우문현답
愚 問 賢 答
회사별 면접직군별진행 방식
    홈›회사별›피처링›AI 리서처›질문 상세
    問
    피피처링AI 리서처직무 역량2026년 출제

    AI 기반 마케팅 전략을 수립했던 경험이 있다면, 어떤 데이터 분석을 통해 어떤 전략을 세웠는지 이야기해 주세요.

    답변 미리보기

    인턴 기간 중 이탈 고객 재참여 캠페인에서 AI를 처음 실무에 붙였습니다. 고객 행동 로그 3개월치를 분석해 이탈 확률 상위 20%를 타겟으로 세분화했고, 이…

    예상 답변 시간
    60~90초
    예상 꼬리질문
    3회
    난이도
    난이도 중상
    출제 빈도
    높음
    INTERVIEWER'S INTENT · 면접관의 의도

    이 질문, 네 갈래로 뜯어봅니다.

    면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.

    問
    01
    AI를 어디에 붙였는가?
    타겟팅·콘텐츠 생성·이탈 예측 중 어떤 자리에 AI를 썼는지 본인의 정의가 답에 있어야 합니다. 'AI를 활용했다'로 시작하는 답은 면접관이 '뭘 풀려고요?'를 추가로 묻는 자리가 자주 보입니다.
    骨
    02
    어떤 데이터로 모델을 받쳤는가?
    고객·행동·캠페인 로그 중 어떤 데이터를 어떤 양으로 썼는지 흔적이 있어야 합니다. 모델만 말하고 데이터 출처가 빠진 답은 가설 수준에 머문다는 결로 통합니다.
    語
    03
    AI 결과를 어떻게 검증했는가?
    예측·세그먼트가 실제 캠페인 성과와 어떻게 맞았는지 검증한 흔적이 있어야 합니다. AB 테스트나 대조군 없이 '잘됐다'고 한 답은 측정 감도가 약하다는 결로 보입니다.
    本
    04
    AI의 한계를 인지하고 있는가?
    데이터 편향·콜드스타트·블랙박스 해석 같은 한계를 인지하고 다룬 흔적이 있어야 합니다. AI를 만능으로 다룬 답은 깊이 의심이 들어가는 자리가 자주 보입니다.
    말로 해봐야 는다
    읽는 것과 말하는 건 다릅니다.
    이 질문, 소리 내어 답해 볼까요?
    피처링 면접관 페르소나가 이 질문을 던지고, 당신의 답에 꼬리질문으로 되물어요.
    음성으로 답해보기
    이탈 예측 모델을 타겟팅에 적용하고 AB 테스트로 검증한 결약 73초배포 후 로그 기반 분포 모니터링으로 재검증 운영 결설명가능성 확보로 현업 신뢰와 활용도 연결 결
    예시 답변 1
    약 73초

    이탈 예측 모델을 타겟팅에 적용하고 AB 테스트로 검증한 결

    인턴 기간 중 이탈 고객 재참여 캠페인에서 AI를 처음 실무에 붙였습니다. 고객 행동 로그 3개월치를 분석해 이탈 확률 상위 20%를 타겟으로 세분화했고, 이 세그먼트에만 다른 할인 메시지를 노출하는 방식으로 AB 테스트를 설계했습니다. 2주 후 재참여율이 대조군 대비 18% 높게 나왔는데, 곧바로 해석하기 전에 이탈 예측 모델이 과거 구매 데이터 기반이라 신규 고객에게는 분포가 다를 수 있다는 점을 팀에 공유했습니다.

    콜드스타트 구간에서는 타겟팅 정확도가 떨어지는 걸 확인하고, 신규 고객은 별도 세그먼트로 분리하는 방식으로 후속 캠페인을 설계했습니다. AI 적용 효과보다 한계를 팀에 명시하는 흐름이 신뢰로 이어진다는 걸 이 경험에서 배웠습니다.

    이 결의 특징
    이탈 고객 재참여 캠페인에서 이탈 확률 상위 20% 세그먼트에 다른 할인 메시지를 노출하는 AB 테스트를 설계해 대조군 대비 재참여율이 18% 높게 나왔으나, 이탈 예측 모델이 과거 구매 데이터 기반이라 신규 고객에게는 분포가 다를 수 있다는 점을 팀에 공유하고 콜드스타트 구간 정확도 저하를 확인해 신규 고객을 별도 세그먼트로 분리한 흔적이 있습니다.
    이 결이 통하는 자리
    결과 공유와 함께 한계 명시, 개선 후속 작업까지 이어진 흐름이 설명될 때 통합니다. AI 효과보다 한계를 팀에 명시하는 흐름이 신뢰로 이어진다는 인식이 살아 있는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.
    예시 답변 2

    배포 후 로그 기반 분포 모니터링으로 재검증 운영 결

    마케팅 모델을 배포하고 나서도 검증이 다시 시작된다는 걸 인턴 프로젝트에서 직접 경험했습니다. 구매 의도 예측 모델을 캠페인 시스템에 연결한 지 3주 후, 예측 점수 분포가 초기 테스트 때와 눈에 띄게 달라졌다는 걸 로그를 보다가 발견했습니다. 학습 데이터에 없었던 대형 프로모션 이벤트가 연속 발생하면서 모델이 전반적으로 낮은 점수를 내고 있었고, 그대로 타겟팅에 쓰면 세그먼트 품질이 무너질 자리였습니다. 팀에 바로 보고했고, 그 이후부터 예측 점수 분포를 매주 시각화해 기준 범위를 벗어나면 알림이 오는 루틴을 별도로 추가했습니다.

    배포 당일 정확도가 아니라 운영 중 분포 이상을 얼마나 빨리 감지하는가가 진짜 검증 결임을 그 자리에서 처음 실감했습니다. 모델 하나를 믿고 쓰는 것과 계속 확인하며 쓰는 것은 전혀 다른 운영 결이라는 경험이었습니다.

    이 결의 특징
    구매 의도 예측 모델 배포 3주 후 대형 프로모션 이벤트 연속 발생으로 예측 점수 분포가 초기와 달라진 것을 로그에서 발견하고, 이후 예측 점수 분포를 매주 시각화하고 기준 범위를 벗어나면 알림이 오는 루틴을 추가한 흔적이 있습니다. 배포 당일 정확도가 아니라 운영 중 분포 이상을 얼마나 빨리 감지하는가가 진짜 검증이라는 결이 직접 경험에서 굳어진 자리가 자주 보입니다.
    이 결이 통하는 자리
    학습 외 이벤트로 점수 분포가 달라진 발견 경험과 분포 이상 감지 루틴 신설이 인과로 설명될 때 통합니다. 모델 하나를 믿고 쓰는 것과 계속 확인하며 쓰는 것이 다른 운영 결이라는 인식이 살아 있는 자리에서 면접관의 신뢰가 생기는 결이 자주 보입니다.
    예시 답변 3

    설명가능성 확보로 현업 신뢰와 활용도 연결 결

    AI 예측 결과가 실제 의사결정 자리에서 설명되지 않으면 신뢰를 잃는다는 걸 캠페인 업무 중 처음 체감했습니다. 이탈 예측 모델이 특정 고객군에 높은 재참여 확률을 부여했는데, 마케팅 팀에서 "왜 이 고객들이 높게 나왔냐"는 질문이 들어왔을 때 모델 내부를 설명할 수 없었습니다.

    블랙박스 구조의 모델이 출력한 점수를 그대로 믿고 전략을 짜는 것이 어떤 위험을 안고 있는지 그 자리에서 실감했습니다. 이후 SHAP 값으로 기여 변수를 시각화하는 방식을 공부해 어떤 피처가 예측에 영향을 줬는지 팀에 설명할 수 있는 흐름을 만들었습니다. 예측 정확도가 높아도 설명이 안 되면 현업에서 쓰이지 않는 자리가 자주 있다는 걸 그 경험이 알려줬습니다. AI를 도구로 쓰는 자리와 AI를 온전히 신뢰하는 자리는 서로 다른 결에 있다고 생각합니다.

    이 결의 특징
    AI 예측 결과가 설명되지 않으면 신뢰를 잃는다는 것을 마케팅 팀에서 왜 이 고객들이 높게 나왔냐는 질문이 들어왔을 때 설명할 수 없었던 경험에서, 이후 SHAP 값으로 기여 변수를 시각화해 어떤 피처가 예측에 영향을 줬는지 팀에 설명할 수 있는 흐름을 만든 흔적이 있습니다. 예측 정확도가 높아도 설명이 안 되면 현업에서 쓰이지 않는 자리가 생긴다는 결이 직접 경험에서 굳어진 자리가 자주 보입니다.
    이 결이 통하는 자리
    설명 불가 블랙박스 모델로 현업 신뢰를 잃은 경험과 SHAP 기반 설명 가능성 확보 방식이 인과로 설명될 때 통합니다. AI를 도구로 쓰는 자리와 온전히 신뢰하는 자리가 다른 결에 있다는 인식이 살아 있는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.
    !
    위 답변은 여러 풀이 중 한 가지 예시입니다. 정답이 아니며, 외워서 그대로 말하면 면접관이 다음 질문을 그 자리에서 시작하는 경우가 많습니다. 본인의 프로젝트·기준·숫자로 다시 짜는 자리로만 쓰세요.
    ✕자주 빠지는 자리

    같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.

    • ✕떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.
    • ✕선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.
    • ✕결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.
    • ✕지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.
    ▶이어질 꼬리질문

    진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.

    壹AI 예측이 빗나갔던 캠페인이 있었나요?
    貳AI 없이도 같은 결과를 낼 수 있었을 거란 질문을 받으면 어떻게 답하시겠어요?
    參현업이 AI 결과를 안 믿는다면 어떻게 설득하시나요?
    이제, 직접 답해볼 차례예요.
    눈으로 읽은 답은 면접장에서 나오지 않아요. 피처링 면접관과 이 질문으로 한 번 대화해 보세요.
    이 질문으로 모의면접 해보기
    또는, 다음 질문으로

    같은 흐름에서 자주 이어지는 질문들이에요.

    쿠팡 · 디지털·퍼포먼스 마케팅
    과거에 데이터 분석을 기반으로 한 마케팅 전략 개선 경험에 대해 이야기해 주세요.
    이 질문 보기
    DB그룹 · 금융·보험영업
    데이터 분석을 통한 마케팅 전략 수립 경험이 있다면 어떤 방법을 사용했는지 말씀해 주세요.
    이 질문 보기
    에코마케팅 · 디지털·퍼포먼스 마케팅
    AI를 활용해 마케팅 전략을 수립한 경험이 있다면 말씀해 주세요.
    이 질문 보기
    삼성물산 패션부문 · 디지털·퍼포먼스 마케팅
    데이터 분석을 통해 마케팅 전략을 개선한 사례가 있다면 공유해 주세요.
    이 질문 보기
    안내 · 이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 실제 출제·회사 공식 입장과는 무관하며, 정정 요청 시 24시간 내 반영합니다. 자세히
    개인정보처리방침이용약관문의
    © 2026 우문현답. All rights reserved.
    이 페이지 목차
    01면접관의 의도02답변의 결03실수·꼬리질문04관련 질문
    말로 해봐야 는다
    이 질문, 피처링 면접관과
    음성으로 답해볼까요?
    모의면접 해보기
    첫 회 무료 · 종료 즉시 음성 폐기