놓는 것보다 불확실성을 명시하는 게 더 신뢰를 준다는 걸 그때 배웠고, 지금도 추정값을 낼 때 범위를 함께 적는 편입니다.
학부 마케팅 분석 수업에서 CLV가 높은 고객군이 이탈할 조짐을 보일 때 어떻게 대응할지를 제안하는 과제를 맡았습니다. 저는 CLV 상위 20%와 최근 3개월 구매가 없는 고객의 교집합을 찾아봤습니다. 처음엔 이 두 조건을 따로 정의하는 게 어렵지 않을 줄 알았는데, 데이터에서 "구매 없음"과 "취소됨"을 같은 범주로 처리했다는 걸 뒤늦게 발견했습니다. 기준을 다시 잡느라 하루를 더 쓴 게 아쉬웠습니다. 그 이후 교집합이 37명으로 좁혀졌고, 이 그룹에 리텐션 프로모션을 집중하는 게 비용 대비 효과가 크다고 제안했습니다. 세그먼트를 만들기 전에 기준 정의를 먼저 문서로 남기는 게 습관이 됐습니다.
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.