✍️ 피드백 정리

조혜민 튜터님

• 완성도: 제공된 데이터를 바탕으로 유저의 이탈 원인을 다양한 관점에서 분석하고자 하였고, 논리적인 흐름에 따라 페르소나 및 가설을 설정하고 검증하는 과정이 완성도 있었습니다.
• 데이터 전처리 및 EDA: 데이터 구조를 잘 이해하고 학습한 내용대로 데이터 전처리를 적절히 수행하였습니다.
• 결과 해석 및 보고
  • 데이터 기반으로 사용자 이탈 구간을 정의하고, 주요 변수와의 연관성을 탐색한 점이 인사이트 도출에 잘 기여했습니다. 문제 해결을 위한 분석 흐름이 명확했고, 결과 해석 과정에서도 실질적인 의미를 도출하려는 노력이 돋보였습니다.
  • 대부분의 시각화를 bar chart로 하였는데, 내용에 따라 pie chart나 다른 시각화 방법이 적절한 경우들이 보였습니다. 내용을 더 잘 전달하기 위해 시각화 방식에 대한 고민이 필요해 보입니다.
  • UX 인사이트 제시는 좋았지만, 사용자 행동에 대한 해석이 다소 직관적이었고 근거로 제시한 모드별 사용자 비율이 설득력 있지 않았습니다. 추가 근거를 제시하거나, 향후 학습할 통계학 개념을 잘 익혀서 데이터 기반 해석을 강화하고 실제 유의미한 차이를 입증할 수 있다면 설득력이 훨씬 높아질 것입니다.

차수빈 튜터님

• 총평:
  • 데이터 분석 프로젝트를 통해 사용자의 이탈 문제를 해결하려는 명확한 목표를 가지고 체계적인 분석을 시도했습니다. 페르소나를 설정하고 가설을 검증하는 과정을 통해 문제의 원인을 다각도로 분석하려 노력한 점이 돋보입니다. 데이터 전처리 과정에서 다양한 파생 변수를 생성하여 분석의 깊이를 더하려 한 시도도 좋았습니다.
• 잘한 점:
  • 문제 정의: "유저가 초반에 이탈하는 현상"과 "완독률이 하락하는지"에 대한 문제 인식이 명확했습니다.
  • 데이터 전처리: 어떤 데이터를 사용했는지, 그 이유와 필요에 따라 새로운 변수를 생성해 분석에 활용하려한 점이 탁월합니다. 또한 전처리를 진행한 코드까지 포함되어 있어 데이터 구조를 잘 이해하고 학습한 내용을 잘 수행했다고 평가할 수 있습니다. 지금까지 학습한 내용을 활용해보자는 프로젝트의 취지에 가장 부합하게 장표를 구성했습니다.
  • 페르소나 활용: "Immersers"라는 구체적인 페르소나를 설정하여 이탈 원인을 특정 사용자 그룹의 특징과 연결 지어 분석한 점이 인상 깊었습니다.
  • 가설 검증: 미리보기 사용 여부, 장르별 이탈률, 구독 유형별 이탈률 등 다양한 가설을 설정하고 데이터를 통해 이를 검증하려 시도한 점이 좋습니다.
  • 구체적인 해결 방안 제시: 앞에서 진행한 데이터 분석의 결과를 기반으로 "미리보기 기능의 스킵 버튼 비활성화", "댓글 기능 추가" 등 구체적인 UX 개선 방안을 제시하여 실제 서비스에 적용 가능성을 높였습니다.
• 아쉬운 점:
  • 전처리 설명: "누락값을 하나라도 있을 시 해당 행 제거"라는 전처리 방식에 대한 설명에서, 이로 인해 "데이터의 양"이 얼마나 줄었는지, 그리고 그로 인해 발생할 수 있는 "분석의 한계점"에 대한 언급이 있었다면 더 좋았을 것 같습니다.
  • 분석 깊이 및 활용: 전처리 단계에서 생성한 'age_group', 'time_of_day' 등 유의미한 파생 변수들을 페르소나 정의나 가설 검증 단계에서 "활용"하여 이탈에 영향을 미치는 다른 요인을 탐색한 부분이 드러나지 않아 아쉬웠습니다.
  • 해결 방안과 인사이트 연계: 제시된 "해결 방안"들이 각 "페르소나" 또는 "가설 검증 결과"와 어떻게 직접적으로 연결되어 "기대 효과"를 창출할지에 대한 "구체적인 연결고리"가 부족했습니다. 예) 설정한 페르소나의 이탈률을 얼마나 낮출 것으로 기대하는지