A
약 120초
전환율 예측 모델로 CTR과 LTV 간 괴리 체감, Lookalike 구조 이해
광고 타겟팅 및 성과 분석 모델 경험은 수업 프로젝트에서 전환율 예측 모델을 만든 것이 있습니다. 사용자 행동 데이터를 피처로 써서 Logistic Regression과 Gradient Boosting을 비교했고, 이탈률·세션 시간·방문 페이지 수가 주요 피처였습니다. 타겟팅 측면에서는 유사 고객 그룹을 찾는 Lookalike 방식을 이론으로 공부했고, 전환한 사용자의 임베딩 중심에서 가까운 사람을 찾는 구조로 이해하고 있습니다. 성과 분석에서 배운 점은 CTR보다 전환 이후의 LTV가 더 중요한 지표라는 것입니다. 클릭을 많이 받아도 실제 구매나 유지로 이어지지 않으면 광고 효율이 낮습니다. 한계는 실제 광고 플랫폼 API를 연동하거나 어트리뷰션 모델을 직접 구현한 경험은 없습니다.
이 결의 특징
이탈률·세션 시간·방문 페이지 수를 피처로 쓴 전환율 예측 모델을 직접 비교한 경험이 있고, CTR보다 LTV가 더 중요한 지표라는 시각이 학습 과정에서 굳어진 흔적이 보입니다. 실제 광고 플랫폼 API 연동 경험이 없다는 것을 명확히 짚은 자리도 함께 있습니다.
이 결이 통하는 자리
실무 경험이 제한적임을 솔직히 드러내면서도 지표 해석 논리가 또렷한 신입 포지션 면접에서 통합니다. 한계를 구체적으로 짚고 그 위에서 학습한 결이 보일 때 면접관이 가르칠 수 있는 후보로 읽는 자리가 자주 보입니다.