이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
마케팅 프로젝트에서 고객 이탈률이 높은 구간을 찾아야 했을 때, 정량 데이터(이탈 시점·클릭률)와 정성 데이터(고객 인터뷰 녹취)를 함께 분석했습니다. 숫자만 보면 특정 페이지에서 이탈이 많다는 건 알았지만, 이유를 알 수 없었습니다. 인터뷰 내용을 보니 페이지 내 정보가 너무 많아서 원하는 걸 찾기 어렵다는 패턴이 발견됐습니다. 두 데이터를 교차하자 '정보 과잉 → 탐색 포기 → 이탈'이라는 흐름이 명확해졌고, 팀과 공유해 페이지 레이아웃 개선을 제안했습니다. 이 경험으로 정량 데이터는 어디서 문제가 생기는지, 정성 데이터는 왜 생기는지를 알려준다는 걸 배웠습니다. 이 경험으로 두 종류의 데이터를 교차할 때 비로소 원인이 보인다는 걸 배웠고, 정성 데이터가 정량 데이터의 이유를 채워준다는 관점이 생겼습니다.
동아리 운영을 맡으면서 행사 참여율이 계속 줄어드는 문제를 마주했습니다. 정량 데이터(출석률, 행사별 신청 수)를 먼저 정리해보니 오후 늦은 시간대 행사에서 참여율이 두드러지게 낮았습니다. 수치만으로는 이유를 알 수 없어서 회원들에게 짧은 설문과 직접 대화를 병행했고, 시간이 애매하다는 의견이 반복됐습니다.
정량 데이터가 어디서 문제가 생기는지를 보여줬다면, 정성 데이터는 왜 그 시간대가 문제인지를 채워줬습니다. 이 두 가지를 교차하자 단순 시간 조정만으로 참여율을 개선할 수 있다는 방향이 나왔고, 운영진과 공유해 다음 행사 일정을 바꿨습니다. 참여율이 한 회 만에 이전 평균을 회복했고, 이 경험으로 문제를 정의하기 전에 두 가지 관점의 데이터를 함께 가져가는 것이 중요하다는 걸 배웠습니다.
인턴십에서 부서 내 업무 병목을 분석하는 태스크를 받았습니다. 처음에는 담당자가 바빠서라고 생각했는데, 업무별 소요 시간을 직접 기록해 수집한 데이터를 보니 특정 승인 단계에서 대기 시간이 집중되는 패턴이 있었습니다. 정량 수치는 어디서 막히는지를 알려줬지만, 왜 그 단계가 오래 걸리는지는 보이지 않았습니다. 담당자와 짧은 인터뷰를 진행했더니 승인 요청 양식이 표준화되지 않아 매번 내용을 다시 확인해야 한다는 이유가 나왔습니다. 두 데이터를 합치자 병목의 원인이 사람이 아니라 프로세스 설계에 있다는 게 명확해졌고, 양식 표준화를 제안했습니다.
개선 이후 해당 단계의 대기 시간이 절반 이하로 줄었고, 이 경험으로 문제의 원인을 데이터로 먼저 좁히고, 맥락은 사람에게서 채운다는 접근이 생겼습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 당근마켓 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.