네이버 서비스 기획(PM/PO)
합격 자기소개서 분석

[구매 전환율(CVR) 15% 개선으로 증명한 서비스 기획력]

대학 창업 동아리에서 캠퍼스 중고거래 앱을 운영하며 월간 거래 건수가 정체된 문제에 직면했습니다. Google Analytics 퍼널 분석 결과, 상품 조회 → 채팅 문의 단계에서 이탈률이 47%에 달하는 것을 확인했습니다. 유저 인터뷰 15건을 직접 진행한 결과, "가격 적정성을 판단할 기준이 없다"는 Pain Point가 핵심 원인이었습니다.

이에 "시세 비교 정보를 노출하면 구매 의사결정이 빨라져 전환율이 높아질 것"이라는 가설을 세우고, 카테고리별 평균 거래가 데이터를 크롤링하여 시세 가이드 기능을 MVP로 개발했습니다. 2주간 A/B 테스트를 진행한 결과, 시세 정보를 노출한 그룹의 채팅 전환율이 15.3% 상승했고, 최종 거래 완료율도 11.7% 개선되었습니다.

이 경험을 통해 "유저의 의사결정 허들을 데이터로 발견하고, 가설을 세워 검증하는 것이 서비스 기획의 본질"임을 체득했습니다. 네이버 커머스에서도 동일한 접근으로 유저의 구매 여정 곳곳에 숨어 있는 이탈 포인트를 발견하고, 데이터 기반으로 개선하는 PM이 되겠습니다.

[퍼널 분석과 A/B 테스트로 검증한 서비스 개선 경험]

PM 부트캠프에서 식품 구독 서비스의 무료 체험 → 유료 전환율(CVR) 개선 프로젝트를 수행했습니다. SQL로 직접 데이터를 추출하여 퍼널을 분석한 결과, 무료 체험 가입 후 첫 주 내 3회 이상 주문한 유저의 유료 전환율이 68%인 반면, 1회 이하 주문 유저는 전환율이 12%에 불과했습니다.

핵심 가설을 "첫 주 내 3회 주문을 유도하면 유료 전환율을 높일 수 있다"로 설정했습니다. 이를 검증하기 위해 두 가지 개입을 설계했습니다: (A) 가입 후 3일, 5일, 7일차에 맞춤형 메뉴 추천 푸시 발송, (B) 첫 주 3회 주문 시 다음 달 할인 쿠폰 제공. 2주간 유저를 균등 분배하여 A/B/Control 테스트를 진행했습니다.

결과적으로 (A) 그룹의 첫 주 3회 주문 달성률이 Control 대비 27% 상승했고, 유료 전환율은 41%에서 53%로 12%p 개선되었습니다. 반면 (B) 할인 쿠폰 그룹은 주문 빈도는 높았으나 할인 종료 후 이탈률이 38%에 달해, 금전적 인센티브보다 습관 형성이 장기 리텐션에 효과적이라는 학습을 얻었습니다.

이 경험을 통해 SQL 기반 코호트 분석, A/B 테스트 설계 및 해석, 그리고 "실험이 끝난 후 무엇을 학습했는가"까지 포함하는 전체 사이클을 경험했습니다. 네이버 서비스에서도 유저의 핵심 행동(Aha Moment)을 데이터로 발견하고, 이를 촉진하는 개입을 설계하여 지속 가능한 성장을 만들어내겠습니다.

[유저 세그먼트별 이탈 원인 분석으로 DAU 2.3배 성장]

학생회 IT팀에서 학교 공지 앱의 DAU가 전체 재학생의 8%에 불과한 문제를 담당했습니다. Amplitude로 유저 행동을 분석한 결과, 이탈 패턴이 세그먼트별로 뚜렷하게 달랐습니다: (A) 신입생은 앱 설치 후 온보딩 완료율이 23%로 초기 진입 장벽이 문제, (B) 재학생은 공지 확인 후 재방문율(D7 리텐션)이 4%로 지속 사용 동기가 부재, (C) 4학년은 취업/졸업 관련 공지만 선별적으로 필요한 상황이었습니다.

세그먼트별 가설을 수립했습니다. (A)에 대해 "온보딩 단계를 5단계에서 2단계로 축소하면 완료율이 50% 이상 상승할 것", (B)에 대해 "관심 카테고리 기반 알림 커스터마이징을 제공하면 D7 리텐션이 개선될 것", (C)에 대해 "취업/졸업 전용 탭을 신설하면 해당 세그먼트 DAU가 증가할 것"으로 설정했습니다.

우선순위는 Impact-Effort 매트릭스로 결정했습니다. 가장 임팩트가 큰 (A) 온보딩 개선을 1순위로 진행하여 온보딩 완료율을 23% → 61%로 개선했습니다. 이후 (B) 알림 커스터마이징을 적용한 결과 D7 리텐션이 4% → 19%로 상승했고, (C) 전용 탭 신설로 4학년 세그먼트 DAU가 3.1배 증가했습니다. 전체적으로 앱 DAU는 8% → 18.4%로 2.3배 성장했습니다.

이 경험에서 "모든 유저를 한꺼번에 만족시키는 솔루션은 없다"는 것을 배웠습니다. 유저를 세그먼트로 나누고, 각 세그먼트의 이탈 원인을 데이터로 진단한 뒤, 우선순위를 정해 순차적으로 검증하는 것이 한정된 리소스로 최대 임팩트를 만드는 PM의 핵심 역량임을 체득했습니다.