홈›회사별›토스›데이터 분석가›질문 상세

問토스 · 데이터 분석가 · 직무 역량 · 2026년

모바일 서비스 데이터 분석 방법론 중 Customer Lifetime Value나 Retention을 활용한 경험이 있다면 설명해 주세요.

Q: 해당 경험에서 가장 기억에 남는 성과는 무엇인가요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

Q: 이 방법론을 적용하며 어려움은 없었나요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

Q: 이 경험을 통해 무엇을 배웠다고 생각하나요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

예상 답변

60~90초

예상 꼬리질문

3회

난이도

난이도 중상

출제 빈도

높음

이 질문으로 모의면접 한 번 해보기

INTENT

면접관이 진짜로 보는 건 답이 아닙니다.

이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.

Customer Lifetime Value를 활용했는가?

Customer Lifetime Value를 분석한 흔적이 답에 있어야 합니다. 없으면 면접관이 '그 분석을 통해 어떤 인사이트를 도출했나요?'를 추가로 묻는 경우가 자주 보입니다.

Retention 분석 경험이 있는가?

Retention 분석 경험에 대한 구체적인 사례가 답에 나타나야 합니다. 없으면 면접관이 '어떤 지표를 사용했나요?'라는 질문을 던지는 자리가 자주 보입니다.

모바일 서비스에서 어떤 데이터 사용했는가?

모바일 서비스 데이터 분석에 사용한 데이터 종류에 대한 언급이 필요합니다. 없으면 면접관이 '그 데이터의 출처는 무엇인가요?'를 추가로 묻는 경우가 많습니다.

분석 결과를 어떻게 활용했는가?

분석 결과를 실제 의사결정에 어떻게 활용했는지에 대한 흔적이 답에 있어야 합니다. 없으면 면접관이 '그 결과가 어떤 영향을 미쳤나요?'라는 질문을 던지는 자리가 자주 보입니다.

읽기만 해도 충분하지만, 한 번 말로 해보면 다릅니다.

이 질문 그대로 음성 면접으로 받아볼 수 있어요. 첫 면접은 무료입니다.

이 질문으로 면접 시작

CLV 기반 마케팅 예산 배분 최적화약 90초 Retention 분석으로 제품 개선 우선순위 도출약 90초 CLV 세그멘테이션으로 커뮤니케이션 개인화약 90초

예시 답변 1

약 90초

CLV 기반 마케팅 예산 배분 최적화

모바일 게임 서비스에서 Customer Lifetime Value(CLV) 모형을 개발해 마케팅 예산 배분에 활용했습니다. CLV를 예상 결제 금액 × 잔존 기간으로 정의하고, BG/NBD 모형으로 개별 사용자의 향후 결제 확률과 이탈 확률을 동시에 추정했습니다. 모바일 서비스 특성상 일별 접속 패턴, 세션 길이, 인앱 이벤트 참여율이 핵심 피처였습니다. Retention은 D1/D7/D30 리텐션을 기본으로 추적했고, 각 코호트별로 리텐션 곡선이 안정화되는 시점을 찾아 장기 리텐션 예측치를 외삽했습니다. 분석 결과를 마케팅에 활용한 방식은, CLV 상위 20% 사용자를 VIP로 분류해 차별화된 푸시 메시지를 발송하고 광고 캠페인의 ROAS가 2.1배 향상됐습니다.

CLV 없이 CAC만 보면 수익성을 잘못 평가할 수 있습니다.

이 결의 특징

CLV를 예상 결제액×잔존 기간으로 정의하고 BG/NBD로 결제·이탈 확률을 동시에 추정한 흔적이 또렷합니다. 일별 접속·세션 길이·인앱 참여라는 모바일 특화 피처를 짚고 상위 20%를 VIP로 묶어 ROAS 2.1배를 만든 대목이, 분석을 마케팅 의사결정과 직접 잇는 결이 보입니다.

이 결이 통하는 자리

D1/D7/D30 코호트 곡선이 안정화되는 시점으로 장기 리텐션을 외삽한 구체가 살아 있을 때 통합니다. 'CAC만 보면 수익성을 잘못 본다'는 관점이 CLV 활용 사례로 뒷받침되는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.

예시 답변 2

약 90초

Retention 분석으로 제품 개선 우선순위 도출

구독형 모바일 앱에서 Retention 분석을 제품 로드맵 우선순위 결정에 직접 연결했습니다. D7 리텐션이 경쟁사 벤치마크 대비 낮았고, 세그먼트 분석에서 특정 온보딩 경험을 거친 사용자의 D7 리텐션이 2.3배 높다는 패턴을 발견했습니다. 이를 검증하기 위해 온보딩 A/B 테스트를 설계했고, 개선된 온보딩을 거친 그룹의 D30 리텐션이 +8.4%p 향상됐습니다. 데이터는 Firebase Analytics + 자체 이벤트 로그 조합으로 수집했습니다. CLV와의 연계에서는 Retention이 높은 사용자가 LTV가 높다는 상관관계를 확인했고, '초기 Retention 개선이 LTV에 미치는 영향'을 회사 공통 KPI로 제안해 채택됐습니다.

리텐션 곡선이 평탄해지는 구간(power users)을 이해하는 것이 제품 방향의 나침반입니다.

이 결의 특징

특정 온보딩을 거친 사용자의 D7이 2.3배 높다는 패턴을 발견하고 그것을 A/B로 검증해 D30 +8.4%p를 만든 흐름이 또렷합니다. 상관 관찰에서 멈추지 않고 실험으로 인과를 확인한 대목이, 리텐션 분석을 제품 우선순위 결정과 직접 연결한 결이 보입니다.

이 결이 통하는 자리

'초기 리텐션 개선이 LTV에 미치는 영향'을 공통 KPI로 제안해 채택된 조직 차원의 움직임이 살아 있을 때 통합니다. 패턴 발견→실험 검증→KPI 제안의 단계가 또렷한 자리에서 신뢰가 생기는 결이 보입니다.

예시 답변 3

약 90초

CLV 세그멘테이션으로 커뮤니케이션 개인화

모바일 커머스 앱에서 CLV 기반 사용자 세그멘테이션을 통해 커뮤니케이션을 개인화했습니다. CLV를 과거 구매 이력과 Pareto/NBD 모형으로 추정했고, 사용자를 Champions / At-Risk / New 등 4개 그룹으로 분류했습니다. 모바일 서비스 데이터로는 앱 내 행동 로그, 푸시 알림 반응률, 카트 이탈 이력을 활용했습니다. Retention 분석은 가입 채널별로 D7·D30 곡선을 비교해 어느 채널이 장기 사용자를 유입시키는지 파악했고, 광고 예산 재배분의 근거로 사용했습니다. 세그먼트별로 차별화된 쿠폰·메시지·알림 주기를 적용했고, At-Risk 그룹의 이탈율이 17% 감소했습니다.

CLV는 지금 돈 많이 쓰는 사람이 아니라 앞으로 쓸 사람을 찾는 도구입니다.

이 결의 특징

Pareto/NBD로 CLV를 추정해 Champions·At-Risk 등 4그룹으로 나누고 가입 채널별 D7·D30 곡선을 비교한 흔적이 또렷합니다. 채널별 장기 사용자 유입을 광고 예산 재배분 근거로 쓴 대목이, 세그멘테이션을 분류로 끝내지 않고 행동으로 옮긴 결이 보입니다.

이 결이 통하는 자리

세그먼트별 쿠폰·메시지·알림 주기 차별화가 At-Risk 이탈 17% 감소로 닫히는 구체가 살아 있을 때 통합니다. 'CLV는 지금 쓰는 사람이 아니라 앞으로 쓸 사람을 찾는 도구'라는 관점이 사례로 받쳐지는 자리에서 꼬리질문이 줄어드는 결이 보입니다.

위 답변은 여러 풀이 중 한 가지 예시입니다. 정답이 아니며, 외워서 그대로 말하면 면접관이 다음 질문을 그 자리에서 시작하는 경우가 많습니다. 본인의 프로젝트·기준·숫자로 다시 짜는 자리로만 쓰세요.

WHAT OFTEN MISSES

이 질문에서 자주 빠지는 자리.

답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.

떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.

선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.

결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.

지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.

FOLLOW-UPS

진짜 면접은 두 번째 질문부터입니다.

이 질문에 이어 토스 데이터 분석가 면접관이 던질 가능성이 높은 후속 질문.

壹

예상 꼬리질문 1

해당 경험에서 가장 기억에 남는 성과는 무엇인가요?

貳

예상 꼬리질문 2

이 방법론을 적용하며 어려움은 없었나요?

參

예상 꼬리질문 3

이 경험을 통해 무엇을 배웠다고 생각하나요?

읽으셨다면, 한 번 말로 해보세요.

같은 질문으로 음성 면접을 받아보면 어디서 막히는지 바로 보입니다. 첫 면접은 무료입니다.

이 질문으로 면접 시작

3 크레딧 차감 · 첫 회 무료 · 음성 데이터는 종료 즉시 폐기됩니다

DISCLAIMER

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.

상호 우문현답대표 이성인사업자등록번호 330-15-03033통신판매업 신고번호 준비중주소 인천광역시 부평구 동수로120번길 11, 한국아파트 104동 210호이메일 devlsi1228@gmail.com전화 010-7395-5311

홈›회사별›토스›데이터 분석가›질문 상세

問토스 · 데이터 분석가 · 직무 역량 · 2026년

모바일 서비스 데이터 분석 방법론 중 Customer Lifetime Value나 Retention을 활용한 경험이 있다면 설명해 주세요.

예상 답변

60~90초

예상 꼬리질문

3회

난이도

난이도 중상

출제 빈도

높음

이 질문으로 모의면접 한 번 해보기

INTENT

면접관이 진짜로 보는 건 답이 아닙니다.

이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.

Customer Lifetime Value를 활용했는가?

Retention 분석 경험이 있는가?

모바일 서비스에서 어떤 데이터 사용했는가?

분석 결과를 어떻게 활용했는가?

읽기만 해도 충분하지만, 한 번 말로 해보면 다릅니다.

이 질문 그대로 음성 면접으로 받아볼 수 있어요. 첫 면접은 무료입니다.

이 질문으로 면접 시작

CLV 기반 마케팅 예산 배분 최적화약 90초 Retention 분석으로 제품 개선 우선순위 도출약 90초 CLV 세그멘테이션으로 커뮤니케이션 개인화약 90초

예시 답변 1

약 90초

CLV 기반 마케팅 예산 배분 최적화

CLV 없이 CAC만 보면 수익성을 잘못 평가할 수 있습니다.

이 결의 특징

이 결이 통하는 자리

예시 답변 2

약 90초

Retention 분석으로 제품 개선 우선순위 도출

리텐션 곡선이 평탄해지는 구간(power users)을 이해하는 것이 제품 방향의 나침반입니다.

이 결의 특징

이 결이 통하는 자리

예시 답변 3

약 90초

CLV 세그멘테이션으로 커뮤니케이션 개인화

CLV는 지금 돈 많이 쓰는 사람이 아니라 앞으로 쓸 사람을 찾는 도구입니다.

이 결의 특징

이 결이 통하는 자리

WHAT OFTEN MISSES

이 질문에서 자주 빠지는 자리.

답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.

떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.

선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.

결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.

지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.

FOLLOW-UPS

진짜 면접은 두 번째 질문부터입니다.

이 질문에 이어 토스 데이터 분석가 면접관이 던질 가능성이 높은 후속 질문.

壹

예상 꼬리질문 1

해당 경험에서 가장 기억에 남는 성과는 무엇인가요?

貳

예상 꼬리질문 2

이 방법론을 적용하며 어려움은 없었나요?

參

예상 꼬리질문 3

이 경험을 통해 무엇을 배웠다고 생각하나요?

읽으셨다면, 한 번 말로 해보세요.

같은 질문으로 음성 면접을 받아보면 어디서 막히는지 바로 보입니다. 첫 면접은 무료입니다.

이 질문으로 면접 시작

3 크레딧 차감 · 첫 회 무료 · 음성 데이터는 종료 즉시 폐기됩니다

DISCLAIMER