Flagship course
예측 이탈 랩
애플리케이션 분석의 핵심인 예측 이탈 모델링을, 배포 가능한 점수와 개입 규칙까지 밀어붙이는 11주 과정입니다.
학습 성과
- 앱 이벤트 사전을 기준으로 누수 없는 피처 세트를 설계할 수 있습니다.
- 생존 곡선과 분류 모델의 결과를 운영 언어로 설명할 수 있습니다.
- 위험 구간별 액션 카드와 ‘개입하지 않는’ 규칙을 문서화할 수 있습니다.
- 모델 드리프트와 데이터 품질 이슈를 주간 점검 항목으로 넣을 수 있습니다.
모듈
- 01이탈 정의의 정치학
구독 해지, 휴면, 시트 축소 — 무엇을 이탈로 볼지 합의하는 워크숍.
- 02이벤트 스키마와 관측 창
라벨 누수, 관측 기간, 검열(censoring)을 실데이터로 체험합니다.
- 03코호트·리텐션 재해석
곡선이 말하는 것과 말하지 않는 것을 구분합니다.
- 04생존 분석 입문
Kaplan–Meier와 위험 함수를 제품 질문에 연결합니다.
- 05분류 모델과 캘리브레이션
트리·로지스틱 비교, 확률 보정, 임계값 선택의 실무.
- 06위험 구간과 액션 카드
CS·그로스·제품이 같은 점수를 다르게 쓰도록 설계합니다.
- 07실험과 가드레일
개입 실험의 표본, 윤리, 과잉 할인 방지.
- 08운영 핸드오프
대시보드, 알림, 주간 리뷰 아젠다를 한 세트로 묶습니다.
강사
한지우
전 구독형 SaaS 데이터 리드. 리텐션 실험과 이탈 점수 운영을 5년 이상 담당했으며, 현재 Netadvancer에서 예측 이탈 랩을 설계·강의합니다. 통계 석사, 제품 분석 커뮤니티 멘토.
요금 (정보 제공)
개인 수강 안내가 ₩890,000입니다. 사이트 내 결제·자동 갱신은 없으며, 등록은 문의 후 안내합니다. 팀 단위는 리텐션 스튜디오를 참고하세요.
FAQ
프로그래밍을 잘해야 하나요?
SQL로 조인과 윈도우 함수를 쓸 수 있고, Python으로 판다스 수준 조작이 가능하면 충분합니다. 딥러닝은 다루지 않습니다.
자사 데이터를 꼭 가져와야 하나요?
권장하지만 필수는 아닙니다. 제공 데이터셋으로도 전 모듈을 완료할 수 있습니다. 가져올 경우 비식별·최소 샘플만 사용하도록 가이드합니다.
이 과정의 분명한 한계는 무엇인가요?
실시간 스트리밍 피처 스토어 구축, MLOps 파이프라인 자동화, 대규모 분산 학습은 범위 밖입니다. 주간 배치 점수와 운영 규칙을 설계하는 데 초점을 둡니다. 인프라 팀이 필요한 부분은 체크리스트로만 다룹니다.
환불은 가능한가요?
환불 정책에 따라 개강 전·초기에 조건이 다릅니다. 자세한 절차는 정책 페이지를 확인해 주세요.
수강 후기
모듈 6 액션 카드 과제를 팀 위키에 올렸더니, 마케팅이 쿠폰 기준을 스스로 고쳤습니다.수진 · 이커머스 분석
생존 분석 주는 수학이 버거웠습니다. 보충 세션이 있어 버틸 수 있었지만, 통계가 처음이면 미리 예습이 필요합니다.익명 · 헬스케어 앱 클라이언트