이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 때 앱 내 광고 배치 방식을 변경하는 실험에 참여했습니다. 기존은 고정 배너 방식이었는데, 네이티브 광고와 삽입형 광고 두 가지를 A/B 테스트로 비교했습니다. 클릭률, 노출당 수익, 이탈률을 동시에 측정했고, 네이티브 광고가 클릭률은 낮지만 이탈률도 낮아 장기 수익 기여가 높다는 결과가 나왔습니다. 단순히 클릭률만 보면 오해하기 쉬운 결과였는데, 다중 지표를 동시에 보는 것이 올바른 결론으로 이어진다는 걸 그 경험에서 배웠습니다. 광고 모델 개발에서 중요한 건 단기 수익과 사용자 경험을 동시에 고려하는 설계입니다. 수익이 높아도 이탈을 만들면 장기적으로 플랫폼 가치를 깎는 결과가 됩니다.
단기 수익과 사용자 경험을 동시에 설계하는 것이 지속 가능한 광고 수익 모델의 핵심입니다.
광고 수익화 모델을 테스트할 때 가장 먼저 정한 것은 어떤 지표를 성공 기준으로 볼 것인가였습니다. CTR(클릭률)만 높이면 수익이 따라오지 않는 경우가 있어서, eCPM(노출 1,000회당 예상 수익)을 핵심 지표로 정하고 모델마다 이 지표를 비교했습니다.
eCPM은 광고 형식, 위치, 타겟팅 방식의 차이를 하나의 숫자로 비교할 수 있어서 여러 모델을 동시에 평가할 때 유용했습니다. 같은 노출에서도 광고 타입에 따라 eCPM이 2~3배 차이가 나는 경우를 확인하면서, 단순 노출 수보다 광고 유형 구성이 더 중요하다는 것을 알았습니다. A/B 테스트로 각 모델의 eCPM을 통계적으로 검증한 뒤 전환 여부를 결정했습니다.
지표 선택이 최적화 방향을 결정합니다. eCPM 기준 모델 비교가 광고 수익화 테스트의 기본 틀이었습니다.
광고 수익화에서 모델 전체를 동일하게 적용하는 것보다 사용자 세그먼트별로 다르게 적용하는 것이 더 효과적이라는 걸 테스트를 통해 확인했습니다. 신규 사용자와 장기 사용자는 광고에 반응하는 패턴이 달라서, 같은 광고 형식도 사용자 그룹에 따라 CTR과 이탈률이 다르게 나타났습니다.
세그먼트별 A/B 테스트로 각 그룹에 최적화된 광고 유형을 찾아가는 방식이 수익에 가장 큰 영향을 줬습니다. 전체 평균만 보면 보이지 않는 차이가 그룹을 나누면 선명하게 드러나는 경우가 많습니다. 이 경험이 데이터 분석에서 전체 지표보다 세그먼트별 지표를 먼저 보는 습관으로 이어졌습니다.
평균은 문제를 숨기고, 세그먼트는 문제를 드러냅니다. 세그먼트별 A/B 테스트 설계가 광고 수익화 최적화의 핵심 접근이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 데이터 사이언티스트 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.