인스타 광고를 보다 세미나에 그로스해킹의 저자인 양승화님 인터뷰가 포함되어있다고 해서 신청해봤다. 데이터리안이 어떤 일을 하는 곳인지는 잘 몰랐는데, 이번 기회에 데이터리안 블로그를 들여다보니 데이터 분석가 직무를 준비하면서 도움될 것 같은 자료들이 있었다. 세미나 비용은 1만원이었고, 세션 순서는 다음과 같았다.

8월 세미나 주제 '데이터 분석가 채용의 모든 것'

• 데이터리안의 이보민님의 '이력서는 서비스여야 한다'
• 마이리얼트립 양승화님의 '데이터 분석 채용 이야기'
• 데이터 분석가 6인의 질의응답

1. 이력서는 서비스여야 한다

느낀점.

• 이력서를 적어도 한 달에 한번은 지속적으로 업데이트해야겠다
• velog는 분석 툴이 없으니.. 네이버 블로그를 가지고 유입 경로, 유입 검색어 분석을 해봐야겠다.

강연자 : 이보민님(데이터리안 데이터 분석가)
강연 대상 :

• 데이터 역량을 어필하고 싶은 모든 직군
• 이력서 순서가 어려운 구직자
• 분석 프로젝트 데이터를 어디서 얻고 어떻게 진행해야할지 궁금한 사람
• 데이터 분석가로 직무전환할 때 사이드 프로젝트로 어떤 활동을 추천하는지 궁금한 사람

강의 슬라이드는 이곳에 있습니다.

1.1 이력서를 왜 웹서비스로 만들었나요?

이전 직장이 채용 플랫폼이다보니 채용 서비스를 업그레이드하기 위해 다양한 채용 공고와 경로를 찾아보게 되었는데, 사이트별로 이력서를 따로 등록해야하는 것이 구직자 입장에서 귀찮은 일이라고 생각했다.

그래서 노션 웹으로 만들어서 페북으로 공유해봤는데 생각보다 반응이 있어서, oopy로 데이터 분석툴을 연동시켜 데이터를 확인해보기로 했다.

1.2 사람들이 내 이력서를 어떻게 보고 있는지 알고 싶다

이력서 데이터를 보고 개선점을 찾기 위해 사용자 행동 데이터를 확인했다. (ex. 웹사이트 페이지뷰, 스크롤, 클릭 등의 사용자 행동 패턴 파악기)

이력서도 마치 서비스처럼, 사용자들이 내가 설계한 경험 루트에 따라 최종 목적지까지 도달하고 있는지 확인하기 위해 직접 퍼널을 설계하고 퍼널 분석을 수행했다.

• 이 이력서의 목적 : 이 이력서를 보는 사람들이 이직이나 강연을 제안

1.3 분석

다음은 보민님이 설계한 이력서 사이트 퍼널의 분석 결과이다.

퍼널1) 이력서 사이트 접속

Q. 얼마나 많은 사람들이, 어떤 사람들이, 어느 경로로 방문?

• 최근 28일 접속자 추이를 먼저 확인.
• 기기별 사용자 분포를 확인(Desktop:87.1%, Mobile:11.1%, Tablet:1.7%)하니, 모바일쪽 UI는 신경 별로 안 써도 되겠다고 판단.
• 홍보 리소스 대비 유입량 많은 채널 확인 (최근 14일)
  • direct/none 이 가장 많았다. (식별 불가능한 유입)
  • 이외 식별 가능한 채널을 확인했을 때
    • 구글 검색으로 들어오는 트래픽이 가장 많음. (organic : 자연적으로 발생한 유입. 보통 검색으로)
    • datarian 블로그 유입
    • 유튜브를 통해서도 유입됨

퍼널2) 이력서 열람

Q. 스크롤은 어느정도? 세부 내용은 클릭했을까?

• 10% / 50% / 80% 스크롤 기준으로 이벤트 수, 총 사용자, 페이지뷰 대비 전환율을 확인. (최근 14일)
• click 데이터로 페이지뷰 대비 클릭 전환율을 확인하여, 접속자 중에서 상세 내용을 클릭해본 사용자가 얼마나 많은지 확인.

퍼널3) 연락처(email, SNS)클릭

Q. 최종 목적지에 잘 도달하고 있는가?

• 전체적으로 링크드인 클릭수가 가장 높았음. (최근 14일)
• 유입 채널별로 어떻게 다른지도 확인 가능.
• 전환수가 가장 많은 유입경로는 구글 검색.
  - 하지만 전환율(접속자 수 대비 유입 전환 수)은 유튜브 채널이 높았음.

그래서 어떻게 개선하지?

퍼널 단계별 전환율은 위와 같은데.. 어떤 지표를 개선하지?

1. 전환율을 높여보자.

• "이메일 보내기" CTA 버튼 클릭 전환율이 낮았음. 덜 부담스럽게 문구 변경
• 직접 메일 보내는 링크들을 빼고 링크드인으로 일단 일촌 신청 유도하기

2. 이력서 세부사항까지 읽게 해보자.

처음에는 이력서 페이지 이탈을 우려해서 세부사항은 토글로 만들고 이벤트를 심어놓았는데, 많이 클릭하진 않았다. 하지만 이 이력서를 보는 사람이 이런 세부 내용까지 잘 확인했으면 좋겠어서 토글 대신 펼쳐놓기로.

• 이후 모니터링할 지표 : 스크롤 비율에 변화가 있는지

3. 신규 유입경로를 발굴해보자.

유입 경로별 전환율을 확인했을 때, 유튜브가 제일 전환율이 높았다.
(이걸 근거로 어떻게 신규 유입 경로를 발굴할 수 있는 건지는 잘 이해가 되지 않았음)

1.4 이력서, 웹서비스처럼 만들어야하는 이유 4가지

1. 보는 사람을 고려해서 내용을 작성하게 된다.
2. 이력서의 실패는 나의 실패가 아니다.
3. 퍼스널 브랜딩을 할 수 있다.
4. 이력서 만드는 과정을 나만의 프로젝트로 만들 수 있다.

이부분에서 인상깊었던 것이, (타겟으로 설정한) 인사담당자의 입장을 고려해서 이력서를 작성할 수 있다는 것이다. 머리로 이해하더라도 그게 쉽지 않기 때문에, 차라리 이력서를 웹서비스처럼 만들다보면 인사담당자 분들이 어떤 식으로 페이지를 읽고 어떤 생각을 할지 조금 감이 잡힐 수도 있다는 것이다.

이력서를 웹서비스처럼 만들면, 내 이력서에 어떤 문제가 있는지 실마리를 찾기가 쉬워질 수도 있다. 이를 위해 이력서를 한 번 업데이트해서 그치는 게 아니라 지속적으로 수정하면서 지표를 확인해야한다.

2. 마이리얼트립 양승화님의 '데이터 분석 채용 이야기'

질답형식으로 이뤄진 시간이었는데 신입 분석가로 지원하는 과정에서 마침 고민하고 있던 내용들이 많았다.

Q. 이력서를 차별화하려면?

채용을 하다보면, 뽑는 사람입장에서 비슷한 이력서와 경험이 많다. 뽑는 입장에서는, 결과물보다는 왜 그런 분석을 했는지, 혹은 왜 그런 교육 과정을 선택했는지가 더 궁금하다. 경력 채용이라면 스킬셋보다는 실제로 어떤 성과를 내고 어떤 임팩트를 만들어봤는지가 중요하다.

최근에 봤던 한 면접에서 내 프로젝트 경험에 대해 '구체적으로 어떤 문제를 풀고자 했는지, 이 결과로 어떤 임팩트를 만들어낼 수 있을지'를 물어보셨다. 나는 '데이터를 들여다보다가 이러이러한 특징을 발견했고, 그걸 활용해 결과(ex. 모델 성능)를 이만큼 개선했다'와 같이 답변했는데, 말하고 보니 질문 의도와 다른 답변이었다.

데이터 분석가에게는 구체적인 숫자보다는, 지표를 어떻게 정의했는지, 왜 그렇게 기준을 잡았는지, 그리고 어떻게 지표를 측정했는지가 더 중요한 것 같다는 느낌을 받았다. 지난 프로젝트들을 회고하면서 이부분을 다시 정리하고 있는데 쉽지 않은 것 같다.

Q. 데이터 분석가 채용 면접에서 특히 중요하게 보는게 있는지, 그걸 검증해보기 위해서 특별히 해보는 질문이 있는지?

• 우선 채용은 (드러나지 않은) 상황이 많이 작용한다고 생각한다. 팀에 필요한 사람을 찾다보니 그렇다.

• 면접 때는 지원자를 움직이게 하는 키워드가 무엇인지를 많이 물어본다. (성장인지, 좋은 동료인지, 특정 카테고리의 서비스인지, 혹은 특정 경험인지..)

• 그래서 이전에 어떤 성과를 냈는지를 많이 보는 것 같다. 이전 회사를 왜 떠나려고 하는지도 질문한다.

• 예를 들어, 시니어 분석가가 있는 곳에서 배우고 싶은 지원자라면. 채용 담당자 입장에선.. 우리 회사에 시니어가 다 사라지면, 떠날 사람인가? 하는 생각이 들 수도 있다. 만약 '시니어가 있으면 이런 임팩트를 더 낼 수도 있을 것 같다.'고 하면 납득 가능한 이유일 것 같음.

이와 비슷하게, '내가 가진 프로젝트 이력이 어필이 가능할까?'는 구직자 입장의 질문이고, '이 프로젝트의 문제들이 회사에서 필요한 문제일까?'는 채용자 입장의 질문인 것 같다. 그래서 내가 지원하는 회사가

• 어떤 데이터를 가지고 있고
• 어떤 문제를 풀고자 하는지

직접 물어보거나, 물어볼 수 없다면 내가 스스로 가정을 해서 내가 이러한 부분을 기여할 수 있다고 말해야겠다.

Q. 공부하는 방식에 대해

공부에도 단계가 있다고 생각한다.

• 1단계 : 책으로 몰랐던 것을 알게됨.
• 2단계 : 배운 것을 써먹어봄. 가능하면 업무에 적용해보기.
• 3단계 : 적용한 것을 기록하고 공유하기.

그래서 공부한 것을 블로그 글로 정리하거나, 세미나로 강의하는 것을 권장하는 편.

책 추천

• 린 분석(엘리스테어 크롤, 벤저민 요스코비츠 저)
• 빅데이터를 활용한 예측마케팅 전략(외머 아튼, 도미니크 레빈 저)
• 틀리지 않는 법(조던 엘렌버그 저)
• 디맨드 (에이드리언 슬라이워츠키, 칼 웨버 저)
• 진화된 마케팅 그로스 해킹 (션 엘리스, 모건 브라운 저)

Q. 마지막으로 데이터 분석가 채용을 하고 계시는 시니어 분들에게, 그리고 지원을 막 해보고 있는 주니어 분들에게 각각 한 말씀 부탁드리면

• (주니어에게 드리고 싶은 말씀은) 데이터 분석은 문제 해결이다. 문제 해결 방법, 더 나아가서 좋은 문제 찾기가 중요하고.. 이 부분에 초점을 맞춰서 이력을 쌓아가고 어필하면 채용에 좋은 결과가 있을 것이라 생각함.
• 완벽하지 않은 환경이라도 주어진 여건에서 최소한 어떤 것을 이루어냈고, 어떤 것을 하려고 시도했는지를 중요하게 본다.
• (시니어분들에게 드리고 싶은 말씀은) 데이터 분석은 뛰어난 개인이 하기에는 한계가 있다고 생각. 그래서 조직이 데이터로 일하는 환경인지, 잘 받아들이는 문화인지가 중요하다고 생각함. 이런 부분을 신경쓰시면 좋을 것 같다.

마무리하며

호기심에 세미나를 신청했는데, 뜻밖의 회고를 할 수 있어 좋은 시간이었던 것 같다. 이전 프로젝트들을 정리하면서 '지금 했다면 무엇을 다르게 했을 것인지' 이전 분석의 문제점을 정리하는 글도 써봐야겠다.