예시 답변 1
약 90초
CTR 예측 모델과 Multi-objective 최적화
광고 추천에서 CTR(클릭률) 예측과 Multi-objective 최적화를 조합하는 방식을 선호합니다. 단순 CTR 최적화만 하면 클릭은 많지만 전환율이 낮은 광고가 과다 노출되는 현상이 반복됩니다. 이를 해결하기 위해 CTR, CVR(전환율), 광고주 만족도 세 가지 목표를 동시에 최적화하는 Multi-task Learning 모델을 활용했습니다. 사용 데이터는 사용자 행동 로그(클릭, 체류, 전환)와 광고 소재 특성, 문맥 데이터(시간대, 기기)를 함께 활용했습니다. 평가는 오프라인 AUC와 함께 온라인 A/B 테스트로 실제 CTR·ROAS 변화를 측정했습니다. 결과적으로 CTR은 8% 향상되면서 ROAS도 12% 개선됐고, 사용자 만족도(광고 클로즈율)도 낮아졌습니다. 이 경험으로 단일 지표 최적화의 함정을 실전에서 체감했습니다.
이 결의 특징
CTR 단독 최적화의 함정을 경험으로 먼저 제시하고, Multi-task Learning으로 CTR·CVR·광고주 만족도 세 지표를 동시에 잡은 흐름이 보입니다. '클릭은 많지만 전환율이 낮은 광고가 과다 노출된다'는 현상 진단이 구체적이어서, 기법 나열이 아닌 문제 정의에서 출발하는 결로 자주 보입니다.
면접관이 다음에 할 행동
'세 지표 가중치를 어떻게 설정했나요?'처럼 Multi-task 설계 세부를 파고드는 꼬리질문이 이어지는 자리입니다. CTR+8%·ROAS+12%라는 복합 수치가 동시에 제시돼 있어 어느 지표를 어떻게 균형 잡았는지 확인하고 싶어지는 흐름이 자주 보입니다.