INDUSTRIAL COLLABORATION
정규 세션은 산학 협력 프로젝트로써 실제 기업의 데이터를 바탕으로 비즈니스 문제 해결 및 목표 달성을 함께합니다.
산학 협력 프로젝트에서 Growth Hackers는 기업의 비즈니스 목표, 시장 상황 및 서비스 맥락을 반영하여 기업의 필요에 맞는 문제를 정의합니다.
또, 데이터에서 찾아낸 인사이트를 바탕으로 문제 해결 방안을 제시합니다.
프로젝트의 성격은 크게 Data Analysis와 Data Science로 나눌 수 있습니다.
Data Analysis
DA 프로젝트에서는 데이터 분석을 통해 인사이트를 도출하고 전략을 제시합니다. 주로 사업 전략, 제품 개선, 마케팅, CRM 등의 분야를 다룹니다.
Growth Hackers는 인사이트 도출, 가설 설정, A/B 테스트 실행 등을 수행합니다.
Data Science
DS 프로젝트는 데이터 분석 결과를 바탕으로 프로젝트 목적에 맞는 모델 구현에 중점을 둡니다.
통계와 데이터 이론을 바탕으로 로직을 설계하고, 이릍 통해 추천 시스템, 예측 모델링, NLP 기반 모델 등을 개발합니다. 구현한 모델을 실제 서비스에 적용하여 A/B 테스트를 진행하기도 합니다.
Recent Projects
2025년 2학기 & 2026년 겨울학기에 Growth Hackers가 진행하였던 프로젝트에 대해 소개드립니다.
NH투자증권
나무증권 신규가입자 유형 및 콘텐츠 기반 전환 트리거 발굴
고객의 거래 및 행동 데이터를 기반으로, 계좌개설 직후 적응 고객을 정의·유형화했습니다. 콘텐츠 소비 'Depth(몰입도)' 지표 설계 후, 콘텐츠 전환 및 재방문 유도 전략을 제안했습니다.
볼라
와이스(WYYYES) 어플 피드 개인화 추천 시스템 설계
개인화된 추천 시스템 설계를 통해 신규 판매자-구매자 쌍 생성을 촉진하고자 하였습니다. 라이브 방송 환경에 적합한 알고리즘을 구성하고, A/B 테스트를 통해 효과를 검증하였습니다.
365mc
STT 상담 데이터 분석을 통한 고객 맞춤형 상담 전략 수립
개별 상담사의 노하우에 성과가 좌우되던 기존 방식을 탈피하여, 고성능 STT 기술과 데이터 분석을 통해 우수 상담의 패턴을 정량화하고 표준 가이드라인으로 정립하였습니다.
스캐터랩
제타 앱 홈 추천 시스템 고도화
기존의 홈 추천 로직에서 개선점들을 찾고, 모델 리서치를 통해 모델을 확정 및 구현했습니다. 오프라인 테스트를 통해 검증을 마무리 한 후 최종 A/B 테스트 및 사후 분석을 진행하였습니다.
슈퍼센트
Dino Universe 광고 및 인앱 수익화 분리 전략 제언
광고 및 인앱 유저 대상으로 세그먼트 정의 및 유저 특성을 파악 후, 모델링을 통해 구매 효율 지표를 발굴하였습니다. 최종적으로 4개의 A/B Test를 기획하여 사측에 전달하였습니다.
마켓탭
고객별 구매 확률 및 CRM 최적 발송 시간대 예측
기존의 룰 기반 필터링과 일괄 발송 방식에서 벗어나, 고객별 구매 가능성과 반응 패턴을 정량적으로 분석함으로써 보다 정밀한 타겟팅과 효율적인 캠페인 운영을 구현하고자 했습니다.