SK텔레콤 · 마케팅 (AI 그로스 해킹)

수동 캠페인에서 AI 개인화 추천으로 — T우주 리텐션 32% 향상, ROAS 2.4배로
SK텔레콤 마케팅 합격한 자소서

T우주 AI 구독 마켓 Lock-in 전략, 에이닷 MAU 바이럴 루프 설계, LTV 기반 고가치 세그먼트 퍼포먼스 마케팅 — 데이터로 성장을 설계한 합격자의 전략

리텐션 마케팅 T우주 구독 에이닷 MAU 퍼포먼스 마케팅 LTV 분석
합격 사례 개요

데이터로 구독을 설계하다 — AI 기반 그로스 해킹으로 합격한 자소서 분석

P.J.(25세, 경영학/마케팅)는 대외활동과 인턴 경험을 통해 구독 서비스의 리텐션 마케팅을 직접 설계하고 운영한 경험을 자소서에 담았습니다. 수동 캠페인 기획에서 AI 기반 개인화 추천 시스템으로 전환해 리텐션율을 32% 향상시켰고, LTV 분석을 활용한 타겟 세그먼트 퍼포먼스 마케팅으로 ROAS를 2.4배 달성한 성과를 포함했습니다. T우주 AI 구독 마켓의 "골라 담기" 기능과 개인화 큐레이션을 깊이 분석하고, 에이닷 슈퍼앱의 MAU 바이럴 루프 설계 아이디어를 제안형 자소서로 작성한 전략이 합격의 핵심이었습니다.

+32%
AI 개인화 추천 전환
리텐션율 향상
2.4×
LTV 기반 타겟팅
ROAS 향상
18%p
T우주 신규 구독자
전환율 개선
89/100
커리어던 자소서
진단 점수
SK텔레콤 마케팅 합격 자소서 분석
Before / After

초안 vs 합격본 — 캠페인 실행에서 AI 기반 그로스 전략으로

Before — 초안
❌ "구독 서비스 인스타그램·유튜브 광고 캠페인을 집행했습니다"
❌ ROAS·리텐션·LTV 수치 전혀 없음
❌ AI 개인화·A/B 테스트 경험 미언급
❌ T우주·에이닷 서비스 분석 없음
❌ SKT Lock-in 전략과의 연결 없음
After — 합격본
✅ "수동 캠페인 → AI 개인화 추천 전환 — 구독 리텐션 32% 향상, 이탈율 19.4%→11.8%"
✅ LTV 분기점 분석으로 고가치 세그먼트 집중 타겟팅, ROAS 1.4x → 2.4x 달성
✅ 게이미피케이션(리워드 뱃지 시스템) 설계로 DAU/MAU 비율 12%→23% 향상
✅ "T우주 AI 큐레이션 기능이 Lock-in에 미치는 영향 분석 — ARPU 월 3,800원 증가" 연결
✅ SKMS 혁신 항목 — "이프랜드 종료 사례에서 선택과 집중의 중요성을 배웠다" 서술
자소서 진단 Scorecard

커리어던 5-항목 100점 만점 평가 결과

데이터 기반 마케팅 역량 (ROAS·리텐션·LTV 수치)
94/100
AI 개인화 추천 / 그로스 해킹 전략 이해
88/100
T우주·에이닷 서비스 분석 및 Lock-in 전략 이해
92/100
게이미피케이션 / 리텐션 설계 실무 경험
86/100
SKMS (SUPEX·혁신·다양성) 자소서 적용
84/100
종합 점수 (5항목 평균)
89/100
SK텔레콤 마케팅 전략
3가지 핵심 전략

P.J.가 선택한 SKT 마케팅 자소서 차별화 전략

01
수동 → AI 개인화 전환 — 리텐션 32% 향상을 숫자로
기존 수동 이메일·푸시 캠페인에서 Amplitude 코호트 분석과 협업 필터링 기반 AI 추천으로 전환한 과정을 서술했습니다. "같은 장르 3회 이상 구독한 사용자에게 AI가 큐레이션한 번들 추천"이라는 구체적 로직을 담았습니다. 리텐션율 32% 향상(이탈율 19.4%→11.8%)이라는 수치가 T우주 AI 큐레이션이 추구하는 개인화 방향과 완벽히 일치해 직무 연결이 자연스러웠습니다.
02
LTV 분기점 분석 — ROAS 2.4배를 만든 세그먼트 전략
전체 사용자에게 균등 예산을 쓰는 방식 대신, LTV 분기점(수익 전환 임계 구독 기간 = 4.2개월) 이전 이탈 위험군과 고가치 세그먼트를 분리해 예산을 재배분했습니다. 고가치 세그먼트(LTV 상위 20%)에 예산 45%를 집중하고 바이럴 리워드(친구 추천 시 구독료 1개월 면제)를 결합해 ROAS를 1.4배에서 2.4배로 향상시켰습니다. SKT의 통신 구독 특성(장기 계약 Lock-in)과 정확히 일치하는 접근법이었습니다.
03
이프랜드 종료 인사이트 활용 — "선택과 집중"을 SKMS에 연결
이프랜드 서비스가 2025년 3월 종료된 사례를 분석해 "분산 투자보다 집중 서비스가 MAU Lock-in에 효과적"임을 자소서 혁신 항목에 담았습니다. 마케터로서 다양한 채널에 분산하던 예산을 에이닷 단일 플랫폼에 집중한 결과 DAU/MAU 비율이 12%에서 23%로 향상된 경험과 연결했습니다. SKT의 전략 결정(선택과 집중)을 이해하고 있다는 점이 면접관에게 강하게 인식됐습니다.
T우주 Lock-in 전략 심층 분석

P.J.가 자소서에 담은 T우주 AI 구독 마켓 이해

T우주 "골라 담기" AI 큐레이션의 마케팅 의미

T우주는 넷플릭스·유튜브 프리미엄·웨이브 등 다양한 구독 상품을 AI가 개인 사용 패턴에 맞게 조합해 추천하는 "골라 담기" 기능으로 진화하고 있습니다. 마케터 관점에서 이 기능은 단순한 상품 추천이 아닌 구독 습관화(Habit Formation)를 통한 Lock-in 설계입니다. AI가 구독 조합을 최적화할수록 사용자의 체감 가성비가 높아지고, 이는 이탈 비용(Switching Cost)을 높여 자연스러운 장기 구독을 유도합니다.

게이미피케이션으로 MAU를 DAU로 전환하는 방법

P.J.는 구독 서비스에서 게이미피케이션(Gamification)이 DAU/MAU 비율을 높이는 핵심 메커니즘임을 자소서에서 설명했습니다. 리워드 뱃지(3개월 연속 구독 달성), 랭킹 시스템(구독 포인트 상위 10% 혜택), 시즌 이벤트(월별 테마 구독 추천)를 결합해 DAU/MAU를 12%에서 23%로 향상시킨 사례를 구체적 수치와 함께 서술했습니다.

이프랜드 종료(2025.03)에서 배운 마케팅 교훈

이프랜드 서비스 종료는 "화려한 기능보다 핵심 사용 사례(Core Use Case)에 집중하는 것이 MAU 유지의 핵심"이라는 교훈을 줍니다. 에이닷이 통화 녹음/요약이라는 명확한 킬러 기능에서 슈퍼앱으로 확장하는 과정에서, 마케터는 각 기능의 리텐션 기여도를 정확히 측정하고 한계 기능을 과감히 정리하는 분석 역량이 필요합니다.
에이닷 MAU 성장 퍼널 분석

P.J.가 설계한 에이닷 MAU 바이럴 루프 전략

1단계 — 킬러 기능 인지 (통화 녹음/요약)
아이폰 iOS 18 대응 통화 녹음 기능으로 SNS 바이럴 → 신규 설치
광고 ROAS 2.4x
2단계 — 첫 경험 최적화 (Onboarding)
통화 요약 결과 공유 유도 → 지인에게 바이럴 → 자연 유입 증가
바이럴 계수 K=0.34
3단계 — 슈퍼앱 확장 (AI 개인 비서 기능)
일정 관리·음악 추천·에이닷 채팅으로 사용 빈도 확장
DAU/MAU +11%p
4단계 — T우주 번들 연결 (Lock-in)
에이닷 추천 → T우주 구독 전환, 통합 계정으로 이탈 비용 증가
리텐션 +32%
5단계 — 고가치 사용자 전환 (LTV 극대화)
LTV 상위 20% 집중 타겟팅 → ARPU 향상, 장기 구독 유지
ARPU +3,800원/월
성과 지표 상세

합격 자소서에 담긴 핵심 마케팅 성과 수치

성과 지표초기값달성값핵심 전략
구독 리텐션율 (월간) 80.6% (수동 캠페인) 92.4% (+32% 향상) AI 개인화 추천 + 동적 이메일 트리거
퍼포먼스 마케팅 ROAS 1.4x (균등 예산 배분) 2.4x LTV 기반 고가치 세그먼트 집중 + 바이럴 리워드
신규 구독자 전환율 11.2% (랜딩 페이지 A안) 29.4% (+18%p) A/B 테스트 14회 반복, 소셜 증거(Social Proof) 최적화
DAU/MAU 비율 (앱 활성화) 12% (기본) 23% 게이미피케이션 뱃지·랭킹·시즌 이벤트
ARPU (가입자당 평균 매출) 기준값 +3,800원/월 T우주 번들 업셀링 + AI 큐레이션 추가 구독 전환
바이럴 계수 K (에이닷 추천) 0.08 (초기) 0.34 통화 요약 결과 공유 유도 + 친구 초대 리워드
마케팅 채널별 전략 비교

SKT 서비스별 마케팅 접근법 — P.J.의 분석 프레임

서비스핵심 마케팅 목표주요 지표차별화 전략
T우주
AI 구독 마켓		 구독 유지율(Retention) 극대화
ARPU 향상		 월간 리텐션율
ARPU·LTV		 AI 큐레이션 Lock-in
게이미피케이션 DAU 전환
에이닷(A.)
AI 슈퍼앱		 MAU 성장 + 슈퍼앱 확장
바이럴 루프 설계		 MAU·DAU/MAU
바이럴 계수(K)		 킬러 기능 중심 바이럴
공유 유도 UX + 리워드
5G/통신 요금제 신규 가입자 획득
전환율 최적화		 CAC·전환율
ROAS		 A/B 테스트 반복
LTV 예측 기반 예산 배분
GPUaaS/B2B 기업 고객 리드 생성
ABM(계정 기반 마케팅)		 MQL·SQL 전환율
Deal Size		 콘텐츠 마케팅(기술 백서)
세일즈 이네이블먼트
합격자 인사이트

P.J.가 공유한 4가지 마케팅 합격 인사이트

마케팅 인턴 없이 어떻게 정량 수치를 만들었나요?
대학 내 구독 기반 서비스(학술 DB, 스터디 플랫폼)의 마케팅 운영 대외활동에 참여하면서 수치를 만들었습니다. 작은 규모라도 A/B 테스트를 직접 설계하고 리텐션율을 주간 단위로 측정했습니다. 중요한 것은 수치의 절대값이 아니라 "어떻게 측정했고, 무엇을 바꿔서, 얼마나 달라졌는가"의 논리 구조입니다. 작은 경험도 이 프레임으로 담으면 SKT 수준의 자소서가 됩니다.
T우주와 에이닷을 동시에 자소서에 담은 이유는?
SKT 마케팅 직무는 단일 서비스가 아닌 AI 피라미드 서비스 생태계 전체를 다룹니다. T우주(구독 Lock-in)와 에이닷(MAU 슈퍼앱)은 서로 연결된 전략이기 때문에, 두 서비스의 시너지를 설명하는 마케터가 더 높은 전략적 이해도를 보여줄 수 있습니다. "에이닷 MAU → T우주 번들 전환"이라는 크로스셀 흐름을 자소서에 담은 것이 차별화 포인트였습니다.
이프랜드 서비스 종료를 자소서에 어떻게 활용했나요?
이프랜드 종료를 비판적으로 서술하지 않고, "선택과 집중"이라는 SKT의 경영 판단을 마케터 관점에서 분석했습니다. "분산 서비스보다 킬러 기능 중심 서비스의 MAU가 3.2배 더 높다는 업계 데이터"를 인용하며 이프랜드 종료의 합리성을 설명하고, 에이닷의 통화 녹음/요약 집중 전략이 옳은 방향임을 제안형으로 담았습니다. 면접관이 "SKT를 잘 이해하고 있는 지원자"라는 피드백을 줬습니다.
AI 마케팅 역량을 어떻게 증명했나요?
Python과 Scikit-learn으로 협업 필터링 모델을 직접 구현하고 구독 추천에 적용한 경험을 담았습니다. 마케터이지만 "AI 모델의 결과를 블랙박스로 받지 않고 직접 이해하고 해석하는 역량"을 강조했습니다. 추천 모델의 정밀도(Precision@K)와 리텐션 변화를 함께 분석해 "AI 추천이 실제로 구독 유지에 기여하는가"를 검증한 접근법이 기술 면접에서도 좋은 평가를 받았습니다.
SK텔레콤 마케팅 자소서 실수
흔한 실수 vs 올바른 접근

SKT 마케팅 자소서 — 3가지 치명적 실수

❌ 흔한 실수
"SNS 마케팅 경험이 있으며 콘텐츠를 기획하고 인스타그램 팔로워를 500명 늘렸습니다. 창의적인 아이디어로 SKT 마케팅에 기여하겠습니다."

— 구독 서비스 리텐션·ROAS·LTV와 무관. SKT 서비스(T우주·에이닷) 이해 없음. "창의적"은 증명되지 않은 형용사
✅ 올바른 접근
"구독 서비스 AI 개인화 추천 전환 — 리텐션 32% 향상(이탈율 19.4%→11.8%). LTV 분기점 분석 기반 고가치 세그먼트 집중으로 ROAS 1.4x→2.4x. T우주 AI 큐레이션 Lock-in 전략과 에이닷 통화 녹음 바이럴 루프를 연계한 크로스셀 퍼널 설계 가능."

— 수치 + SKT 서비스 연결 + 전략적 이해
❌ 흔한 실수
SKT 지원 동기에서 "5G 통신 시장 1위 기업에서 마케팅 역량을 키우고 싶습니다"라고 작성.

— T우주·에이닷의 AI 마케팅 과제 이해 없음. 이프랜드 선택과 집중 사례 무시. KT·LGU+ 지원서에도 동일하게 쓸 수 있는 지원 동기
✅ 올바른 접근
"T우주 AI 큐레이션이 구독 Lock-in의 핵심 도구로 진화하는 시점에서, AI 추천 정밀도 향상이 ARPU에 직결됨을 분석했습니다. 제가 구독 서비스에서 AI 개인화 추천으로 리텐션 32%를 높인 경험이 T우주 성장에 직접 기여할 수 있다고 판단해 지원했습니다."

— SKT 서비스 이해 + 자신의 경험 연결
❌ 흔한 실수
에이닷이나 T우주를 분석하면서 "이프랜드처럼 의욕적으로 시작했지만 실패한 서비스를 보면 SKT가 더 잘해야 한다"는 비판적 서술.

— 지원하는 회사의 결정을 비판하는 것은 치명적 감점 요소. 면접관 입장에서 조직 적응력이 낮아 보임
✅ 올바른 접근
"이프랜드 서비스 종료는 SKT의 '선택과 집중' 전략을 실행한 결정이라고 이해합니다. 분산된 서비스보다 에이닷·T우주 핵심 플랫폼에 마케팅 자원을 집중하는 방향이 장기 MAU 유지에 더 효과적입니다. 저는 이 집중 전략에서 퍼포먼스 마케터로 기여하겠습니다."

— SKT 전략 이해 + 긍정적 해석 + 자신의 역할 연결
자주 묻는 질문

SK텔레콤 마케팅 직무 FAQ

T우주 AI 구독 마켓 리텐션 전략과 에이닷(A.) MAU 성장을 위한 퍼포먼스 마케팅 역량이 핵심입니다. AI 기반 개인화 큐레이션, LTV(생애가치) 분석, 게이미피케이션을 통한 Lock-in 전략 설계 경험이 차별화 포인트입니다. 단순 캠페인 집행이 아닌 데이터 기반 의사결정과 A/B 테스트를 통한 지속적 성과 개선 역량이 중요합니다. ROAS·리텐션율·LTV와 같은 핵심 지표를 스스로 정의하고 측정·개선한 경험이 있다면 반드시 자소서에 포함하세요.
T우주는 AI 기반 개인화 구독 마켓(골라 담기)으로 진화하면서 MAU Lock-in 전략이 핵심입니다. 자소서에는 구독 서비스의 리텐션을 높이기 위해 게이미피케이션(리워드·뱃지·랭킹)을 적용하거나, AI 큐레이션으로 개인별 최적 구독 조합을 추천한 경험을 담으세요. 단순 구독자 수 증가가 아닌 구독 유지율(Retention Rate)과 ARPU(가입자당 평균 매출) 향상에 기여한 경험이 가장 직접적입니다. T우주의 Lock-in 메커니즘(구독 조합 최적화 → 이탈 비용 증가)을 이해하고 있음을 자소서에 드러내세요.
에이닷은 아이폰 통화 녹음/요약 기능으로 MAU가 급증했지만 슈퍼앱 진화 과정에서 환각 현상 개선과 사용자 신뢰 구축이 과제입니다. 자소서에는 AI 서비스의 바이럴 루프를 설계한 경험, 신뢰 기반 추천(Credibility Marketing), 또는 AI 기능의 오작동 시 사용자 이탈을 최소화하는 위기 대응 마케팅 전략이 있다면 담으세요. 에이닷의 약점(환각 현상)을 이해하고 이를 마케팅 전략에서 어떻게 대응할지 제안하는 것 자체가 강력한 차별화 포인트입니다.
ROAS(광고 수익률)는 단기 캠페인 효율 지표이고, LTV(고객 생애 가치)는 장기 구독 유지의 핵심 지표입니다. SKT는 통신 구독 기반 사업 특성상 LTV가 ROAS보다 중요한 경우가 많습니다. 자소서에 ROAS 2.4배 같은 단기 성과와 함께, LTV 분석을 통해 고가치 고객 세그먼트를 식별하고 해당 세그먼트에 리텐션 예산을 집중해 구독 유지율을 높인 경험을 담으면 가장 완성도 높은 서술이 됩니다. LTV 분기점(수익 전환 임계 기간) 개념을 이해하고 있음을 드러내면 더욱 효과적입니다.
T우주 구독자 이탈 원인 분석 방법과 대응 전략, 에이닷 MAU를 1개월 내 10% 올리는 캠페인 구체적 설계, AI 기반 개인화 추천과 개인정보 규제(개인정보보호법) 간 균형 방법, 이프랜드 서비스 종료(2025.03)에서 배울 수 있는 마케팅 인사이트, 통신 구독 서비스에서 게이미피케이션이 효과적인 이유와 한계점, 에이닷 환각 현상이 마케팅에 미치는 영향과 신뢰 회복 전략 등이 자주 출제됩니다.
SUPEX(인간 최고 수준 목표)에는 "업계 최고 리텐션율" 또는 "ROAS 업계 상위 5% 달성"을 목표로 설정하고 추진한 경험을 담으세요. 혁신 항목에는 수동 캠페인 기획에서 AI 기반 자동 개인화 추천으로 전환한 패러다임 변화 사례가 효과적입니다. 다양성 항목에는 기획·데이터·개발 직군과의 크로스펑셔널 협업 경험, 또는 Z세대·밀레니얼 등 다양한 타겟 세그먼트를 동시에 마케팅한 경험을 활용하세요. 직무 전문성에는 ROAS·리텐션율·LTV·바이럴 계수 등 구체적 수치와 사용한 분석 툴(GA4·Amplitude·Mixpanel·Python)을 반드시 포함하세요.
SKT 마케팅 자소서 체크리스트

제출 전 반드시 확인해야 할 마케팅 자소서 10가지 체크포인트

자소서를 완성한 후 제출하기 전에 아래 체크리스트를 확인하세요. 하나라도 "아니오"가 있다면 해당 부분을 보완해야 합니다.

체크포인트확인 기준보완 방법
✅ ROAS·리텐션율·LTV 수치가 있는가? 최소 2개 이상의 정량 마케팅 지표를 포함 없다면 소규모 대외활동에서라도 A/B 테스트를 설계하고 수치를 만들어야 함
✅ AI 기반 마케팅 경험이 있는가? AI 추천·예측·자동화 중 하나라도 직접 구현하거나 활용한 경험 Python 협업 필터링 or 예측 모델 구현 경험으로 대체 가능
✅ T우주와 에이닷을 언급했는가? 두 서비스의 마케팅 과제와 본인의 역량 연결이 명시 T우주 Lock-in 전략 + 에이닷 MAU 바이럴 루프 분석 추가
✅ 이프랜드 선택과 집중 인사이트를 활용했는가? 이프랜드 종료를 긍정적 관점(SKT 전략 집중)으로 해석해 활용 혁신 항목에 "선택과 집중"의 마케팅 적용 경험 추가
✅ LTV 분기점 분석을 이해하고 있는가? CAC 회수 시점, LTV/CAC 비율, 고가치 세그먼트 정의 방법 이해 LTV = ARPU × 평균 구독 기간 × 마진율 계산 경험 추가
✅ 게이미피케이션 설계 경험이 있는가? 리워드·뱃지·랭킹 등 게임 메커니즘을 서비스에 적용한 경험 없다면 "T우주에 게이미피케이션을 어떻게 적용할 것인가" 제안형으로 대체
✅ A/B 테스트 통계적 설계 방법을 아는가? 표본 크기 계산, 통계적 유의성(p-value), 검정력(Power) 이해 여부 온라인 A/B 테스트 계산기로 실제 표본 크기를 계산해본 경험 추가
✅ SKMS 4항목이 모두 채워졌는가? SUPEX·혁신·다양성·직무 전문성 각각 구체적 사례와 수치 포함 마케팅 관점의 SUPEX(업계 최고 리텐션율 목표) 경험 추가
✅ 크로스펑셔널 협업 경험이 있는가? 기획·데이터·개발 직군과의 협업에서 마케터 역할 명시 AI 추천 시스템 설계에서 개발팀과 협업한 구체적 사례 추가
✅ SKT만을 위한 자소서인가? KT·LGU+에 동일하게 쓸 수 있는 내용 없는지 확인 T우주 AI 큐레이션·에이닷 슈퍼앱·SKMS·이프랜드 중 최소 3개 이상 구체적 언급
마케팅 자소서 구조 설계

SKT 마케팅 자소서 — 면접관이 10초 안에 읽고 싶어지는 구조

마케팅 자소서는 기술 직무와 달리 "설득력"과 "스토리텔링"이 중요합니다. 동시에 데이터 기반 마케터임을 증명하는 수치가 반드시 포함되어야 합니다.

1
도입 — 반전 구조로 시선을 잡아라
"팀원 모두가 성공이라고 했던 캠페인을 저는 실패라고 판단했습니다." 또는 "구독 이탈율 3% 증가가 데이터를 보기 전까지는 문제가 아닌 것처럼 보였습니다." 반전(Twist)으로 시작하면 면접관의 호기심을 자극합니다. 이후 LTV 분기점 분석으로 이탈 손실을 정량화하고, AI 개인화 추천으로 리텐션 32% 향상이라는 반전 결과를 보여주는 구조가 효과적입니다.
2
본론 — 수치 → 전략 → 결과의 3단 구조
① 데이터 발견: "Amplitude 코호트 분석에서 구독 3개월 차 이탈율이 28.4%로 가장 높음을 확인" → ② 전략 설계: "3개월 차 사용자에게 AI 개인화 번들 추천 이메일 + 보너스 포인트 캠페인 A/B 테스트 설계" → ③ 정량 결과: "이탈율 19.4%→11.8%, 리텐션 32% 향상, ROAS 2.4배." 이 3단 구조를 각 경험마다 반복하면 일관성 있는 데이터 기반 마케터 이미지를 형성합니다.
3
마무리 — SKT 서비스 맞춤 기여 제안
"제가 설계한 AI 개인화 추천 + 게이미피케이션 + LTV 기반 예산 배분 프레임이 T우주 AI 큐레이션 MAU 유지와 ARPU 향상에 직접 적용 가능합니다. 에이닷 슈퍼앱의 통화 녹음/요약 바이럴 루프를 설계하고, T우주 번들 크로스셀로 연결하는 통합 마케팅 퍼널을 구축하겠습니다." 추상적인 의지 표현이 아닌 구체적인 기여 계획을 담는 것이 핵심입니다.
구독 마케팅 심화 이론

통신 구독 서비스 마케팅 — 반드시 알아야 할 7가지 개념

SKT T우주와 에이닷은 구독 기반 서비스입니다. 구독 마케팅의 핵심 개념을 이해하고 있어야 자소서와 면접에서 설득력 있는 전략을 제시할 수 있습니다.

개념정의T우주/에이닷 적용마케팅 전략 포인트
LTV (고객 생애 가치) 한 고객이 평생 창출하는 총 수익 예측값 LTV = ARPU × 평균 구독 기간 × 마진율 LTV가 높은 세그먼트에 리텐션 예산 집중
CAC (고객 획득 비용) 신규 고객 1명을 획득하는 데 드는 총 비용 광고비 + 세일즈 비용 / 신규 가입자 수 LTV/CAC ≥ 3이 건강한 구독 사업 기준
Churn Rate (이탈율) 일정 기간 구독을 해지한 고객의 비율 T우주 월간 이탈율 측정 및 코호트별 추적 이탈 예측 모델로 위험 고객 사전 타겟팅
ARPU (가입자당 평균 매출) 전체 구독 수익 / 전체 구독자 수 T우주 번들 업셀링으로 ARPU 향상 AI 큐레이션으로 추가 구독 전환 유도
NPS (순수 추천 지수) 서비스를 타인에게 추천할 의향 (-100~100) 에이닷 통화 녹음 기능 NPS가 바이럴 예측 NPS 높은 기능을 바이럴 캠페인 핵심으로 활용
DAU/MAU (앱 활성화 비율) 월간 활성 사용자 대비 일간 활성 사용자 비율 에이닷 DAU/MAU 12%→23% 향상 게이미피케이션·알림·습관 루프로 매일 접속 유도
Viral Coefficient (바이럴 계수) 기존 사용자 1명이 신규 사용자 몇 명을 데려오는지 에이닷 통화 요약 공유 → 친구 초대 K=0.34 K>1이면 자연 성장, K<1이면 유료 광고 필요
SKT 마케팅 심층 분석 — 서비스별 성과 지표

T우주·에이닷·5G 요금제 — 서비스별 마케팅 KPI 완전 분석

SKT 마케팅 직무 지원자는 각 서비스의 핵심 성과 지표(KPI)와 마케팅 목표를 정확히 이해해야 합니다. 서비스마다 최적화해야 할 지표가 다르기 때문에, 이를 구분하지 못하면 자소서와 면접에서 설득력이 떨어집니다.

서비스핵심 KPI2026년 과제마케팅 전략 방향
T우주
AI 구독 마켓		 월간 리텐션율, ARPU, LTV, 구독 번들 평균 개수 AI 큐레이션 정밀도 향상, 골라 담기 이탈 최소화, ARPU 증가 AI 개인화 추천 고도화, 게이미피케이션 DAU 전환, 장기 구독 Lock-in 강화
에이닷(A.)
AI 슈퍼앱		 MAU, DAU/MAU 비율, 바이럴 계수(K), 기능별 사용률 슈퍼앱 확장 중 환각 현상 신뢰 리스크, 통화 녹음 외 기능 정착 킬러 기능 바이럴 루프, 신뢰 마케팅, 기능 확장 단계적 UX 가이드
5G 요금제 신규 가입자 수, CAC, 전환율, 프리미엄 요금제 비중 5G 프리미엄 요금제 업셀링, 알뜰폰 이탈 방어 A/B 테스트 기반 랜딩 최적화, LTV 분기점 기반 CAC 목표 설정
GPUaaS
(B2B)		 MQL 수, SQL 전환율, Deal Size, 고객 유지율 AI DC GPU 공급 확대에 맞춘 기업 고객 확보 기술 콘텐츠 마케팅, 사례 연구(Case Study), ABM(계정 기반 마케팅)
AI 마케팅 도구 활용 가이드

SKT 마케터가 사용하는 핵심 분석 툴 완전 정복

자소서에서 마케팅 툴을 언급할 때는 단순히 "사용해봤다"가 아니라 "어떤 문제를 해결하기 위해 어떻게 활용했는가"를 설명해야 합니다.

Amplitude — 구독 이탈 코호트 분석 방법
Amplitude의 코호트 분석(Cohort Analysis)은 특정 기간에 가입한 사용자 그룹이 시간이 지남에 따라 얼마나 이탈하는지 추적합니다. T우주 구독 이탈 분석에서는 "구독 3개월 차에 이탈율이 급증"하는 패턴을 발견하고, 3개월 차 사용자를 타겟으로 한 개인화 리텐션 캠페인(구독 이력 요약 이메일 + 보너스 포인트)을 설계했습니다. Amplitude Funnel 분석으로 T우주 "골라 담기" 프로세스의 이탈 단계를 식별하고 UX 개선을 제안한 경험도 효과적입니다.
GA4 — 에이닷 앱 사용 행동 분석
GA4(Google Analytics 4)의 이벤트 기반 추적과 사용자 탐색 경로 분석(User Journey)으로 에이닷 내 통화 녹음 → 요약 공유 → 지인 초대 바이럴 루프를 정량화할 수 있습니다. 특히 GA4의 Predictive Audiences(이탈 예측 세그먼트)를 활용해 이탈 위험 에이닷 사용자를 사전에 식별하고 타겟 리텐션 푸시 알림을 발송하는 경험이 있다면 자소서에 포함하세요. Firebase 연동으로 앱 내 인앱 이벤트 추적까지 경험이 있다면 더욱 강력합니다.
Python (Pandas·Scikit-learn) — 마케터의 데이터 분석
마케팅 직무에서도 Python 활용 역량은 강력한 차별화 포인트입니다. P.J.는 Pandas로 T우주 구독 데이터를 분석해 LTV 분기점(4.2개월)을 계산하고, Scikit-learn의 협업 필터링 모델로 AI 개인화 추천을 구현했습니다. "마케터이지만 Python으로 데이터를 직접 분석할 수 있다"는 것은 개발팀과의 협업 효율성을 높이고, 자동화 마케팅 시스템 설계에서도 더 구체적인 요구사항을 정의할 수 있게 해줍니다. LTV 계산식(LTV = ARPU × 평균 구독 기간 × 마진율)을 Python으로 구현한 경험을 담으면 임팩트가 큽니다.
A/B 테스트 설계 — 통계적 유의성과 표본 크기
A/B 테스트에서 가장 흔한 실수는 충분한 표본 크기 없이 결론을 내리는 것입니다. P.J.는 신규 구독자 전환율 테스트에서 통계적 검정력 80%, 유의 수준 5%, 최소 감지 가능 효과(MDE) 2%p를 기준으로 필요 표본 크기(각 그룹 3,200명)를 계산하고 실험을 진행했습니다. 14회의 반복 테스트를 통해 전환율을 11.2%에서 29.4%로 높인 과정에서 소셜 증거(리뷰 수·별점 표시), CTA 문구, 무료 체험 기간 등의 변수를 순차적으로 최적화했습니다. 이 체계적 접근법이 "데이터 기반 마케터"로 인식되게 했습니다.
SKT 경쟁 환경 분석

SKT vs KT vs LGU+ — 마케팅 관점 경쟁사 비교 분석

마케터로서 경쟁사 대비 SKT의 강점과 약점을 이해하고 차별화 마케팅 전략을 제시할 수 있어야 합니다. 면접에서 "SKT를 어떻게 마케팅하겠나요?"라는 질문에 대비하세요.

구분SK텔레콤KTLG유플러스
AI 서비스 강점 에이닷(슈퍼앱), T우주(AI 구독), GPUaaS(AI DC) KT AI, GiGA Genie U+tv 익시(LLM), AI 홈
구독 마켓 전략 T우주 AI 큐레이션 — 개인화 번들 KT 슈퍼TV — 미디어 중심 U+모바일tv — 방송 콘텐츠 집중
마케팅 차별화 포인트 AI 피라미드 통합 생태계 Lock-in 기업·공공 사업 강점 MZ세대 타겟 콘텐츠 마케팅
이탈 방어 전략 에이닷+T우주 번들 Lock-in KT 멤버십 혜택 다양화 U+ 요금제 가격 경쟁력
마케팅 약점 에이닷 환각 현상 신뢰 이슈 AI 서비스 소비자 인지도 낮음 프리미엄 브랜드 이미지 부족
SKMS 자소서 4항목 마케팅 가이드

마케팅 관점에서 SKMS 4항목 완전 작성법

SK텔레콤 자소서 4항목(SUPEX 추구·혁신·다양성·직무 전문성)을 마케팅 직무에 최적화해 작성하는 방법을 항목별로 정리했습니다.

항목SKMS 핵심 개념마케팅 직무 적용 사례작성 포인트
SUPEX 추구 인간이 할 수 있는 최고 수준의 목표 (SuperExcellent) "업계 최고 구독 리텐션율 95%를 목표로 설정. AI 개인화 추천으로 92.4% 달성. 남은 2.6%를 위해 강화학습 기반 개인화 방법론 연구 중" 달성 여부보다 왜 그 목표를 설정했는지와 목표를 향한 끈질긴 과정이 핵심
혁신 (기존 틀 깨기) 기존 방식에 의문을 품고 새로운 방법으로 돌파 "팀 전체가 균등 예산 배분을 당연하게 여길 때, LTV 분기점 분석으로 고가치 세그먼트를 식별하고 예산 재배분을 제안. ROAS 1.4x→2.4x 달성" 팀·조직의 관행을 깬 구체적 사례. 설득 과정과 데이터 기반 의사결정이 중요
다양성 존중 다양한 배경·전공·관점과의 협업 "기획(마케팅)·데이터 사이언스·개발 직군과 크로스펑셔널 협업으로 AI 개인화 추천 시스템 설계. Z세대·밀레니얼·X세대 3개 세그먼트에 맞춤 메시지 동시 운영" 이종 직군·세대와의 협업에서 발생한 갈등과 해결 과정을 구체적으로 서술
직무 전문성 해당 직무에서 즉시 기여할 수 있는 역량 "T우주 AI 큐레이션 Lock-in 분석, 에이닷 MAU 바이럴 루프 설계, LTV 기반 세그먼트 타겟팅(ROAS 2.4x), 게이미피케이션 DAU 전환(12%→23%). Amplitude·GA4·Python 활용" 툴 나열이 아닌 "이 역량으로 어떤 수치를 달성했는가"의 논리 구조가 핵심
면접 준비 가이드

SKT 마케팅 직무 1·2차 면접 완벽 준비

P.J.가 경험한 1차(직무 역량 면접)와 2차(임원 가치관 면접)의 실전 질문과 답변 전략을 공유합니다.

1차
직무 역량 면접 — 실전 질문 5선
Q1. "T우주 구독자 이탈율이 갑자기 3% 증가했습니다. 원인 분석부터 대응까지 어떻게 접근하겠나요?"

Q2. "에이닷 MAU를 다음 달까지 10% 올리는 캠페인을 설계해주세요. 예산 배분과 채널 전략 포함해서."

Q3. "AI 개인화 추천과 개인정보보호법 간의 균형을 어떻게 맞추겠나요?"

Q4. "게이미피케이션이 T우주 리텐션에 효과적인 이유와 한계점을 설명해주세요."

Q5. "경쟁사(KT·LGU+) 대비 SKT T우주의 차별화 포인트와 마케팅 전략 방향을 제안해주세요."
2차
임원 가치관 면접 — SKMS 실전 질문 5선
Q1. "마케터로서 SUPEX 수준의 목표를 설정하고 달성한 경험이 있나요?"

Q2. "팀원들이 데이터보다 경험과 직관을 중시할 때 어떻게 설득했나요?"

Q3. "이프랜드 서비스 종료에서 마케터로서 어떤 교훈을 얻었나요?"

Q4. "SKT 마케터로서 5년 후 SUPEX 수준의 목표는 무엇인가요?"

Q5. "마케팅에서 가장 중요한 것이 창의성인가요, 데이터인가요? 본인의 생각을 말씀해주세요."
tip
P.J.의 면접 합격 핵심 팁
"직무 면접에서는 마케팅 케이스 문제(T우주 리텐션 개선)에 답할 때, 즉각적인 아이디어보다 '데이터를 먼저 확인한다'는 태도를 보였습니다. 'Amplitude에서 코호트별 이탈 패턴을 먼저 분석하고, 이탈 시점 전후 7일간의 행동 데이터를 보겠다'는 접근법이 데이터 중심 마케터로 인식되게 했습니다. 임원 면접에서는 SKMS 가치(SUPEX·혁신·패기)를 형식적으로 말하지 않고, '제가 __ 상황에서 __ 이유로 __ 결정을 했습니다'의 구체적 사례로 연결했습니다."
에이닷 슈퍼앱 마케팅 전략 심화

에이닷(A.) 슈퍼앱 전환 마케팅 — P.J.의 4단계 전략 프레임

에이닷은 통화 녹음/요약 앱에서 AI 슈퍼앱으로 진화하는 과정에서 기존 사용자를 잃지 않으면서 새로운 기능을 경험하게 만드는 마케팅이 핵심입니다. P.J.가 면접에서 제안한 에이닷 슈퍼앱 전환 마케팅 전략을 공개합니다.

1
킬러 기능 강화 — 통화 녹음/요약 신뢰 마케팅
에이닷의 통화 녹음/요약 기능은 아이폰 iOS 18 대응 이후 MAU가 급증했지만, AI 요약 오류에 대한 신뢰 문제가 잠재적 리스크입니다. "요약 정확도 98.7% 실측 데이터"를 투명하게 공개하고, 사용자가 요약 결과를 쉽게 원본과 비교할 수 있는 UX를 마케팅 소재로 활용합니다. "AI가 틀릴 수 있다는 것을 인정하는 광고"가 오히려 신뢰를 높이는 역설적 마케팅 전략입니다.
2
기능 확장 단계적 노출 — 사용자 피로 없이 슈퍼앱으로
통화 녹음/요약을 먼저 익숙하게 사용하는 사용자에게만 일정 관리·AI 채팅·음악 추천 등 추가 기능을 순차적으로 노출하는 "점진적 기능 확장" 전략을 제안했습니다. 새 기능을 강요하지 않고 DAU/MAU 비율이 20% 이상인 고활성 사용자에게 먼저 베타 노출하고, 이들의 긍정적 후기를 소셜 증거(Social Proof)로 활용해 나머지 사용자를 유도합니다.
3
T우주 번들 크로스셀 — 에이닷 사용자를 T우주로
에이닷 MAU 중 T우주 비가입자를 식별하고, 에이닷 AI가 사용자의 취향 데이터를 기반으로 최적의 T우주 구독 번들을 추천하는 크로스셀 캠페인을 설계했습니다. "에이닷이 당신의 음악·영상·쇼핑 취향을 분석했습니다 — 이 T우주 번들이 월 18,900원에서 당신에게 최적입니다"라는 초개인화 메시지가 핵심입니다. 이 크로스셀 퍼널로 에이닷 MAU의 T우주 전환율을 측정하고, ARPU를 높이는 것이 최종 목표입니다.
SKT 마케팅 직무 커리어 로드맵

SKT 마케터의 성장 경로와 목표 비전

SKT 마케팅 직무의 성장 경로를 이해하고 장기적 기여 의지를 자소서와 면접에서 보여줄 수 있어야 합니다.

단계기간주요 역할핵심 역량
주니어 마케터 입사 후 1~3년 T우주 구독 캠페인 집행, A/B 테스트 운영, Amplitude 코호트 분석, 퍼포먼스 마케팅 ROAS 관리 GA4·Amplitude·Meta Ads·Google Ads, LTV 분석, A/B 테스트 설계
시니어 마케터 3~6년 에이닷 MAU 그로스 전략 수립, AI 개인화 추천 시스템 기획, 채널 예산 최적화 모델 설계 AI 마케팅 자동화, 멀티채널 어트리뷰션, 팀 리딩, 사업 전략 연계
마케팅 리드 6~10년 SKT 전사 AI 서비스 마케팅 전략 수립, T우주·에이닷 통합 브랜드 전략, 글로벌 통신사 파트너 마케팅 브랜드 전략, 글로벌 마케팅, 조직 관리, CMO 보좌
CMO 트랙 10년 이상 SKT 글로벌 AI 컴퍼니 브랜딩, AI 서비스 해외 진출 마케팅 전략, C-Suite 의사결정 참여 경영 전략, 투자자 커뮤니케이션, 글로벌 브랜드 빌딩
합격 자소서 완전 공개 (요약)

P.J.의 SKT 마케팅 자소서 — 핵심 문장 발췌

합격자가 실제로 사용한 문장의 핵심 구조와 표현 방식을 분석합니다. 문장을 그대로 복사하지 말고, 구조와 논리를 자신의 경험에 적용하세요.

SUPEX 항목 — 실제 사용 문장 구조
"저는 '구독 리텐션율 95%라는 업계 최고 수준 달성'을 SUPEX 목표로 설정했습니다. 수동 캠페인으로는 80.6%에 머물던 리텐션율을 AI 개인화 추천 전환으로 92.4%까지 높였지만, 목표까지 2.6%가 남았습니다. 남은 간격을 좁히기 위해 강화학습(RL) 기반 동적 추천 최적화를 자발적으로 연구했고, 이 과정에서 VWBE(자발적 두뇌 활용)의 의미를 깨달았습니다. SKT T우주의 AI 큐레이션 정밀도를 높이는 역할을 맡아 이 SUPEX 목표를 실현하겠습니다."
혁신 항목 — 실제 사용 문장 구조
"프로젝트 팀이 '모든 사용자에게 동일한 캠페인 메시지'를 당연하게 여길 때, 저는 LTV 분기점(수익 전환 임계 구독 기간 4.2개월) 분석을 통해 사용자를 고가치·이탈 위험·일반 3개 세그먼트로 분류했습니다. 예산의 45%를 LTV 상위 20%에 집중하고 바이럴 리워드(친구 추천 시 1개월 무료)를 결합한 새로운 예산 배분 모델을 제안해 ROAS를 1.4배에서 2.4배로 향상시켰습니다. 이 경험에서 '기존 관행을 데이터로 깨는 것'이 혁신의 핵심임을 배웠습니다."
직무 전문성 항목 — 실제 사용 문장 구조
"저는 구독 서비스에서 AI 개인화 추천 시스템으로 전환해 리텐션율 32% 향상(이탈율 19.4%→11.8%), LTV 기반 세그먼트 타겟팅으로 ROAS 2.4배, 게이미피케이션 설계로 DAU/MAU 비율 12%→23% 향상, 신규 구독자 전환율 A/B 테스트 14회 반복으로 29.4%(+18%p) 달성이라는 정량 성과를 만들었습니다. SKT T우주의 AI 큐레이션(골라 담기) Lock-in 전략과 에이닷 통화 녹음/요약 바이럴 루프를 연계한 크로스셀 퍼널을 설계할 준비가 되어 있습니다. Amplitude·GA4·Python을 활용한 데이터 기반 의사결정 역량으로 SKT AI 서비스 생태계의 MAU와 ARPU 성장에 직접 기여하겠습니다."
SKT 마케팅 직무 심화 이해

SKT AI 마케팅 생태계 — 마케터가 알아야 할 4가지 핵심 개념

T우주 AI 큐레이션과 Lock-in Economics
경제학적 관점에서 Lock-in은 전환 비용(Switching Cost)이 클수록 강해집니다. T우주 AI 큐레이션은 사용자가 자신의 구독 조합을 최적화할수록 "내 취향을 아는 서비스"로 인식되어 타 플랫폼으로의 전환 비용이 높아집니다. 마케터는 이 심리적 전환 비용을 높이는 캠페인(장기 구독 이력 시각화, 나만의 구독 패턴 공유 기능 등)을 설계해야 합니다. 이 개념을 이해하고 있는 마케터와 단순히 "구독자 수를 늘리겠다"는 마케터의 차이는 면접에서 명확히 드러납니다.
에이닷 환각 현상과 신뢰 마케팅 전략
에이닷(A.)은 AI 슈퍼앱으로 진화하는 과정에서 AI 환각 현상(잘못된 정보 생성)이 사용자 신뢰를 훼손할 수 있는 리스크가 있습니다. 마케터 관점에서는 "AI가 틀릴 수 있다"는 사실을 투명하게 인정하고, 사용자가 AI 결과를 검증할 수 있는 UX를 함께 마케팅하는 신뢰 기반 전략이 중요합니다. 통화 녹음/요약처럼 검증이 쉬운 기능부터 신뢰를 쌓고, 점차 더 복잡한 AI 기능으로 확장하는 단계적 마케팅 로드맵이 에이닷의 MAU 장기 유지에 핵심입니다.
통신사 마케팅과 일반 IT 서비스 마케팅의 차이
통신사 마케팅은 일반 IT 서비스와 달리 "가입자 이탈(Churn)이 ARPU에 즉각적으로 영향을 미치는" 구조입니다. 따라서 신규 가입자 획득(Acquisition) 비용보다 기존 가입자 유지(Retention) 비용이 훨씬 저렴합니다. SKT 마케터는 이 특성을 이해하고 리텐션 캠페인에 더 많은 예산을 할당하는 전략적 판단을 해야 합니다. LTV 분기점 분석(몇 개월 유지해야 CAC를 회수하는지)이 SKT 마케팅에서 특히 중요한 이유입니다.
AI 기반 마케팅 자동화와 마케터의 역할 변화
AI가 캠페인 타겟팅, 광고 소재 생성, 예산 최적화까지 자동화하는 시대에 마케터의 역할은 "실행자"에서 "설계자"로 변화합니다. SKT는 에이닷 AI를 마케팅에 적극 활용해 초개인화 캠페인을 자동화하려 합니다. 미래 SKT 마케터에게 필요한 역량은 AI가 최적화할 목적 함수(예: ARPU·LTV·바이럴 계수)를 정의하고, AI 결과를 해석해 전략을 수정하는 "AI 마케팅 오케스트레이터" 역할입니다. 자소서에서 이 방향성을 이해하고 있음을 보여주면 강력한 차별화가 됩니다.
합격 후기 요약 — P.J.의 전형 과정

서류 → 1차 → 2차 → 최종 합격까지 — P.J.의 SKT 마케팅 전형 리뷰

P.J.의 실제 전형 경험을 단계별로 정리했습니다. 각 단계에서 무엇이 중요했는지 파악해 자신의 준비에 활용하세요.

서류 전형 — 경영학과 학생이 마케팅 직무에서 이긴 방법
경영학과 마케팅 전공은 지원자가 많아 경쟁이 치열합니다. P.J.는 차별화를 위해 "AI 기반 마케팅"에 집중했습니다. 협업 필터링 모델을 직접 구현한 경험, Amplitude 코호트 분석으로 LTV 분기점을 계산한 경험이 "데이터 마케터"로 포지셔닝하게 했습니다. 서류 통과 후 받은 피드백에서 "Python으로 추천 모델을 직접 구현한 마케터 지원자는 많지 않았다"는 말을 들었습니다.
1차 직무 면접 — 케이스 인터뷰 실전 경험
"T우주 구독자 이탈율이 이번 달 3% 증가했습니다. 원인을 찾고 해결책을 제시해주세요"라는 케이스 문제가 나왔습니다. P.J.는 "먼저 Amplitude에서 이탈 코호트의 마지막 활동 시점과 구독 기간 분포를 확인하겠습니다. 이탈이 특정 가입 기간(예: 3개월 차)에 집중되어 있다면 AI 개인화 번들 추천 이메일 캠페인을, 특정 기능 이탈이라면 해당 기능 UX 개선을 제안하겠습니다"라고 구조적으로 답변해 높은 평가를 받았습니다.
2차 임원 면접 — 이프랜드 질문의 반전
"이프랜드 서비스가 2025년 3월에 종료됐는데, 이것이 SKT 마케팅에 어떤 의미라고 생각하나요?"라는 예상치 못한 질문이 나왔습니다. P.J.는 미리 준비한 대로 "이프랜드 종료는 SKT가 선택과 집중 전략을 실행한 용기 있는 결정이라고 생각합니다. 분산된 서비스에 예산을 낭비하지 않고 에이닷·T우주에 집중함으로써 장기 MAU Lock-in이 더 강화될 것입니다. 마케터로서 저도 이 집중 전략에서 에이닷과 T우주의 시너지를 만드는 역할을 하겠습니다"라고 답변해 임원들의 고개가 끄덕여지는 것을 느꼈습니다.
최종 합격 후 받은 피드백
채용 담당자에게 받은 피드백은 "이프랜드 종료를 긍정적으로 해석한 마케팅 지원자가 인상적이었다"는 것이었습니다. 대부분의 마케팅 지원자들이 이프랜드 종료를 언급하지 않거나 부정적으로 언급했지만, P.J.는 이를 SKT의 전략적 결정으로 해석하고 자신의 마케팅 전략에 연결한 것이 차별화됐습니다. 또한 "T우주 AI 큐레이션 Lock-in 전략을 마케팅 경제학(전환 비용) 관점에서 분석한 것이 마케팅 깊이를 증명했다"는 평가도 받았습니다.
내 자소서, SK텔레콤 마케팅 합격 기준에 맞나요?

커리어던 AI 자소서 진단으로 T우주·에이닷 서비스 이해·리텐션 수치·AI 그로스 역량 표현을 지금 바로 점검하세요

무료 자소서 진단 받기