이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
개인화 서비스를 기획할 때 제가 가장 중요하게 생각하는 것은 '어떤 데이터를 쓸 것인가'보다 '사용자가 어떤 상황에 있는가'를 먼저 이해하는 것입니다. 맥락 없이 데이터만 사용하면 개인화가 아니라 단순한 분류에 불과합니다.
수업 팀 프로젝트에서 콘텐츠 추천 기능을 기획했는데, 처음에는 클릭 기록만 보고 추천하는 방식으로 설계하였습니다. 피드백을 받으면서 '클릭한 이유'가 다를 수 있다는 점을 간과했다는 것을 알게 되었습니다. 같은 콘텐츠를 클릭한 사람도 정보 목적과 오락 목적이 다를 수 있는데, 이를 구분하지 못하면 추천이 빗나갑니다. 실패는 맥락 변수를 설계 단계에서 고려하지 않은 것이었습니다.
개인화는 사용자를 단순히 분류하는 기술이 아니라, 현재 이 사람에게 어떤 것이 적합한지를 판단하는 과정이라고 생각합니다.
개인화 서비스를 기획할 때 빠질 수 없는 고려 요소가 '얼마나 개인화할 것인가'와 '사용자가 어느 정도의 데이터 활용을 허용할 것인가'의 균형이라고 생각합니다.
팀 과제에서 추천 기능을 설계하면서 사용자 데이터 활용 범위를 논의했는데, 팀 안에서도 의견이 나뉘었습니다. 더 많은 데이터를 쓸수록 추천 정확도가 올라가지만, 사용자가 '내가 감시당하는 것 같다'는 느낌을 받으면 서비스를 떠난다는 사례를 조사하면서 데이터를 많이 모을수록 좋다는 게 답이 아니라는 걸 알게 됐어요. 실패는 처음에 정확도 지표만 보고 프라이버시 거부감을 설계 요소로 안 넣은 것이었습니다.
개인화 서비스는 얼마나 잘 추천하느냐만큼, 사용자가 그 추천을 편하게 받아들이느냐도 함께 설계하는 것이 중요합니다.
개인화 서비스에서 제가 핵심이라고 생각하는 건 '사용자가 지금 무엇을 하려는가'를 먼저 이해하는 것입니다. 클릭 기록이나 구매 이력은 그 목표를 추정하는 신호일 뿐, 목표 자체가 아니에요.
개인 프로젝트로 학습 콘텐츠 추천 기능을 기획할 때 '사용자가 입력한 학습 목표'를 첫 화면에서 받는 방식을 설계했습니다. 데이터가 쌓이기 전에도 명시적인 목표 정보를 활용해서 초기 추천 품질을 높이는 구조예요. 실패는 목표를 너무 상세하게 물어보게 설계했다가 입력을 완료하는 사용자가 적어진 것이었는데, 질문을 줄이고 선택지로 바꿨습니다.
개인화는 사용자를 더 많이 아는 게 아니라, 지금 이 사람이 원하는 것을 더 정확하게 이해하는 것이 목표입니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 마켓컬리 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.