좋은 아이디어보다 더 중요한 질문
포스타입에서 90일간 경험한 프로덕트 디자이너의 회고를 담았습니다. 좋은 아이디어보다 문제 정의와 실험 중심의 의사결정이 더 중요하다고 이야기했습니다.
A/B test 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
포스타입에서 90일간 경험한 프로덕트 디자이너의 회고를 담았습니다. 좋은 아이디어보다 문제 정의와 실험 중심의 의사결정이 더 중요하다고 이야기했습니다.
PM 반복 업무를 재현 가능한 AI 워크플로우로 정리한 사례를 소개했습니다. 데이터 검증, 승인, 산출물 연결까지 포함해 조직 지식으로 축적하는 방법을 설명했습니다.
포스타입 비즈니스팀 리드 인터뷰로, 데이터 기반 의사결정과 빠른 실험 문화를 소개했습니다. 유튜브 쇼츠 사례와 함께 실패를 학습 자산으로 삼는 리더십과 채용 기대사항을 전했습니다.

알라미는 광고 수익화를 제품처럼 다루며 매 분기 실험으로 매출 상방을 다시 열었습니다. 검증된 수익화 구조를 외부 앱에 적용하는 DARO도 함께 소개했습니다.
무신사, 29CM, 솔드아웃의 분리된 회원 시스템을 하나의 통합 ID로 연결하는 런치 여정을 소개했습니다.\nFederated Identity, 점진적 롤아웃, 자동화 검증으로 무중단 전환과 안정성을 확보했습니다.
데이터 실험의 목적은 결과를 좋게 만드는 것이 아니라 인과를 신뢰성 있게 검증하는 데 있음을 설명했습니다. p-hacking을 줄이기 위한 실험 문화와 지표 프레임워크의 필요성을 강조했습니다.

미리디 프로덕트 디자인팀의 데이터 기반 문제 정의와 협업 중심 일하는 방식을 소개했습니다. 실제 사례와 함께 디자인 시스템, 피드백 문화, 실험적 개선 과정을 보여주었습니다.

인도 사용자 리서치를 바탕으로 금융 용어를 더 직관적인 표현으로 바꾼 사례를 소개했습니다.용어 수정과 보조 설명, A/B 테스트로 이해도와 클릭 반응을 개선했습니다.
탐색 흐름에 맞춘 광고 UX 실험으로, 피로감은 줄이고 클릭과 전환을 높이는 방법을 살펴보았습니다. 광고는 많이 보여주는 것보다 맥락에 자연스럽게 녹아들 때 더 효과적임을 확인했습니다.

여러 가격 모델의 결과를 Multi-Armed Bandit과 Thompson Sampling으로 통합하는 방식을 소개했습니다. 최근 성과를 반영하는 sliding window와 scoring으로 최종 할인율을 선택했습니다.

퀸잇 제품팀은 블프 성과를 높이기 위해 행사 인지 강화를 핵심 가설로 세웠습니다. 잇데이에서 사전 검증 후 블프에 적용해 구매전환과 객단가를 개선했습니다.
리팩토링을 통해 팀 협업 방식과 코드 구조를 함께 개선한 과정을 공유했습니다. 데일리 미팅, Mob Programming, 점진적 리팩토링으로 유지보수성과 이해도를 높였습니다.

회원가입 플로우를 전면 개선해 불필요한 클릭과 입력을 줄였습니다. 그 결과 소요 시간은 26% 감소하고 완료율과 VOC 지표도 개선됐습니다.

비즈니스 목표와 유저 니즈가 만나는 지점을 찾아 대출 전환율을 높인 사례를 정리했습니다. 승인 가능성 정보와 더 나은 조건 노출로 신청·실행 이탈을 줄였습니다.
여기어때 객실 카드 개선 과정에서 사용자 서베이와 실험으로 숙소 탐색과 객실 탐색의 정보 우선순위 차이를 확인했습니다. 카드의 일관성과 확장성을 위해 정보 표현 방식과 UI를 통일하고 모듈형 구조를 고민했습니다.

마케팅 비용 최적화를 uplift modeling과 multiple treatments 관점에서 다룬 사례를 정리했습니다. 랜덤화 데이터 수집부터 DML 추정, AUUC 평가, CPA 검증까지의 실무 흐름을 설명했습니다.

B마트 테마관을 오픈 후에도 데이터와 리서치로 계속 개선한 과정을 소개했습니다. 협업과 단계적 적용을 통해 탐색 편의성과 구매 전환을 높인 사례입니다.

SSG의 개인화 추천 서비스 AI Pick 베타 개발 과정을 소개했습니다. 관련성·다양성·신기함을 기준으로 설계하고 내부 테스트와 지표 개선 결과를 공유했습니다.

퍼즐봇과 유저 행동 데이터를 바탕으로 퍼즐 스테이지의 품질을 수치화하는 지표를 설계했습니다.\n폴리싱 효율을 높이기 위해 총 미션 수 구간별 기준을 달리 적용하고 사내 테스트로 검증했습니다.

네이버 통합 검색은 성능 리포트와 알람으로 웹 성능 변화를 지속적으로 모니터링했습니다. 또한 JavaScript 로딩 시점을 조정해 LCP를 개선하고 오류를 함께 관리했습니다.