데이터에서 문제 해결까지 - PM 간단 체험

올리브영 데이터를 수집하여 리뷰데이터를 통해 

 

문제점을 파악하고 해결방안 모색.

 

그러나 해당 문제가 회사 측에서 봤을 때 과연 문제라고 할 수 있을지에 대한 의문 발생.

 

 

사측의 입장에서 과연 작은 side effect까지 고려할 필요가 있을까?

 

매출에 심대한 타격이 없고

 

실험 상 유의미한 문제가 없고

 

대부분의 사용자에게 좋은 경험을 도출 할 수 있다면

 

소수의 불편은 감수할만하다.

 

그것이 비록 의도적일 지라도 말이다.(다크패턴)

 

 

타겟으로 삼는 사용자의 분포에서 벗어난 사람들의 

 

손해는 사측에선 크게 신경쓰지 않는다.

 

타겟으로 삼는 사용자에게 이득만 가져다 줄 수 있다면

 

필연적인 손실은 짊어지고 진행한다.

 

 

또한 부정적인 데이터만 보면 마치 전체가 다 틀린 것 처럼 느껴진다는 말을

 

실제로 느껴봤다.(편향이 알아서 발생하더라)

 

우리가 알 수 없는 전체 데이터에 비해 소수의 부정적인 의견은 매우 작을 수 있다.

실제 거대한 데이터에서 특정 데이터만으로 결론을 지으면 안된다.

(그러나 원 데이터를 볼 수 없는 상황이면 판단하기 어려울 것 같긴 하다.

애초에 판단 해야겠다는 생각이 잘 안들 것 같다.)

 

 

아주 중요한 교훈을 얻었다.

 

사측의 입장과 부분데이터를 통한 편향

 

또 하나.

 

분석 및 모델링 하는 속도가 빨라야 하고 바로바로 계획 세워서 실행할 줄 알아야 할 듯.

 

보고서 쓰는 속도랑.