이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 때 고객 이탈률을 줄이는 방법을 찾는 프로젝트에 참여했습니다. 제 역할은 사용자 행동 로그를 분석해서 이탈 패턴을 찾는 것이었습니다. 처음에는 어디서부터 시작해야 할지 막막해서 일주일을 데이터 구조 파악에 썼습니다.
SQL로 이탈 전 마지막 행동을 뽑아보니, 특정 화면에서 이탈하는 비율이 평균의 3배 이상이었습니다. 그 화면이 뭔지 확인해보니 결제 전 단계였습니다. 처음에는 "버튼이 잘 안 보이나"라고 추측했는데, 클릭 히트맵을 보니 특정 버튼에 클릭이 집중되다가 갑자기 사라지는 패턴이 있었습니다.
그 분석 결과를 기획팀에 공유했고, UI 개선 후 2주 뒤 그 화면의 이탈률이 15% 줄었다는 피드백을 받았습니다. "숫자보다 패턴을 먼저 찾는다"는 감각은 그 프로젝트에서 생겼습니다.
졸업 프로젝트로 공공 데이터를 활용한 분석 과제를 했습니다. 처음에는 "데이터를 분석해서 인사이트를 낸다"는 목표만 있었고, 어떤 인사이트가 실제로 의미 있는지는 몰랐습니다.
지역별 소상공인 매출 데이터를 분석하다가, 특정 업종에서 배달 매출 비중이 다른 지역과 비교해 2배 이상 높은 지역이 있다는 걸 발견했습니다. 처음에는 그냥 "흥미롭다"고 넘어갈 뻔 했는데, 교수님이 "왜 이 지역만 그런지를 파야 한다"고 하셨습니다.
추가로 유동인구·지하철 이용 데이터를 합쳐보니, 그 지역이 직장인 밀집 지역인데 주변에 식당이 적은 구조였습니다. 공급 부족이 배달 수요를 높인 것이었습니다. 그 분석을 "해당 지역 배달 플랫폼 입점 확대가 기회다"라는 방향으로 연결했고, 교수님이 "데이터에서 사업 기회까지 이어진 분석"이라고 하셨습니다.
팀 프로젝트에서 4명이 앱 사용 데이터를 분석해서 다음 기능 우선순위를 정하는 과제를 했습니다. 각자 분석 방향이 달라서 처음에는 결론이 4개가 나왔습니다.
제가 "각자 분석한 결과를 하나의 화면에 올려놓고 같이 보자"고 제안했습니다. 공유 문서에 각자 찾은 수치를 정리하고, 기능별로 사용 빈도·이탈률·완료율을 옆에 놓았더니 우선순위가 자연스럽게 보였습니다.
혼자 결론을 낼 때는 설득이 어려웠는데, 같은 데이터를 함께 보니 의견이 빠르게 모였습니다. 기능 A를 먼저 개선하기로 했고, 이후 실제로 구현해서 완료율이 12% 상승한 걸 확인했습니다. "데이터를 함께 보는 것"이 설득보다 빠르다는 걸 그때 처음 알았습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 프로덕트 매니저 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.