이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
사이드 프로젝트에서 처음 사용자를 모을 때 PMF를 찾는 과정에서 가설 검증 순서가 중요하다는 걸 배웠습니다. 기능을 다 만들기 전에 랜딩 페이지만 먼저 배포해 이메일 등록 수를 봤는데, 관심 있는 사람이 예상보다 훨씬 적었습니다. 인터뷰를 5명만 해봐도 이게 왜 필요한지 모르겠다는 피드백이 나왔고, 핵심 가치 제안 자체를 바꾸는 방향으로 피벗했습니다. 두 번째 버전은 문제 정의를 좁혔고, 같은 채널에서 등록률이 3배 올랐습니다.
PMF 이전에는 빠른 출시보다 빠른 학습이 우선이라는 걸 이 경험으로 체감했고, 이후 프로젝트에서도 검증을 먼저 시작하는 습관이 생겼습니다.
PMF를 찾는 과정에서 사용자 인터뷰와 실제 행동 데이터가 말이 다르다는 걸 경험했습니다. 인터뷰에서 유용할 것 같다고 한 기능을 출시했는데, 실제 사용자의 80%가 그 기능을 한 번도 쓰지 않는 패턴이 보였습니다. 인터뷰에서는 원한다고 했지만, 실제로는 쓰지 않은 것이었습니다. 이후엔 기능 출시보다 제일 원시적인 버전으로 실제 문제를 해결해주는 흐름을 한 번 완주해보는 것을 먼저 시도했습니다.
Wizard of Oz 방식으로 수동 처리를 자동화된 척 운영해봤는데, 진짜 쓰는 사람과 안 쓰는 사람이 바로 걸러졌습니다. PMF는 말이 아닌 행동에서만 확인된다는 걸 그때 배웠습니다.
PMF를 찾는 과정에서 기능보다 타겟이 잘못된 경우가 더 흔하다는 걸 경험했습니다. 처음엔 일반 사용자를 대상으로 만들었는데 이탈률이 높았고, 지표를 뜯어보니 지속적으로 돌아오는 소수의 사용자 패턴이 있었고, 그들의 직업과 상황이 비슷했습니다. 인터뷰를 깊게 해보니 일반 사용자가 아닌 특정 직군에서만 이 문제를 절실하게 느낀다는 걸 알았습니다. 타겟을 좁히고 메시지를 바꿨더니 전환율이 전월 대비 2.4배 올랐습니다. 실패 지표를 방치하지 않고 누가 쓰는지를 분석하면 피봇 방향이 나온다는 걸 배웠습니다. PMF는 모두를 위한 제품이 아니라 특정 사람에게 꼭 필요한 제품으로 좁혀지는 과정이라는 걸 이 경험으로 몸에 익혔습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 올웨이즈 데이터·AI 일반 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.