면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
대외활동에서 CS팀과 공동으로 사용자 불편 개선안을 도출한 경험이 있습니다. CS팀이 반복적으로 받는 문의를 유형별로 정리했더니, 특정 기능의 사용 방법을 모르겠다는 문의가 전체의 35%를 차지했습니다. 이를 근거로 해당 기능에 온보딩 가이드를 추가하는 개선안을 기획하고 개발팀과 협의해 반영했습니다. 배포 후 2주 동안 해당 유형의 문의가 50% 줄었고, CS팀에서도 긍정적인 피드백이 왔습니다. 유관 부서 협업에서 배운 건, 각 부서는 서로 다른 데이터를 가지고 있어 함께 보면 놓쳤던 패턴이 보인다는 것입니다. 사용자 개선은 제품팀 단독보다 현업 데이터를 가진 부서와 함께할 때 더 빠르게 진행됩니다.
유관 부서 협업에서 제가 또 본 건 각 부서가 다른 데이터를 가졌다는 점입니다. 제품팀만으로는 안 보이던 게, CS팀의 문의 데이터와 합치니 패턴이 드러났습니다. 그래서 각자 가진 데이터를 한자리에 모아 함께 보는 자리를 만들었습니다. 한 번은 우리가 못 본 사용자 불편을, CS팀 데이터가 정확히 가리킨 것을 봤습니다. 혼자 분석했다면 추측에 머물렀을 것입니다.
사용자 개선은 제품팀 단독보다, 현업 데이터를 가진 부서와 함께할 때 빨랐습니다. 그래서 협업의 출발은, 서로 다른 데이터를 합쳐 같은 그림을 보는 것이었습니다.
그 협업 개선안에서 제가 본 결과는 수치로 효과를 확인한 것입니다. CS 문의의 35%가 특정 기능 사용법을 모른다는 것이었고, 온보딩 가이드를 추가한 뒤 2주 동안 그 유형 문의가 50% 줄었습니다. 막연히 '나아졌다'가 아니라, 문의 감소율이라는 숫자로 확인했습니다. CS팀에서도 긍정적인 피드백이 왔습니다.
수치로 안 보이면, 개선이 진짜 통했는지 몰랐습니다. 또 그 결과를 공유하니, 다음에도 부서들이 협력해줬습니다. 기여가 보여야 협업이 이어졌기 때문입니다. 그래서 개선 후에는 늘 효과를 데이터로 정리하려 했습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.