이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
B2B 고객을 영업 관점에서 분석해본 실무는 없습니다. 인턴 6주 동안 사수의 분석 자료를 옆에서 본 수준입니다.
그때 사수가 가장 자주 보시던 데이터는 세 가지였습니다 — 고객사 사용 빈도 추이, 기능별 사용 깊이, 문의 티켓 빈도. 이 셋을 3개월 단위로 겹쳐 보면 이탈 가능성이 보인다는 게 사수의 시각이었습니다.
저는 사수가 잡아준 고객사 12곳 자료를 같은 양식 표로 묶었고, 문의 티켓이 늘면서 사용 빈도가 줄어드는 3곳을 찾아냈습니다. 그 중 2곳에 사수가 선제적으로 미팅을 잡아 이탈을 막았습니다. 첫 정리본에서 기간 단위를 1개월로 잡아 추세가 안 보인 실패가 있었고, 그 뒤로 3개월 단위로 겹쳐 보는 습관이 생겼습니다.
B2B 고객을 볼 때 데이터를 모으는 순서는 네 단계입니다.
첫째, 내부 사용 로그. 우리 제품·서비스를 어떤 사람이·얼마나 자주·어디까지 깊이 쓰는지. 둘째, 외부 공개 정보. 채용 공고·기사·IR에서 고객사의 지금 우선순위를 읽기. 셋째, 고객 응대 기록. 문의·클레임 빈도가 늘면 조용한 이탈 신호일 때가 많다고 사수에게 배웠습니다. 넷째, 동일 산업 비교. 같은 업종 3곳을 같은 표에 두고 우리 고객만의 패턴을 잡기.
학과 캡스톤에서 지역 카페 3곳의 6개월 데이터에 이 흐름을 적용했고, 재방문율이 떨어지고 있는 한 곳을 찾아 멤버십 개편을 제안했습니다. 첫 분석에서 외부 정보를 빠뜨려 결론이 한쪽으로 기운 실패가 있었고, 그 일이 4단계를 다 보는 원칙을 굳혔습니다.
데이터 자체보다 어디서 결론으로 넘어가는지가 더 어렵다는 걸 캡스톤에서 알았습니다.
카페 3곳 6개월 데이터를 모았을 때, 처음엔 재방문율·객단가·시간대만 보고 재방문율이 떨어졌으니 쿠폰을 늘리자는 결론을 냈습니다. 교수님이 왜 그 시점에 떨어졌는지를 물으셨고, 다시 보니 그 시점에 옆 가게 두 곳이 동시에 오픈한 게 보였습니다.
그 뒤로 저는 숫자가 변한 시점에 무슨 사건이 있었는지를 함께 적습니다. 결론이 바뀌었고, 쿠폰이 아니라 시간대 메뉴 차별화로 제안이 바뀌었습니다. 첫 결론을 사건 없이 낸 실패가 데이터 옆에 사건 칸을 두는 습관을 만들었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 영업관리 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.