

구성원 인터뷰 - 캐릭터톡 스쿼드 PO 강철님
포스타입의 AI 캐릭터 챗 서비스 캐릭터톡을 소개하는 인터뷰였습니다. 신규 이용자 전환 개선 사례와 스쿼드의 실험 중심 운영 방식도 함께 다뤘습니다.



포스타입의 AI 캐릭터 챗 서비스 캐릭터톡을 소개하는 인터뷰였습니다. 신규 이용자 전환 개선 사례와 스쿼드의 실험 중심 운영 방식도 함께 다뤘습니다.

한국어·일본어 전용 토크나이저를 기존 LLM 백본에 이식해 토큰 효율을 개선했습니다. 실서비스 A/B에서 GPU 사용량과 응답 지연을 줄이고 이용 시간을 높였습니다.

글로벌 상담 AI Agent의 메인 모델을 GPT-5.6 Luna로 바꾼 이유를 자체 벤치마크로 설명했습니다. 공개 리더보드보다 실제 워크로드에서의 품질, 비용, 속도를 함께 보고 전환했습니다.


포스타입의 개인화 추천이 태그 한계를 벗어나 벡터와 하이브리드 검색으로 동작하는 방식을 설명했습니다. 오프라인 검증과 A/B 테스트를 통해 추천 성과가 개선된 사례도 함께 소개했습니다.
당근 실험플랫폼이 지표 UI화, 상호배제 그룹, Experiment MCP로 실험 운영 병목을 줄인 사례를 소개했습니다. 실험 설계와 반복 작업을 더 빠르고 편하게 만들기 위한 구조와 자동화 방향을 다뤘습니다.

신생 스쿼드로 시작했지만 실제로는 인수 제품의 PMI와 성장 구조 구축을 동시에 진행한 분기였습니다. LTV와 CAC를 개선하며 다음 딜까지 준비했고, 복붙보다 상황별 대응이 중요하다는 배움을 얻었습니다.

블랙프라이데이 성공 이후의 실패 경험을 바탕으로, 빠른 실행보다 문제 정의가 먼저라는 점을 돌아봤습니다. 뷰티 사례에서는 흩어진 증정품 정보를 가격 판단 맥락에 연결하는 방향으로 다시 접근했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

최소주문금액바에 대한 4번의 A/B 실험을 통해 전환과 객단가의 관계를 검증했습니다. 메인 지표와 보조 지표를 함께 보며 다음 가설을 만드는 과정의 중요성을 정리했습니다.

검색 리랭킹의 콜드 스타트와 임베딩 공간 불일치 문제를 안정화 기법으로 해결했습니다. 오프라인과 A/B 테스트에서 성능과 매출 개선도 확인했습니다.

AI 코드 리뷰의 신뢰성을 높이기 위해 자체 벤치마크와 반영률 지표를 만들고 개선 과정을 정리했습니다. 서브에이전트와 프롬프트 튜닝의 한계를 확인한 뒤 데이터 기반으로 모델과 워크플로를 바꿨습니다.

미국 시장을 겨냥해 알라미 사진 미션을 재설계하고 반복 개선한 사례를 다뤘습니다. 직접 사용과 데이터 검증으로 첫 경험을 쉽게 만들며 유입과 리텐션을 함께 끌어올렸습니다.

실험 경험이 없는 인턴 디자이너가 비회원 가입 퍼널 개선 실험을 설계한 과정을 공유했습니다. 기존 러닝을 분석해 명확한 가설을 세우고, 문구와 이미지 개선으로 전환율을 높였습니다.

실제 유저 반응으로 LLM의 재미를 평가하기 위해 A/B 테스트, MAB, 리더보드를 활용했습니다. 세 방식의 편향과 리스크를 보완하며 모델 탐색부터 최종 배포 검증까지 설계했습니다.

여기어때 App 업데이트 QA 프로세스를 단계별로 소개했습니다. 기획 검토부터 점진적 배포와 회고까지 안정적 배포를 위한 흐름을 정리했습니다.