이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
프로덕트 메트릭을 정의하고 분석해 인사이트를 도출한 경험은 수업 프로젝트에서 서비스의 핵심 성과 지표를 설계하고 데이터로 검증한 것입니다. 가장 먼저 한 건 이 서비스가 궁극적으로 만들어야 하는 가치를 하나의 북극성 지표로 정의하는 것이었습니다. 여러 지표를 동시에 보면 어느 방향으로 최적화해야 할지 불명확해집니다. 데이터 분석에서는 전체 지표보다 특정 사용자 세그먼트에서 지표가 어떻게 다른지를 보는 것이 실행 가능한 인사이트를 만들어줍니다. 평균은 문제를 가릴 수 있습니다. 가설을 세우고 데이터로 검증하는 방식이 직관에 의존하는 것보다 신뢰도 높은 의사결정을 만듭니다.
데이터는 무엇이 일어났는지를 보여주고, 왜인지는 추가 분석이나 사용자 인터뷰로 채웁니다. 메트릭은 측정하는 것이 아니라 팀이 같은 방향으로 달리게 만드는 것입니다.
프로덕트 지표를 분석하며 제가 어렵게 느낀 것은 전체 평균만 보면 문제가 보이지 않는다는 점이었습니다. 과제에서 전체 사용 지표는 안정적으로 보였는데, 실제로는 한 그룹이 빠르게 떠나고 다른 그룹이 그것을 가리고 있었습니다. 그래서 저는 지표를 사용자 그룹별로 쪼개 보는 절차를 더했습니다. 신규와 기존, 활동량이 많은 사용자와 적은 사용자를 나눠 보니, 어디서 진짜 문제가 생기는지가 드러났습니다. 평균은 문제를 평평하게 만들어 숨깁니다. 그래서 저는 지표를 볼 때 합계를 먼저 보되, 반드시 의미 있는 기준으로 나눠 어느 그룹이 다른지를 확인합니다. 실행 가능한 인사이트는 전체가 아니라 특정 그룹의 차이에서 나온다는 것을 그 과제에서 배웠습니다.
지표 분석에서 제가 중요하게 본 것은 분석으로 끝나지 않고 실행으로 잇는 것입니다. 과제에서 데이터로 어느 단계에서 이탈이 많은지를 찾았지만, 왜 그런지는 숫자만으로는 알 수 없었습니다. 그래서 저는 데이터가 보여준 지점을 사용자 인터뷰로 확인해 원인을 채우는 절차를 더했습니다. 데이터는 무엇이 일어났는지를, 사용자는 왜인지를 알려줬습니다. 그렇게 원인을 잡은 뒤에야 구체적인 개선안을 낼 수 있었습니다. 또 개선 후에는 그 지표가 실제로 움직였는지를 다시 측정해 효과를 확인했습니다. 지표는 보기만 하면 숫자에 그치고, 그것을 행동으로 옮기고 다시 검증할 때 비로소 의미가 생긴다고 생각합니다. 그래서 저는 메트릭을 팀이 같은 방향을 보게 하는 도구로 씁니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 프로덕트 매니저 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.