3차 피드백
발표 후 피드백
피드백 1
•
완성도: 목표를 명확히 설정하고 다각도로 분석을 시도하여 결과물의 논리적인 흐름이 명확합니다.
•
데이터 전처리 및 EDA: 사용자 행동 데이터를 잘 구조화하여 유저 세그먼트 구분이 효과적으로 되었습니다.
•
결과 해석 및 보고
◦
분석 결과에 기반한 전략 제안을 하려는 시도가 보이며, 결론을 단정하지 않고 실험 설계를 통해 검증하려는 태도도 긍정적입니다. 실무에서도 활용되는 추정–검증–보완의 구조를 통해 분석의 신뢰도를 효과적으로 높였습니다.
◦
유저 세그먼트를 구체화하면 분석 내용이 보다 명확해지고 전략 수립에 도움이 될 수 있지만, 전체 사용자군을 대표하지 못해 전략의 일반화나 확장에 한계가 생길 수 있습니다. 또한 실제 사용자 데이터보다 마케터의 가정에 의존할 가능성이 생겨 해석이 왜곡될 우려가 있으므로, 이러한 점에 유의할 필요가 있습니다.
피드백 2
•
총평:
◦
6조의 발표는 "장바구니 이탈률 개선"이라는 명확한 목표 아래 데이터를 기반으로 한 체계적이고 심층적인 분석 과정을 보여준 매우 훌륭한 프로젝트였습니다. 특히, "유저 행동 패턴 분석을 통한 5가지 페르소나 도출"과 각 페르소나별 이탈 원인을 구체적으로 파악하고, 이를 바탕으로 "실현 가능한 실험 계획을 포함한 해결 방안"까지 제시한 점이 아주 뛰어납니다. 발표의 논리적 흐름과 전달력 또한 매우 뛰어나, 청중이 내용을 쉽게 이해하고 공감할 수 있도록 도왔습니다.
•
잘한 점:
◦
명확한 문제 정의 및 목표 설정: "장바구니 이탈률 69.3%라는 문제"와 "이탈률 개선"이라는 목표를 명확한 수치와 함께 제시하여 프로젝트의 필요성을 잘 짚어주었습니다.
◦
페르소나 기반 심층 분석: "동일한 행동이 특정 구간에 몰려 있다"는 발견을 통해 "5가지 페르소나를 도출"하고, 각 페르소나별로 이탈률이 높은 카테고리(예: "악세서리 및 백 유저 이탈률", "중저가 아울렛 이탈률", "가구/가전 이탈률")와 그 원인(예: "품질에 대한 의구심", "할인의 유효성 문제")을 구체적으로 분석한 점이 매우 뛰어납니다.
◦
실현 가능한 해결 방안 및 실험 설계: 각 인사이트에 기반하여 "가격, 콘텐츠, 상세 페이지 개선"이라는 큰 틀의 해결 방안을 제시하고, 특히 "할인율 재조정 실험", "상세페이지 이미지 개선 및 A/B 테스트", "가상체험 서비스 도입 검토" 등 구체적인 실험 목표, 변수, 측정 지표를 포함한 실험 계획을 제시한 점은 실무 적용 가능성을 극대화하는 매우 훌륭한 접근입니다.
◦
일관된 논리적 흐름과 뛰어난 전달력: "문제 정의부터 해결 방안 제시, 그리고 느낀 점"까지 발표의 흐름이 매우 논리적이고 유기적으로 연결되어 있었습니다.
◦
깊이 있는 성찰: 발표 마지막에 "문제 정의의 중요성", "데이터를 쪼개서 분석하는 습관", "궁극적인 목적 유지" 등 데이터 분석 과정에서 얻은 깊이 있는 "느낀 점"을 공유하며 발표를 마무리한 점은 높은 학습 성과를 보여줍니다.
•
더 시도해볼만한 점:
◦
세그먼테이션(Segmentation) 기반의 심화 분석: 현재 페르소나를 통해 고객을 세분화하여 분석했지만, 이후에는 클러스터링(Clustering) 기법을 활용하여 고객 행동 패턴에 따라 더욱 정교하게 고객 그룹을 나눌 수 있습니다. 예를 들어, K-평균 군집 분석(K-Means Clustering) 등을 사용하면 데이터 자체가 유사한 행동을 보이는 고객들을 묶어줄 수 있어, 분석가가 미리 설정한 기준을 넘어선 새로운 고객 그룹을 발견하고 이들에게 맞는 맞춤형 전략을 수립하는 데 도움이 될 것입니다.
피드백을 통해 마이크로하게 초점을 맞출 경우 전체 사용자군을 대표하지 못할 수 있는 위험 요소 또한 존재한다는 것을 다시금 인식하게 되었다.
특히 해당 분석의 해석이나 결과가 실제 사용자 행동과 데이터에 괴리가 생길 가능성도 있다는 점이 가장 아쉬운 점 중 하나이다.
추가 피드백
피드백 3
6조의 보고서는 전략적 사고와 실질적인 개선 아이디어, 그리고 시각적 전달력 면에서 매우 뛰어난 완성도를 보여주었습니다.
전반적으로 큰 단점은 없다고 판단되나, 형식적 완성도 측면에서 보완적으로 아쉬운 점을 한 가지 언급드리고자 합니다.
일반적으로 EDA 기반 데이터 분석 보고서에는 다음과 같은 요소들이 포함될 때 형식적 완성도와 재현 가능성이 높아집니다:
•
사용한 데이터 테이블(컬럼)에 대한 간단한 설명
•
전처리 과정 (결측치 처리, 이상치 제거 등)
•
주요 파생 변수 정의 및 분석 대상 컬럼 설명
•
핵심 분석 로직에 대한 코드 예시 또는 알고리즘 개요
인사이트와 전략 제안 측면에서는 매우 우수했으나, 위와 같은 분석 흐름의 기술적 서술이 다소 생략 또는 압축되어 있어, 보고서만으로는 분석 전개 과정을 완전히 유추하기 어려운 면이 있었습니다.
특히 컬럼 정의나 코드 요약이 함께 포함되었더라면, EDA 관점에서도 더 강력한 보고서가 되었을 것입니다.
다만, 이는 6조가 해당 요소를 간과했다기보다는 프로젝트 흐름상 전략 중심 보고서를 지향했기 때문이며, 실제로 과제 요구사항에서도 이와 같은 형식 요소들이 명시적으로 요구되진 않았습니다.
이러한 아쉬움은 다른 팀들 역시 유사하게 겪은 부분이기도 합니다.
느낀 점
하지만 이번 피드백을 받고 나니 데이터 분석에서 ‘목적’이 가장 중요한 것처럼 이번 프로젝트 역시 그 자체의 목적과 맥락을 먼저 이해하고 이에 맞춰 구성했어야 했다는 사실을 뒤늦게 실감함
발표 시간이 10분으로 제한되어 있었기에, 모든 내용을 담기보단 핵심 전략에 집중하는 방향을 택한 것도 사실임
이번에 다른 조들의 보고서를 살펴보면서, 코드 일부나 간단한 컬럼 설명이라도 담긴 경우가 처음 데이터를 접하는 사람 입장에서도 훨씬 설득력 있고 친절하게 느껴졌다는 점을 깨달음