이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
정량적 데이터로 우선순위를 설정할 때 가장 먼저 보는 건 임팩트 크기와 노력 대비 효과입니다. 대외활동에서 개선 후보 기능이 5개 있었는데, 각각의 예상 클릭률 개선폭과 개발 공수를 함께 정리해 우선순위 매트릭스를 만들었습니다. 그 결과 가장 짧은 개발 공수로 가장 높은 임팩트를 낼 것으로 예상한 기능을 먼저 진행했고, 실제로 A/B 테스트에서 클릭률 15% 개선이 확인됐습니다. 정량 데이터만으로 우선순위를 정하기 어려운 경우도 있었습니다. 데이터가 없는 신기능은 정성적 사용자 인터뷰 결과를 함께 활용해 보완했습니다. 우선순위 결정은 완벽한 데이터를 기다리는 것이 아니라, 가진 데이터를 최대한 활용해 가장 빠르게 검증할 수 있는 것부터 선택하는 것이라 생각합니다.
정량 데이터로 우선순위를 정할 때 제가 쓴 방법은 여러 후보를 같은 기준으로 점수화해 비교하는 것입니다. 대외활동에서 개선 후보가 여러 개일 때, 감으로 고르면 목소리 큰 의견이 이기기 쉬웠습니다. 그래서 저는 얼마나 많은 사용자에게 영향을 주는지, 효과가 얼마나 클지, 그 가설이 얼마나 확실한지, 개발에 드는 노력은 얼마인지를 각각 점수로 매겨 비교했습니다. 이렇게 같은 잣대로 줄을 세우니, 왜 이것을 먼저 하는지를 팀에 설득하기도 쉬웠습니다. 다만 점수가 비슷하면 결국 판단이 필요해, 숫자는 출발점일 뿐이었습니다. 우선순위는 각 후보를 같은 기준으로 견줘 근거를 만드는 것이지, 점수가 자동으로 답을 주는 것은 아니라고 생각합니다.
정량 데이터로 우선순위를 정하며 제가 의식한 한계는 측정하기 쉬운 것이 꼭 중요한 것은 아니다라는 점입니다. 단기 전환율이 높게 나오는 과업이 점수상 1위가 되지만, 정작 그것이 제품의 장기 방향과 어긋나는 경우가 있었습니다. 숫자만 따르면 당장 보기 좋은 것에 자원을 쓰고, 근본적인 가치를 놓칠 수 있습니다. 그래서 저는 정량 점수를 입력으로 쓰되, 그것이 전략 방향과 맞는지를 한 번 더 확인합니다. 점수와 전략이 충돌하면, 왜 점수가 높은데도 뒤로 미루는지를 이해관계자에게 설명하는 것이 필요했습니다. 또 데이터가 없는 신기능은 점수를 매기기 어려워 사용자 인터뷰로 보완했습니다. 우선순위는 숫자와 전략을 함께 보는 판단이지, 어느 하나에만 맡기는 것이 아니라고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 무신사 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.