익숙함을 벗어나 시야를 넓히다
Q. 오늘의집 Data Analyst 는 도메인별로 다양한 역할을 맡고 있다고 들었어요. 두 분은 각각 어떤 영역에서, 어떤 방식으로 데이터를 다루고 계신가요?
(Sophie) Product Data Analytics 팀에서 커머스 프로덕트 도메인을 담당하고 있어요. 커머스라고 하면 굉장히 넓은 개념인데, 오늘의집 플랫폼은 쇼핑홈, PDP(상품 상세 페이지), 그리고 바이너리샵 등 각각의 지면마다 별개의 프로덕트가 있는 구조거든요. 저희 팀은 그런 각 프로덕트 단위로 전략 수립부터 기획, 운영, 개선까지의 전 과정에서 데이터 기반 의사결정을 지원하고 있습니다. 입사 초기에는 커머스 전반의 주요 지표들을 모니터링하면서 프로덕트가 잘 작동하고 있는지를 진단하고, 어떤 환경적 변화가 있는지 포괄적으로 체크하는 역할을 먼저 맡았어요. 시즈널리티 영향이나 외부 요인, 혹은 로그 적재 이슈 등을 파악하면서 적절한 대응을 할 수 있도록 담당자들과 협업했습니다. 지금은 하나의 프로덕트에 더 깊이 들어가서 기획 초기 단계부터 TF로 참여해 방향을 함께 고민하고, 론칭 후 성과 측정과 개선까지 함께 하고 있습니다.
(Carl) 저는 소피님과 같은 Product Data Analytics 팀 내 Cross-Domain Products 그룹에서 Recommendation 파트를 담당하고 있어요. 쉽게 말하면, 고객에게 더 나은 추천 경험을 제공하기 위해 Product Owner, Machine Learning Engineer 분들과 함께 문제를 정의하고 해결책을 찾아가는 역할이라고 보시면 될 것 같아요. 저는 주로 프로젝트의 시작과 끝을 맡고 있는데요. 시작 단계에서는 데이터를 바탕으로 현황을 파악하고, 어떤 문제를 풀어야 할지 방향성을 제시하고요. 실험이 진행되는 과정에서는 지표를 꾸준히 모니터링하면서 팀이 방향을 잃지 않도록 돕습니다. 마지막에는 결과를 정리하고 인사이트를 도출해 다음 프로젝트에 자연스럽게 연결하는 방식이에요. 하나의 분석 사이클을 처음부터 끝까지 함께하는 셈이죠. 도메인으로 보면, 작년에는 오늘의집 홈 지면에서의 콘텐츠 추천 성능을 높이는 과업에 집중했고, 올해는 쇼핑홈과 PDP(상품 상세 페이지) 추천 지면처럼 커머스 중심의 상품 추천을 주로 담당하고 있어요. 목표는 오늘의집의 추천 기능이 고객의 탐색을 돕고, 조회와 구매로 자연스럽게 이어질 수 있도록 하는 거예요.
Q. 오늘의집에는 어떤 고민과 기대를 가지고 합류하게 되셨는지 궁금한데요.
(Sophie) 이전 회사에서는 약 5년간 마케팅 데이터를 중심으로 분석했어요. 특히 이미지·배너·동영상 등으로 노출되는 온라인 광고나, 상품 가격을 비교해 볼 수 있는 플랫폼 등 외부 채널을 통해 유입된 고객 데이터를 중심으로 다루면서 어떤 광고 소재가 효과적으로 고객을 유입시킬 수 있을지에 집중했죠.
다만 앱 안에서 고객이 실제로 어떤 행동을 하는지까지 보는 과업은 상대적으로 우선순위가 낮았어요. 그렇다 보니 자연스럽게 서비스 안에서 고객이 어떤 여정을 경험하고 있는지를 함께 들여다보고 싶다는 생각이 들더라고요. 오늘의집에는 다양한 도메인이 존재하고, 그 사이를 연결하며 분석할 수 있는 환경이라는 점에서 굉장히 매력적으로 다가왔어요. 입사 후에는 커머스 도메인뿐만 아니라 콘텐츠나 프로덕트 전반을 아우르는 TF에도 참여하면서, 고객 여정을 다양한 각도에서 입체적으로 분석할 수 있다는 것이 저에겐 새로운 자극이자 동력이 되고 있습니다.
(Carl) 저는 에듀테크 스타트업에서 Research Engineer 로 커리어를 시작했는데요. 데이터를 통해 사업 전략에 더 깊이 기여하고 싶다는 생각에 Data Scientist 로 포지션을 전환했죠. 당시 데이터팀은 3~4명 정도로 규모가 크지 않아서 회계부터 마케팅까지 전사 데이터를 두루 다루며 빠르게 실전 감각을 익힐 수 있었습니다.
그 경험을 바탕으로, 다음 커리어에서는 더 넓은 데이터 환경 속에서 분석이 실제 의사결정으로 연결되는 구조를 경험하고 싶었어요. 오늘의집은 다양한 도메인이 유기적으로 연결되어 있다는 점에서 큰 매력을 느꼈고, 인터뷰 과정에서도 ‘DA 로서 어떻게 기여할 수 있을지’를 실제 프로젝트 중심으로 인터뷰어분들과 깊게 이야기할 수 있었던 점이 인상적이었어요. 저에게 기대하는 역할이 명확했고, 데이터가 실질적인 액션으로 이어지는 조직이라는 확신도 들었죠. 특히 추천 파트는 콘텐츠, 커머스, 광고, 검색 등 여러 도메인과 협업하는 팀이라, 커리어의 초입에서 자연스럽게 다양한 문제를 접하고 더 넓은 관점으로 사고하고 일할 수 있다는 점이 오늘의집을 선택한 가장 큰 이유였어요.
하나의 답에서, 또 다른 질문으로
Q. 실제로 두 분이 함께 참여하신 리텐션 TF 프로젝트가, 말씀하신 ‘크로스 도메인 분석’을 가장 잘 보여주는 사례인 것 같아요.
(Sophie) 맞아요. 리텐션*TF 프로젝트는 콘텐츠와 커머스를 넘나들며 고객 여정을 입체적으로 이해해 보자는 목표로 시작됐어요. 오늘의집은 이사나 리모델링처럼 라이프 이벤트가 있을 때 집중적으로 방문하는 고객이 많은데요. 이런 이유로 일반적인 일간 리텐션 기준만으로는 고객 행동을 제대로 설명하기 어려웠어요. 그래서 첫 번째 Phase 에서는 오늘의집 특성에 맞게 방문 주기를 재정의하고, 그 기준에 따라 고객을 신규·활성·이탈·부활 등으로 분류하는 작업부터 진행했어요.
두 번째 Phase 에서는 ‘자주 방문하는 고객들이 실제로 앱 안에서 어떤 행동을 할까?’에 집중했어요. 분석 결과, 스크랩 / 상품 조회 / 구매 등 핵심 행동의 누적 정도가 리텐션과 밀접한 관련이 있다는 인사이트를 얻었고, 이 데이터를 기반으로 고객을 다시 세분화했죠.
세 번째 Phase 에서는 ‘오늘의집의 핵심 고객군’을 본격적으로 정의하는 작업이 이루어졌어요. 콘텐츠만 보거나 상품만 탐색하는 고객도 있지만, 콘텐츠와 커머스를 자연스럽게 넘나들며 ‘영감을 실행으로 옮기는 고객’이 오늘의집이 제공하는 ‘탐색부터 실행까지’의 전체 여정을 온전히 경험하고 있다는 사실을 확인했죠. 해당 프로젝트가 바로 오늘의집 ‘인사이드 아웃’인데요. 정량 데이터 분석과 UX 리서치를 병행하며 고객의 목적과 행동 기반으로 10가지 유형을 정의했고, 그중에서도 이사 고객군은 MAU*의 큰 비중을 차지하면서도 이탈 가능성이 높은 특징이 있었어요. 하지만 적절한 경험 설계를 통해 더 깊은 관여로 이어질 수 있는 잠재력이 크다는 점도 함께 확인했고, 이에 따라 이사 고객군을 위한 타겟 전략이 필요하다는 액션 아이템으로 이어지기도 했습니다.
*리텐션(Retention) : 고객이 서비스를 반복해서 이용하는 비율
*MAU(Monthly Active User) : 한 달간 1번이라도 들어온 유저의 수
(Carl) 이사 고객군과 더불어 ‘인사이드 아웃’ 프로젝트에서는, 다양한 고객 행동 데이터를 살펴보며 여러 인사이트를 확인할 수 있었는데요. 그중 하나가 콘텐츠 조회 경험과 구매 행동 간의 관계였습니다. 예를 들어, 콘텐츠를 많이 조회한 고객일수록 나중에 실제 구매로 이어지는 경우가 많았고, 구매 이후에도 오늘의집에서 더 활발히 활동하는 경향이 있었거든요. 반대로 콘텐츠를 많이 본 고객 중 아직 구매에 이르지 않은 그룹은 앞으로의 전환 가능성이 높다고 판단했고요. 이런 분석을 통해 ‘콘텐츠 조회 경험이 고객의 상품 탐색과 구매 여정 전반에 긍정적인 영향을 주고 있다’는 가설을 세울 수 있었고, 자연스럽게 그 연결을 더 단단하게 만들기 위한 후속 프로젝트로 이어진 게 ‘오작교 프로젝트’예요.
당시 팀에서는 콘텐츠와 커머스를 좀 더 유기적으로 연결하려면 어떤 지점에서 경험을 설계해야 할지 고민했고, 그 중심에 있는 게 PDP(상품 상세 페이지)라는 데 의견이 모였어요. 오늘의집 고객의 80% 이상이 PDP(상품 상세 페이지)를 한 번 이상은 방문하는데, 이 지점에서 탐색–구매 여정을 더 효율적으로 만들어줄 수 있다면, 고객 경험을 한층 더 끌어올릴 수 있겠다고 판단했어요. 그래서 오작교 프로젝트에선 PDP(상품 상세 페이지)에서 고객이 정보를 탐색할 때 상단에서 리뷰를 요약해서 보여주거나 비슷한 스타일의 콘텐츠를 제안해 주는 식의 연결을 고민했죠. 이렇게 PDP(상품 상세 페이지)에서 고객 경험을 개선할 수 있는 구체적인 액션 아이템들을 정리해서 추천팀과 커머스 PO 분들께 전달해 드렸고, 이 결과들이 추천팀 하반기 전략 과업에 반영돼서 지금은 스프린트 단위로 실제 실행을 준비 중입니다. 분석이 분석에 그치지 않고, 인사이트 → 전략 제안 → 실행 흐름으로 자연스럽게 이어졌다는 점에서 팀 모두에게 의미 있는 프로젝트였어요.
관점이 교차할 때, 가능성은 확장된다
Q. 하나의 프로젝트에서 얻은 인사이트가 또 다른 방향성으로 이어지며, 점차 확장되어 가는 흐름이 인상 깊어요. 칼님이 최근 진행하셨던 ‘구매 기여 증진을 위한 고객 여정 분석’도 비슷한 흐름이었다고 들었어요.
(Carl) 해당 프로젝트는 추천팀에서 기존의 역할을 넘어 더 큰 임팩트를 만들어보고자 했던 시도였어요. 그동안은 주어진 지면 안에서 추천 성능을 개선하는 데 집중해 왔는데요. 그 방식만으로는 우리가 풀 수 있는 문제의 범위가 너무 제한적이라는 고민이 점차 생기더라고요. 그래서 시야를 넓혔어요. ‘꼭 특정 지면에만 머물 필요가 있을까?’라는 질문에서 시작해, 고객이 앱 전체에서 어떤 여정을 거쳐 구매에 이르는지를 처음부터 다시 바라본 거죠. 그 과정에서 고객의 행동 데이터를 바탕으로 앱 내 지면들의 연결 구조를 면밀히 살펴봤고, 자연스럽게 전략적 시야가 생겼어요. 예를 들어, 성능은 좋은데 진입률이 낮은 지면, 반대로 많이 사용되지만 성능이 낮은 지면들이 보이기 시작했죠. 이런 인사이트를 모아 어떤 연결고리를 강화하면 구매 전환에 더 큰 영향을 줄 수 있을지 정리했고, 실제로 하반기 전략 수립에도 반영됐습니다.
무엇보다 흥미로웠던 건 이 분석이 추천팀을 넘어 다른 팀들로도 확장됐다는 점이에요. 원래는 팀 내부 이슈로 출발했지만 분석 관점과 방법론이 그로스팀, 콘텐츠팀에도 영감을 줄 수 있었고, 또 각자의 방식으로 응용해 가시더라고요. 분석 자체가 하나의 공통 언어처럼 기능했다는 점이 개인적으로도 큰 보람이었습니다. 물론 처음 시도하는 접근 방식이었던 만큼 쉽지만은 않았죠. 데이터 추출부터 방법론 설계까지 여러 과정에서 ‘이게 맞는 방향일까?’ 싶은 순간도 많았고요. 그럴 때마다 Product Owner, Machine Learning Engineer, Data Analyst 동료들이 각자의 시야에서 인사이트를 더해주셨어요. 어떤 관점을 취해야 할지, 타 도메인에서는 어떻게 접근했는지 등 다각도로 조언을 주셔서 분석의 깊이도 한층 더해졌던 것 같아요.
(Sophie) 한 가지 덧붙이자면, 칼님의 사례도 그렇고 저희가 오작교나 인사이드 아웃 프로젝트를 진행할 때도 비슷한 경험이 있었어요. Data Analyst 가 아닌 동료들이 던진 질문이나 아이디어가 의외로 새로운 시야를 열어주는 경우가 정말 많더라고요. 저희는 평소 익숙한 쿼리나 템플릿 위주로 데이터를 보게 되다 보니 자연스럽게 비슷한 방식으로 분석하려는 경향도 있는데요. 다른 분들이 전혀 다른 시선에서 질문을 던져주면, 저희는 그걸 어떻게 데이터로 연결해 볼 수 있을지 상상하게 되거든요. ‘이 데이터와 저 데이터를 엮어보면 이런 관점에서도 해석할 수 있겠네’처럼, 분석의 방향 자체가 달라지기도 해요. 그런 면에서 이런 교류가 참 신선하고 의미 있다고 생각해요. 서로 다른 배경과 관점이 만나면서 분석의 깊이도 더해지고, 협업도 훨씬 더 살아나는 것 같아요.
분석이 실제 문제 해결로 이어지기 위해
Q. 말씀하신 것처럼, Data Analyst 는 다양한 팀과 협업 지점이 많은 직무잖아요, 소피님은 그런 상황에서 어떻게 중심을 잡으시나요?
(Sophie) Data Analyst 는 다양한 팀과 협업하며 일의 방향성을 함께 만들어가는 역할이라고 생각해요. 그래서 저는 ‘분석만 잘하는 사람’이 아니라, ‘함께 문제를 정의하고 해결하는 파트너’라는 태도로 일하려고 노력하고 있어요. 그 시작은 소통의 밀도를 높이는 것인데요. DA 동료들은 비슷한 시각과 공통 언어가 있기 때문에, 슬랙이나 위클리 미팅에서 서로 아이디어를 활발히 주고받아요. 그렇게 각자의 분야에서 놓친 부분을 보완하죠. 스쿼드 단위의 협업에서는 ‘우리가 왜 이 일을 하고 있는지’, ‘ 어떤 결과물을 얻고자 하는지’, ‘이를 통한 액션 플랜은 무엇인지’를 팀원들과 명확히 맞추기 위해 노력해요. PO, 엔지니어, 디자이너 등 다양한 직군이 모여 하나의 목표를 향해 나아가는 만큼 프로젝트 초기부터 핵심 지표나 정의를 면밀히 논의하고, 해석의 여지를 줄이는 커뮤니케이션이 굉장히 중요하다고 생각해요. 또한 리더와의 커뮤니케이션도 중요한 축이에요. DA 로서 이 회사에 어떤 임팩트를 만들고 싶은지, 그리고 개인적으로는 어떤 방향으로 성장해 나가고 싶은지를 자주 나누며 조직의 목표와 개인의 방향성이 자연스럽게 연결되도록 고민하고 있어요. 내 업무에만 몰두하기보다는, 전체적인 맥락을 이해하고 팀 안팎의 흐름을 살피는 것이 분석가로서 지속 가능하게 일하는 데 중요한 요소라고 생각합니다.
Q. 이야기를 듣다 보니, 소피님이 생각하는 ‘일을 잘한다’라는 건 어떤 모습일지 궁금한데요.
(Sophie) 저는 ‘일을 잘한다’라는 건 결국 복잡한 상황 속에서도 원래의 목적을 잊지 않고, 그 방향을 끝까지 붙잡는 것이라고 생각해요. 우리가 일을 하다 보면 자연스럽게 많은 정보와 생각들이 쌓이잖아요. 그럴수록 처음에 우리가 왜 이 일을 시작했는지, 가장 단순하고 중요한 목표가 무엇이었는지를 자주 되짚어보는 게 필요하다고 느껴요. 그다음엔 목표까지의 단계를 다시 세분화하고, 한 단계씩 나아갑니다. 그렇게 실행해 나갈 때마다, 심플한 목표가 하나의 나침반이 되어 복잡한 흐름 속에서도 다시 방향을 잡고 중심을 지킬 수 있게 해주거든요. 그래서 저에게는 ‘심플한 원천 목표가 무엇이었는지’를 유지하는 일이, 좋은 결과를 만드는 데 가장 중요한 역량 중 하나라고 생각합니다.
Q. 칼님의 관점도 궁금합니다.
(Carl) 저는 분석을 시작할 때 항상 ‘이게 어디에 쓰일까?’를 먼저 생각해요. 요청이 들어오면 일단 한 번 더 묻는 편이에요. 단순히 수치를 확인하는 게 아니라 이게 어떤 맥락에서 나온 요청인지, 어떤 결정이나 실행에 쓰이게 될지를 먼저 파악하는 게 중요하다고 생각하거든요. 그걸 알고 나면, 요청받은 것보다 한 발짝 더 나아가서 줄 수 있는 게 뭔지 보이기도 하고요. 결과적으로 분석이 어디로 연결될지 명확해질수록, 그 과정을 더 집중해서 채워나가게 되는 것 같아요. 분석가로서는, 저의 분석 데이터가 실제로 쓰이는 걸 볼 때 가장 큰 보람을 느껴요. 그래서 항상 질문을 던지고, 그 답을 따라가는 방식으로 일하게 되는 것 같아요. 익숙하지 않은 영역에서도 기꺼이 시도해 볼 수 있었던 이유도 결국은 그런 목적이 분명할 때 동력을 얻어 가능한 일이더라고요.
더 나은 질문으로 나아가는 사람들
Q. 언제나 새로운 질문을 던지며 본질에 다가가려는 두 분의 앞으로가 더 궁금해지는데요. 성장하고 싶은 방향이나 더 멀리 보고 있는 도전이 있다면요.
(Sophie) 저는 ‘분석가 안 했으면 어쩔뻔했냐’는 말을 종종 들어요(웃음). 운동 기록이나 집에서 키우는 식물 목록 등 제 일상도 스프레드 시트에 데이터를 수집하고, 흐름을 파악해보는 걸 좋아하거든요. 단순히 데이터를 모으는 데서 끝나지 않고, 그 안에서 의미를 찾아내고 다음엔 무엇을 할 수 있을지 연결해 보는 일에 계속 끌리는 것 같아요.
요즘은 시니어로서 ‘한 사람의 분석가’를 넘어, ‘조직 안에서 방향성을 함께 그리는 사람’으로 성장하고 싶다는 마음이 점점 커지고 있어요. 당장의 분석 퀄리티를 높이는 것도 물론 중요하지만, 팀원들이 각자의 자리에서 더 몰입하여 일할 수 있는 구조를 만들고, 의견을 조율하거나 팀이 가야할 방향을 명확히 하는 일에도 책임감을 느끼고요. 단순히 “이건 아닌 것 같아요.”에서 멈추지 않고, “그래서 우리가 가야 할 방향은 이거입니다.”라고 말할 수 있는 분석가. 그 지점을 향해 조금씩 나아가는 중입니다.
(Carl) 사실 데이터 분석은 같은 과제를 여러 사람이 맡아도 비슷한 방법론으로 접근해서 비슷한 결과를 도출하는 경우도 많아요. 그래서 좋은 분석가는 ‘같은 문제를 더 입체적으로 보고, 다양한 방향으로 질문을 던질 줄 아는 사람’이라고 생각해요.
저는 아직 분석가로서 쌓아온 시간이 길진 않지만, 그런 시야를 키우기 위해 의식적으로 더 다양한 케이스를 접하려 하고, 동료들의 일하는 방식을 통해서도 항상 열린 자세를 가지고 배우려 합니다. 요즘은 AI 도 그 시야를 넓혀주는 중요한 도구라고 느껴요. 단순한 자동화를 넘어서, 분석가가 더 본질적인 문제에 집중할 수 있도록 여지를 만들어주는 보조 엔진처럼요. 그래서 실무에서 AI 를 어떻게 잘 녹여낼 수 있을지 계속 실험하고 있습니다.
조금 더 멀리 보면, DA 는 같은 문제를 입체적으로 보는 것뿐만 아니라 아직 정의되지 않은 새로운 문제를 발견하는 역할도 할 수 있다고 생각해요. 오늘의집이 지금 잘하고 있는 영역을 넘어서, 오늘의집만이 풀 수 있는 새로운 문제를 찾아내는 거죠. 그건 단순한 서비스 개선이 아니라, 오늘의집만의 색을 녹여 이 시장에 더 의미있게 기여할 수 있는 완전히 다른 영역일 수도 있고요. 저는 팀과 함께 그런 새로운 질문을 발견하고, 답을 찾아가는 사람이고 싶어요. 분석이라는 도구를 통해 더 넓은 가능성을 여는 사람. 그렇게 성장해 나가고 싶습니다.
