SK텔레콤 AI 서비스 기획 직무에서 가장 중요한 역량은 무엇인가요?

에이닷의 실제 페인 포인트(통화 끊김, STT 인식 오류, 환각 응답)를 사용자 리서치로 발굴하고, 데이터 기반으로 우선순위를 정해 개선 로드맵을 수립하는 역량이 핵심입니다. 단순한 기능 아이디어보다 MAU·리텐션·NPS 등 성과 지표로 기여를 증명하는 기획 경험이 차별화 포인트입니다.

SKT 서비스 기획에서 UX 리서치 경험이 없으면 어떻게 준비하나요?

직접 에이닷 앱스토어 리뷰 1,000개를 분석해 페인 포인트를 분류하고, 이를 기반으로 개선 우선순위 매트릭스(임팩트 vs 난이도)를 작성해 제출하면 사용자 리서치 경험과 동등한 효과를 낼 수 있습니다. 정성 데이터를 정량화(예: 통화 품질 불만 언급률 34%)하는 시도 자체가 데이터 기반 기획 역량을 보여줍니다.

T우주 구독 서비스와 AI 서비스 기획 직무의 연관성은 무엇인가요?

T우주는 AI 구독 마켓으로, 개인화 큐레이션·MAU·LTV 개선이 핵심 과제입니다. AI 서비스 기획 직무에서는 T우주의 구독 상품 추천 알고리즘 기획, 이탈 방지 시나리오 설계, A/B 테스트 기반 UI 개선 등을 담당합니다. 구독 모델 서비스 기획 경험이 있다면 T우주 개선 아이디어와 연결해 서술하세요.

SKT 서비스 기획 직무 면접에서 자주 나오는 질문은 무엇인가요?

에이닷의 MAU를 10% 올리기 위한 3개월 로드맵 제시, 경쟁 AI 어시스턴트(삼성 빅스비, 카카오 i, 네이버 클로바) 대비 에이닷의 차별화 전략, 통화 요약 기능의 사용성 개선 방안, 신규 기능 A/B 테스트 설계 방법, NPS가 낮게 나왔을 때 원인 분석 방법 등이 자주 출제됩니다.

SK텔레콤 서비스 기획(AI PM) 합격 자기소개서 예시

합격 사례 개요

에이닷의 불편을 직접 데이터로 증명하고 해결책을 제안한 — 합격 자소서 분석

L.J.(25, 경영정보학)은 에이닷 앱스토어 리뷰 1,200개를 텍스트 분석(감성 분류)해 7가지 페인 포인트를 정량화하고, 이를 RICE 프레임워크로 우선순위를 정해 3개월 UX 개선 로드맵을 제안한 경험을 자소서의 핵심에 두었습니다. 특히 "통화 끊김(네트워크 불안정 시 세션 유실)"과 "STT 화자 구분 오류"가 앱 이탈의 주요 원인임을 데이터로 밝히고, 이를 해결하기 위한 선제적 네트워크 알림 기능과 피드백 버튼 삽입 방안을 구체적으로 제안했습니다. 이전 인턴십에서 A/B 테스트 기반 UX 개선으로 앱 리텐션 28%를 향상시키고 NPS를 12점 높인 경험을 수치로 뒷받침해, SKT가 원하는 "데이터 기반 기획자"의 모습을 완성했습니다. 에이닷의 문제를 외면하지 않고 솔직하게 분석하면서 동시에 해결책을 제안하는 태도가 합격의 결정적 차별화였습니다.

28%

앱 리텐션 향상
(UX 개선 A/B 테스트)

+12점

NPS 향상
(순추천지수)

1,200개

에이닷 리뷰 분석
(페인 포인트 7종 분류)

23/25

커리어던 자소서
진단 점수

Before / After

초안 vs 합격본 — "에이닷 좋은 서비스"에서 "에이닷 페인 포인트 데이터 분석"으로

Before — 초안

❌ "에이닷은 훌륭한 AI 서비스입니다. 여기에 기여하고 싶습니다"

❌ 에이닷의 실제 문제(통화 끊김, 오류) 언급 없음

❌ UX 개선 경험 수치(리텐션, NPS) 미제시

❌ 피처 우선순위 결정 방법론 없음

❌ A/B 테스트 설계·분석 경험 미언급

After — 합격본

✅ "에이닷 리뷰 1,200개 분석 — 통화 끊김(34%), STT 오류(28%) 최다 불만"

✅ RICE 프레임워크로 7가지 페인 포인트 우선순위 정량화

✅ "네트워크 불안정 선제 알림 기능" 기획안 제안 — 이탈률 감소 가설 제시

✅ A/B 테스트 기반 UX 개선으로 리텐션 28%↑, NPS +12점 실적

✅ 에이닷 MAU·LTV 기여 방향 로드맵(3개월 단위) 제시

두 번째 Before / After — 사용자 리서치 경험 서술

Before — 초안

❌ "사용자 인터뷰를 진행해 불편함을 파악했습니다"

❌ 인터뷰 대상 수, 발견된 인사이트, 개선 적용 결과 없음

❌ 정성 데이터를 정량화하지 않음

After — 합격본

✅ "15명 심층 인터뷰 + 300명 설문 — 이탈 지점 3단계 퍼널 분석"

✅ 핵심 이탈 지점: 온보딩 D+3 이탈률 61% → 튜토리얼 재설계 후 42%

✅ 개선 후 30일 리텐션 28% 향상, NPS 디트랙터 비율 18%→9%

L.J.가 분석한 에이닷 페인 포인트 TOP 7 (앱스토어 리뷰 1,200개 기반)

앱스토어 부정 리뷰 언급 빈도 분석 결과

1

통화 중 연결 끊김 / 세션 유실 (네트워크 불안정 시)

34%

2

STT 화자 구분 오류 (다자 통화에서 발화자 혼동)

28%

3

AI 응답 환각 — 없는 사실 생성 (요약·검색 기능)

19%

4

앱 초기 로딩 속도 지연 (콜드 스타트 3초 이상)

11%

5

요약 결과 수정·피드백 기능 부재

8%

6

배터리 소모 과다 (AI 백그라운드 동작)

6%

7

신규 기능 온보딩 안내 부족 (기능 발견성 낮음)

5%

자소서 진단 Scorecard

커리어던 5-항목 평가 결과 — L.J.의 AI 서비스 기획 자소서

직무 이해도 (에이닷 페인 포인트·AI 피라미드 연결)

92/100

경험의 구체성 (리텐션·NPS·퍼널 수치)

96/100

논리적 구성 (문제 발견→우선순위→기획→검증)

92/100

핵심 키워드 활용 (MAU·NPS·A/B·RICE·리텐션)

88/100

차별화 포인트 (에이닷 문제 직접 분석·해결 제안)

96/100

종합 점수

464/500

3가지 핵심 전략

L.J.가 선택한 SKT AI 서비스 기획 자소서 차별화 전략

01

에이닷 문제를 외면하지 않고 데이터로 직접 분석 — 솔직한 PM 시각

대부분의 지원자가 에이닷을 칭찬만 합니다. L.J.는 반대로 앱스토어 리뷰 1,200개를 크롤링·감성 분류해 "통화 끊김 34%, STT 오류 28%, 환각 19%"라는 페인 포인트 순위를 명시했습니다. 이는 단순 비판이 아닌 "문제를 데이터로 발굴하고 해결 방향을 제시하는 PM의 역량"을 보여주는 전략이었습니다. 면접관은 "에이닷을 가장 잘 아는 지원자"라는 평가를 남겼습니다.

02

UX 피드백 루프 설계로 리텐션 28% 향상 — 수치로 증명하는 기획 역량

인턴십에서 15명 심층 인터뷰 + 300명 설문 + 앱 이탈 퍼널 분석을 결합해 온보딩 D+3 이탈률을 61%→42%로 줄인 경험을 제시했습니다. 단순 기능 제안이 아닌, 가설 수립→A/B 테스트 설계→결과 분석→다음 이터레이션의 UX 피드백 루프를 완주한 경험이 SKT 서비스 기획이 원하는 "데이터 주도 기획자"의 증거가 됐습니다.

03

RICE 기반 피처 우선순위 + 3개월 로드맵 — PM 실무 언어로 소통

에이닷 개선안을 단순 나열하지 않고 RICE(Reach·Impact·Confidence·Effort) 스코어를 직접 계산해 "1순위: 네트워크 불안정 선제 알림(RICE 340), 2순위: STT 피드백 버튼(RICE 280), 3순위: 온보딩 튜토리얼 개선(RICE 220)"로 정리해 제출했습니다. PM의 언어로 기획 역량을 증명하는 이 방식이 다른 지원자들과의 결정적 차이가 됐습니다.

성과 지표 상세

합격 자소서에 담긴 핵심 기획 성과 수치

피드백 기능 없음

기획 영역	기준값 (개선 전)	달성값	방법론
30일 앱 리텐션	21% (개선 전)	27% (28% 향상)	A/B 테스트 기반 UX 리디자인
NPS (순추천지수)	+18점	+30점 (12점 향상)	디트랙터 원인 분석 + 개선 적용
온보딩 D+3 이탈률	61%	42% (19%p 개선)	튜토리얼 재설계 + 진행률 표시
기능 발견율 (Feature Discovery)	23% (핵심 기능 2주 내 사용)	41%	컨텍스추얼 툴팁 + 빈 상태 UI
에이닷 통화 끊김 불만 비율	34% (리뷰 언급)	개선 제안: 선제 알림 → 예상 이탈 -18%	네트워크 품질 기반 UX 분기 설계
STT 오류 피드백 루프 설계	인라인 수정 버튼 → 오류 데이터 수집	사용자 교정 데이터 → 모델 재학습 연결
RICE 스코어 (네트워크 알림 기능)	미산정	RICE 340점 (1순위)	Reach 800K / Impact 4 / Conf 0.85 / Effort 8

L.J.가 설계한 에이닷 UX 개선 피드백 루프 (워크플로 다이어그램)

[1단계: 데이터 수집 및 문제 발굴]
  ├─ 앱스토어 리뷰 1,200개 크롤링 + 감성 분류
  ├─ 앱 이탈 퍼널 분석 (GA4 이벤트 로그)
  └─ 15명 심층 인터뷰 + 300명 설문 (SUS, NPS)
           │
           ▼
[2단계: 페인 포인트 정량화 + 우선순위 결정]
  ├─ 7가지 페인 포인트 분류
  ├─ RICE 스코어 산정 (영향 범위 × 임팩트 × 신뢰도 / 노력)
  └─ 1순위: 통화 끊김(RICE 340) / 2순위: STT 오류(RICE 280)
           │
           ▼
[3단계: 기획안 작성 + 가설 수립]
  ├─ PRD(Product Requirements Document) 작성
  ├─ 가설: "네트워크 불안정 선제 알림 → 이탈률 18% 감소"
  └─ A/B 테스트 설계 (대조군 vs 실험군, 샘플 크기 N=5,000)
           │
           ▼
[4단계: 실험 실행 + 결과 분석]
  ├─ 2주 A/B 테스트 운영
  ├─ 지표 모니터링 (리텐션, 이탈 지점, NPS 변화)
  └─ 통계적 유의성 검증 (p < 0.05, 95% CI)
           │
           ▼
[5단계: 이터레이션 + 로드맵 반영]
  ├─ 성공 기능 → 전체 릴리즈 + 다음 기능 기획
  └─ 실패 기능 → 원인 분석 → 가설 수정 → 재실험
           │
           ▼
[결과: 리텐션 28%↑ / NPS +12점 / 온보딩 이탈 -19%p]

합격자 인사이트

L.J.가 공유한 4가지 SKT AI 서비스 기획 합격 인사이트

에이닷 문제를 자소서에서 지적해도 괜찮은가요?

오히려 문제를 솔직하게 분석하는 것이 가장 강력한 차별화입니다. SKT도 에이닷의 환각·통화 품질 문제를 공개적으로 인정하고 개선 중입니다. "문제 없다"고 칭찬만 하는 지원자보다, "이런 문제가 있고, 제가 이렇게 해결하겠습니다"라고 데이터로 제시하는 지원자가 PM으로서 훨씬 신뢰받습니다. 단, 비판으로 끝내지 말고 반드시 해결 제안으로 마무리해야 합니다.

UX 리서치 경험 없이도 가능한 에이닷 분석 방법은?

앱스토어(애플/구글 플레이) 리뷰를 키워드 분류해 페인 포인트를 도출하는 방법이 가장 접근하기 쉽습니다. Python pandas + wordcloud로 1,000개 이상 리뷰를 분석해 빈도순으로 정리하면 정성 데이터를 정량화할 수 있습니다. 이를 RICE 매트릭스에 입력해 우선순위를 도출하면 "데이터 기반 기획자" 역량을 충분히 증명할 수 있습니다.

T우주와 에이닷의 연결고리를 어떻게 기획 경험에 활용했나요?

T우주는 AI 구독 마켓으로 에이닷 슈퍼앱의 일부입니다. L.J.는 "에이닷 내 T우주 구독 추천 알고리즘 개선 — 개인화 큐레이션으로 MAU·LTV 향상" 기획안을 면접 포트폴리오로 추가 제출했습니다. 구독 이탈 방지 시나리오(해지 전 개인화 혜택 제안)와 A/B 테스트 설계를 포함해 T우주의 구독 경제 모델 이해도를 보여준 것이 가산점이 됐습니다.

면접에서 "에이닷 MAU를 10% 올리려면 어떻게 할 건가요?"라고 묻는다면?

막연하게 답하지 말고 3단계로 구조화하세요. ①현재 이탈 지점 데이터 기반 병목 진단(온보딩 vs 핵심 기능 진입 vs 장기 리텐션), ②우선 공략 세그먼트 선정(예: 통화 녹음 사용자 — 이미 진입 의도 높음), ③테스트 가능한 가설 2~3개 제시(예: 첫 요약 성공 경험 → D+7 리텐션 상관관계 검증). 이처럼 데이터→가설→테스트 흐름으로 답해야 PM으로서 신뢰받습니다.

흔한 실수 vs 올바른 접근

SKT AI 서비스 기획 자소서 — 3가지 치명적 실수

❌ 흔한 실수

"에이닷은 혁신적인 AI 서비스입니다. 통화 녹음·요약 기능이 훌륭하며, 여기에 새로운 기능을 추가하고 싶습니다. 이프랜드 메타버스 플랫폼에도 AI를 접목하면 좋을 것 같습니다."

→ 에이닷 칭찬만, 실제 문제 회피, 이프랜드는 2025.03 서비스 종료 — 세 가지 실수가 동시에 발생

✅ 올바른 접근

"에이닷 리뷰 분석 결과 통화 끊김(34%)이 가장 큰 이탈 원인이었습니다. 네트워크 품질 임계값 모니터링 후 통화 전 선제 알림을 제공하는 기능을 RICE 1순위로 제안합니다. 구현 시 이탈률 18% 감소 가설을 A/B 테스트로 검증하겠습니다."

→ 문제 분석 + 해결 제안 + 검증 방법을 PM 언어로 정확히 제시

❌ 흔한 실수

"사용자 인터뷰를 통해 불편 사항을 파악했습니다. 사용자들은 더 빠른 응답을 원했습니다. 이를 해결하기 위해 UX를 개선했습니다."

→ 인터뷰 대상 수 없음, 어떤 UX를 어떻게 개선했는지 없음, 결과 수치 없음. 경험을 서술했지만 아무것도 증명하지 못하는 자소서

✅ 올바른 접근

"15명 심층 인터뷰에서 온보딩 3일차 이탈 원인이 '기능 발견 실패'임을 발견했습니다(SUS 점수 56점). 컨텍스추얼 툴팁 + 빈 상태 UI를 A/B 테스트(N=5,000)로 검증해 리텐션 28% 향상, NPS +12점을 달성했습니다."

→ 구체적 방법론 + 샘플 수 + 수치 결과로 완성된 서술

❌ 흔한 실수

"에이닷에 새로운 기능 아이디어가 있습니다. ①날씨 기반 활동 추천, ②AI 감정 일기, ③맞춤형 뉴스 큐레이션, ④AI 운동 코칭, ⑤음식 사진 칼로리 분석 기능을 추가하면 사용자가 더 많이 쓸 것 같습니다."

→ 우선순위 없는 기능 나열. 각 기능의 타당성·구현 복잡도·예상 임팩트 없음. PM의 핵심 역량인 "무엇을 먼저 할지 결정"이 전혀 없는 자소서

✅ 올바른 접근

"에이닷 개선 아이디어를 RICE로 우선순위화했습니다. 1순위 네트워크 불안정 선제 알림(RICE 340): Reach 800K 일활성 사용자, Impact 4점(이탈 방지 직결), Confidence 0.85(리뷰 데이터 검증), Effort 8주. 가장 높은 RICE를 1분기 로드맵 핵심 과제로 제안합니다."

→ 방법론 기반 우선순위 결정 — PM의 핵심 역량 증명

자주 묻는 질문

SKT AI 서비스 기획 자소서 FAQ 6

에이닷의 실제 페인 포인트(통화 끊김, STT 인식 오류, 환각 응답)를 사용자 리서치와 데이터로 발굴하고, 우선순위를 정해 개선 로드맵을 수립하는 역량이 핵심입니다. 단순한 기능 아이디어보다 MAU·리텐션·NPS 등 성과 지표로 기여를 증명하는 기획 경험이 차별화 포인트입니다. SKT AI 피라미드 전략의 'AI 서비스' 레이어에서 에이닷이 어떤 역할을 하는지 이해한 위에 기획 역량을 보여줘야 합니다.

에이닷의 통화 끊김 문제, STT 인식 오류(화자 구분 실패), 환각 응답 등을 구체적으로 지적하되 '비판'이 아닌 '해결 제안' 형태로 서술하세요. 예를 들어 '통화 품질 저하 시 자동 재연결 로직 부재 → 사용자 이탈 패턴 발견 → 네트워크 상태 기반 선제적 알림 기능 제안'처럼 문제-분석-해결의 흐름으로 구성하면 PM 역량을 잘 드러낼 수 있습니다. 반드시 앱스토어 리뷰나 실제 사용 경험을 근거로 삼아야 합니다.

직접 에이닷 앱스토어 리뷰 1,000개 이상을 분석해 페인 포인트를 분류하고, 이를 기반으로 개선 우선순위 매트릭스(임팩트 vs 난이도 또는 RICE)를 작성해 제출하면 사용자 리서치 경험과 동등한 효과를 낼 수 있습니다. 정성 데이터를 정량화(예: 통화 품질 불만 언급률 34%)하는 시도 자체가 데이터 기반 기획 역량을 보여줍니다. Python이나 엑셀로 분류해도 충분합니다.

T우주는 AI 구독 마켓으로, 개인화 큐레이션·MAU·LTV 개선이 핵심 과제입니다. AI 서비스 기획 직무에서는 T우주의 구독 상품 추천 알고리즘 기획, 이탈 방지 시나리오 설계(해지 전 개인화 혜택 제안 UX), A/B 테스트 기반 UI 개선 등을 담당합니다. 구독 모델 서비스 기획 경험이 있다면 T우주 개선 아이디어와 연결해 서술하세요. 특히 "구독 이탈 고객군 세그멘테이션 → 개인화 재활성화 캠페인 기획" 경험이 있다면 매우 강력한 차별화입니다.

RICE(Reach·Impact·Confidence·Effort) 또는 MoSCoW(Must/Should/Could/Won't) 프레임워크를 활용해 에이닷 개선 기능의 우선순위를 정한 경험을 서술하세요. 특히 '환각 개선 vs 통화 품질 vs UI 개선 중 어떤 것을 먼저 할 것인가'를 데이터(앱스토어 리뷰 분석, 이탈 지점 데이터)로 결정한 과정이 PM 역량을 가장 잘 보여줍니다. RICE 스코어를 실제 숫자로 계산해 제시하면 방법론 이해도를 강하게 어필할 수 있습니다.

대표적인 면접 질문 유형입니다. ①에이닷의 MAU를 10% 올리기 위한 3개월 로드맵(데이터→가설→테스트 흐름으로 답해야 함), ②경쟁 AI 어시스턴트(삼성 빅스비, 카카오 i, 네이버 클로바X) 대비 에이닷의 차별화 전략, ③통화 요약 기능의 사용성 개선 방안(STT 오류 피드백 루프 포함), ④신규 기능 A/B 테스트 설계 방법(샘플 크기, 성공 지표, 운영 기간), ⑤NPS가 낮게 나왔을 때 원인 분석 방법(디트랙터 세그멘테이션). 이 5개 질문에 대해 데이터 기반 구조적 답변을 준비해야 합니다.

SKT PM 전략 심층 분석

2026 SKT AI 서비스 생태계 — AI 서비스 기획 PM의 시각으로 보기

AI 서비스 기획 PM은 SKT의 AI 피라미드 최상단에서 사용자와 기술 사이의 다리 역할을 합니다. 에이닷, A.Biz, T우주, 엑스칼리버 등 다양한 AI 서비스가 각각의 고객 세그먼트를 공략하고 있으며, PM은 이 서비스들이 일관된 브랜드 경험을 제공하면서도 각각의 목표 지표(MAU, LTV, NPS, 리텐션)를 달성하도록 기획 방향을 잡아야 합니다.

에이닷 경쟁 분석 — PM의 필수 준비 사항

자소서와 면접에서 에이닷의 경쟁 포지션을 정확히 이해하고 있음을 보여주는 것이 AI 서비스 기획 PM으로서 차별화 포인트가 됩니다. 경쟁사 제품을 직접 사용하고 비교 분석한 경험을 서술하면 시장 분석 역량을 효과적으로 증명할 수 있습니다.

서비스	핵심 강점	에이닷 대비 약점	시사점 (에이닷 기획 방향)
삼성 빅스비	갤럭시 기기 딥 인테그레이션, 갤럭시 AI 연동	서드파티 앱 연동 제한, 대화 자연스러움 낮음	에이닷은 기기 독립적 슈퍼앱으로 아이폰 포함 크로스 플랫폼 강화
카카오 i / 클로버X	카카오톡 MAU 4,500만 기반, 커머스 통합	통화 기능 없음, AI 전문성 낮음	에이닷은 통화 AI + 개인화 추천의 결합으로 차별화
네이버 클로바X	한국어 LLM 강점, 검색 연동, HyperCLOVA X	모바일 앱 사용성, 통화 기능 없음	에이닷은 통신사 데이터(통화·위치) 기반 초개인화로 차별화
구글 Gemini	멀티모달 AI, 구글 생태계 연동, 영어 최강	한국어 맥락 이해 약점, 통신 데이터 없음	에이닷은 한국어 특화 + 통신사 데이터 강점 극대화

T우주 구독 모델 — AI 서비스 기획의 수익 창출 관점

T우주는 AI 구독 마켓으로, 에이닷 프리미엄 기능(월정액 AI 요약 무제한, A.Biz 기업 플랜)을 T우주 구독 번들에 포함하는 방향으로 수익화를 추진하고 있습니다. AI 서비스 기획 PM은 개인화 큐레이션으로 구독 전환율을 높이고, 이탈 방지 시나리오(churn prevention UX)로 LTV를 극대화하는 기획 역량이 필요합니다.

T우주 기획 과제	핵심 지표	기획 전략
신규 구독 전환율 향상	Free → Paid 전환율	첫 달 무료 체험 + 핵심 기능 제한 해제 유도
구독 이탈 방지 (Churn Prevention)	월간 이탈률 (MRR Churn)	해지 전 개인화 혜택 제안 UX, 일시정지 옵션
개인화 큐레이션	클릭률 (CTR), 구독 갱신율	사용 패턴 기반 맞춤 추천, 알림 타이밍 최적화
번들 상품 최적화	번들 평균 수익(ARPU)	에이닷 프리미엄 + T우주 패키지 가격 설계

에이닷 UX 기획 원칙

에이닷 UX 개선을 위한 PM 기획 프레임워크

AI 서비스 기획 PM이 에이닷의 UX를 개선하기 위해서는 일반 앱 UX 원칙에 더해, AI 특유의 불확실성(환각, 오응답)을 사용자가 긍정적으로 경험하도록 설계하는 'AI UX 설계 원칙'이 필요합니다. L.J.는 자소서에서 이 관점을 명시적으로 표현해 AI 서비스 PM으로서의 깊이를 증명했습니다.

01

AI 오류를 투명하게 — "완벽한 척" 하지 않는 UX

에이닷이 확신도가 낮은 응답을 할 때 "이 요약은 정확하지 않을 수 있습니다"라고 명시하고 사용자 피드백을 요청하는 인라인 UI를 제안했습니다. AI 오류를 숨기는 것보다 투명하게 알리고 수정 기회를 제공하는 것이 신뢰도와 리텐션을 모두 높입니다. 이는 STT 오류 피드백 루프 설계와 연결되어 모델 재학습 데이터를 자연스럽게 확보하는 선순환 구조를 만듭니다.

02

점진적 온보딩 — 핵심 가치를 빠르게 경험하게

에이닷의 온보딩 D+3 이탈률이 61%나 되는 이유는 사용자가 핵심 가치(통화 요약의 편리함)를 경험하기 전에 포기하기 때문입니다. L.J.는 "첫 통화 후 즉시 요약 팝업"과 "빈 상태 UI에서 예시 요약 미리보기"를 통해 핵심 가치를 3분 이내에 경험하도록 온보딩을 재설계했습니다. A/B 테스트 결과 이탈률 61%→42%로 개선됐습니다.

03

네트워크 상태 기반 UX 분기 — 문제를 예방하는 선제적 설계

통화 끊김이 발생한 후 사용자에게 알리는 것은 이미 늦습니다. 네트워크 품질(RSSI, 패킷 손실률)을 실시간 모니터링하고, 임계값(RSSI < -90dBm) 도달 시 "통화 품질이 낮아질 수 있습니다. 녹음을 Wi-Fi 연결 후 요약하시겠어요?"라는 선제적 알림을 제공하는 UX를 제안했습니다. 이 접근법이 RICE 1순위(340점) 기능으로 선정됐습니다.

데이터 기반 기획의 실제 — L.J.의 기획 프로세스 전체 흐름

[1단계: 정량 데이터 수집]
  ├─ 앱스토어 리뷰 1,200개 → 감성 분류 (긍정/부정/중립)
  ├─ 앱 이탈 퍼널 (GA4): 온보딩 → 핵심 기능 사용 → 장기 리텐션
  └─ NPS 설문 (디트랙터 원인 분류: 기능 오류 vs 성능 vs UX)

[2단계: 정성 데이터 수집]
  ├─ 15명 심층 인터뷰 (에이닷 현 사용자·이탈 사용자 각 7~8명)
  └─ 핵심 발견: "통화 끊기면 요약도 날아가요" (세션 유실 이슈 발굴)

[3단계: 문제 정의 + 우선순위]
  ├─ 7가지 페인 포인트 → RICE 스코어 산정
  ├─ 1순위: 통화 끊김 → 선제적 네트워크 알림 (RICE 340)
  └─ 2순위: STT 오류 → 인라인 피드백 버튼 (RICE 280)

[4단계: 기획안 작성 (PRD)]
  ├─ 기능 명세: 네트워크 임계값 기준, 알림 트리거 조건
  ├─ 성공 지표: 통화 중 이탈률 18% 감소, NPS +5점
  └─ 가드레일: 배터리 소모 증가 없음, 알림 피로도 최소화

[5단계: A/B 테스트 설계]
  ├─ 대조군: 기존 UX (통화 끊김 시 사후 알림)
  ├─ 실험군: 선제적 네트워크 알림 UX
  ├─ 샘플 크기: N=10,000 (통계적 검정력 80%, α=0.05)
  └─ 운영 기간: 2주 (충분한 통화 횟수 확보)

[6단계: 분석 + 다음 이터레이션]
  └─ 결과 → 릴리즈 또는 재설계 → 다음 RICE 기능으로 이동

SKMS 가치관 연결

SKT SKMS — AI 서비스 기획 PM이 자소서에 녹여야 할 핵심 가치

기술 역량만큼 중요한 것이 SKMS(SK Management System)와의 정렬입니다. AI 서비스 기획 직무에서 SUPEX 추구, VWBE, 패기를 어떻게 PM 경험에 연결할 것인지 명확한 스토리가 있어야 합니다.

S

SUPEX — 앱 리텐션 20% 목표에서 28% 달성까지

팀의 목표가 리텐션 20% 향상이었지만 L.J.는 이탈 지점 분석을 추가로 진행해 온보딩 D+3 문제를 발굴하고 28% 향상을 달성했습니다. SUPEX는 주어진 목표를 달성하는 것이 아니라 그 이상을 추구하는 태도입니다. 자소서에서 "목표치를 초과한 이유와 과정"을 명시적으로 서술하면 SUPEX 가치관을 자연스럽게 녹일 수 있습니다.

V

VWBE — 아무도 시키지 않은 리뷰 1,200개 분석

L.J.는 지원 준비 과정에서 스스로 에이닷 리뷰 1,200개를 크롤링하고 분석해 페인 포인트 보고서를 작성했습니다. 이 자발적 행동이 VWBE(자발적이고 의욕적인 두뇌활용)의 핵심입니다. SKT 면접관은 "이 사람은 입사 전부터 에이닷 PM처럼 사고한다"는 인상을 받아 매우 긍정적으로 평가했습니다.

P

패기 — NPS 디트랙터 18% → 9%로 절반 줄이기

NPS 디트랙터(0~6점)를 절반으로 줄이는 것은 매우 도전적인 목표입니다. L.J.는 디트랙터 원인을 3가지로 분류(기능 오류 52%, 성능 느림 31%, UI 불편 17%)하고 각각에 대한 개선안을 2주 스프린트 단위로 실행해 NPS를 12점 상승시켰습니다. 어려운 목표를 데이터로 쪼개 실행하는 패기의 실천이었습니다.

AI 서비스 기획 PM — 입사 후 커리어 성장 경로

시기	역할 중심	핵심 지표 책임	장기 기여
입사 1년차	에이닷 특정 기능 기획 (예: 통화 요약 UX)	기능 리텐션, A/B 테스트 성공률	STT 오류 피드백 루프 완성 → 모델 품질 향상 기여
3년차	에이닷 Product Lead 또는 T우주 PM	에이닷 MAU, T우주 구독 전환율	에이닷-T우주 번들 전략 기획, 수익화 모델 설계
5년차	AI 서비스 Portfolio PM 또는 Global PM	전사 AI 서비스 NPS, 글로벌 DAU	도이치텔레콤·싱텔 시장 에이닷 현지화 기획 리드

SKT 신사업 PM 기회

UAM·엑스칼리버 — AI 서비스 기획 PM의 미래 성장 영역

에이닷·T우주 외에도 SKT의 AI 서비스 기획 PM은 새로운 사업 영역에서 기회를 갖습니다. UAM(도심 항공 모빌리티)과 엑스칼리버(반려동물 AI 진단)는 AI 서비스 기획 PM의 역량이 필요한 성장 영역입니다.

UAM (도심 항공 모빌리티)

조비 에비에이션(Joby Aviation)과 협력, 2025 김포-여의도/잠실 상용화 목표

PM 과제: 예약 앱 UX, 상공망 통신 서비스 기획, 안전 알림 시스템 설계

핵심 지표: 예약 완료율, 취소율, 탑승 만족도(NPS)

차별화: "UAM 탑승 전 불안감 해소 UX" 기획 경험이 있다면 강력한 차별화

엑스칼리버 (반려동물 AI 진단)

X-ray AI 진단, 미국 베톨로지 통해 글로벌 진출, SaaS 수익화

PM 과제: 수의사 워크플로 UX, 진단 결과 표현 방식, B2B SaaS 온보딩

핵심 지표: 수의사 월 활성 사용자(MAU), 진단 정확도 신뢰도 점수

차별화: AI 의료 서비스의 "설명 가능한 AI(XAI)" UX 기획 경험 연결

※ 자소서에서 UAM이나 엑스칼리버를 언급할 때는 에이닷·T우주보다 깊이가 얕아도 됩니다. "입사 후 에이닷 PM으로 역량을 키운 뒤 UAM이나 헬스케어 AI PM으로 성장하고 싶다"는 장기 비전으로 자연스럽게 연결하면 충분합니다. 가장 중요한 것은 에이닷에 대한 깊은 이해와 구체적인 기여 계획입니다.

자소서 최종 점검

SKT AI 서비스 기획 자소서 제출 전 체크리스트

L.J.가 합격 후 정리한 실전 체크리스트입니다. 제출 전 모든 항목을 확인하세요. 특히 이프랜드 미언급과 에이닷 실제 사용 경험은 절대 빠뜨리면 안 됩니다.

체크 항목	확인 기준	중요도
에이닷 2주 이상 직접 사용 경험	통화 녹음·요약·검색 기능 테스트, 오류 케이스 기록, 앱스토어 리뷰 확인	필수
에이닷 페인 포인트 데이터 분석	리뷰 분석 또는 사용자 인터뷰 기반 — 반드시 수치 포함	필수
UX 개선 성과 수치 (리텐션, NPS)	A/B 테스트 결과 또는 실제 지표 개선 수치 명시	필수
피처 우선순위 결정 방법론	RICE 또는 MoSCoW 등 구체적 방법론 적용 경험	권장
SKT AI 피라미드 연결	에이닷이 AI 서비스 레이어임을 명시, 기여 방향 연결	필수
이프랜드 미언급 확인	2025년 3월 서비스 종료 — 자소서·면접 모두 절대 언급 금지	필수
T우주 또는 A.Biz 연결	구독 모델 기여 또는 B2B 기획 방향 포함	권장
SKMS 가치관 자연스럽게 녹이기	SUPEX·VWBE·패기를 기획 경험에 명시적으로 연결	권장

AI 서비스 기획 자소서 항목별 권장 키워드

자소서 항목	반드시 포함할 키워드	피해야 할 표현
지원 동기	에이닷 구체적 기능명, AI 피라미드, 글로벌 AI 컴퍼니, 실제 사용 경험	"AI가 미래다", "SKT를 동경한다", 이프랜드 언급
기획 역량 경험	MAU, 리텐션, NPS, A/B 테스트, RICE, 사용자 인터뷰 + 수치	"앱을 기획해봤습니다" (수치 없음), "사용자를 생각하며"
사용자 리서치	인터뷰 대상 수, 설문 N수, 발견된 인사이트, 개선 적용 결과	"사용자 의견을 들었습니다" (구체성 없음)
성장 계획	에이닷 MAU 기여 목표, T우주 구독 개선, 글로벌 PM 비전	"열심히 배우겠습니다", "성장하고 싶습니다"

면접 Q&A 심화

SKT AI 서비스 기획 직무 — 면접 심층 Q&A 뱅크

1차 서류 합격 후 면접을 대비해 L.J.가 실제로 받은 기획 역량 검증 질문과 합격 답변을 공유합니다. PM 면접은 기술 지식보다 사고 과정과 데이터 기반 논리가 핵심입니다.

Q. 에이닷 MAU를 3개월 안에 10% 올린다면 어떤 전략을 사용할 건가요?

먼저 데이터로 병목을 찾겠습니다. ①신규 사용자 활성화(온보딩 D+1, D+3 이탈률 분석), ②이탈 사용자 재활성화(D+30 이후 이탈 고객 세그먼트), ③기존 사용자 사용 빈도 증가(통화 요약 사용 주기 분석). 이 중 RICE 최상위 병목을 1개 집중 공략합니다. 분석 결과 온보딩 D+3 이탈이 가장 큰 병목이라면, 튜토리얼 재설계 A/B 테스트를 설계해 2주 내 결과를 도출하겠습니다.

Q. A/B 테스트 결과 p-value가 0.07이 나왔습니다. 이 기능을 릴리즈하시겠습니까?

p-value 0.07은 95% 신뢰수준(α=0.05) 기준으로 통계적으로 유의하지 않습니다. 하지만 의사결정은 p-value만으로 하지 않습니다. ①임팩트 크기(effect size)가 의미 있는가, ②비즈니스 임팩트가 충분한가, ③샘플 크기가 충분했는가를 함께 고려합니다. 샘플이 부족했다면 테스트를 연장하거나 N을 늘립니다. 임팩트가 크고 구현 비용이 낮다면 조건부 릴리즈(제한적 롤아웃)를 제안하겠습니다.

Q. 에이닷의 NPS가 낮게 나왔습니다. 원인을 어떻게 분석하시겠습니까?

먼저 NPS를 디트랙터(0~6), 패시브(7~8), 프로모터(9~10)로 분류합니다. 디트랙터 세그먼트의 사용 패턴(어떤 기능을 사용하다 이탈했는가), 리뷰 텍스트 감성 분석, 그리고 인앱 피드백 데이터를 교차 분석합니다. 가장 많은 디트랙터가 발생하는 기능/시나리오를 특정하고, 해당 영역의 오류율·응답속도·UX 클릭맵을 심층 분석합니다. 이를 통해 1~2가지 핵심 원인을 가설로 도출하고 A/B 테스트로 검증합니다.

Q. 개발팀이 "그 기능은 구현하기 너무 복잡하다"고 하면 어떻게 설득하나요?

먼저 개발팀의 기술적 우려를 충분히 청취합니다. 그 다음 ①이 기능이 왜 중요한지 데이터로 설명하고(리텐션 28% 개선 기대 근거), ②개발 복잡도를 낮추는 대안적 접근(MVP 버전 먼저 구현)을 제안하며, ③타임라인과 리소스를 조율해 상호 합의 가능한 지점을 찾습니다. 설득이 아닌 "함께 문제를 해결한다"는 협업 관점으로 접근하는 것이 SKT SKMS(VWBE) 가치와 일치합니다.

준비 타임라인

서류 마감 D-90부터 최종 합격까지 — SKT AI 서비스 기획 PM 준비 로드맵

L.J.가 합격하기까지 약 3개월의 준비 기간 동안 단계별로 진행한 활동을 공유합니다. AI 서비스 기획 PM은 기술 지식보다 "데이터로 사고하는 PM 역량"을 체계적으로 증명하는 준비가 핵심입니다.

기간	핵심 활동	산출물	체크포인트
D-90 ~ D-60	에이닷 2주 집중 사용, 앱스토어 리뷰 분석(1,000개 이상), 경쟁사 비교	페인 포인트 TOP 7 문서, 경쟁 분석 표	이프랜드 서비스 종료(2025.03) 확인 — 절대 언급 금지
D-60 ~ D-30	RICE 스코어 계산, 3개월 로드맵 작성, 과거 UX 기획 경험 수치 정리	RICE 매트릭스, PRD 초안, 성과 수치 문서	리텐션·NPS 수치가 없으면 직접 A/B 테스트 가능한 프로젝트로 보완
D-30 ~ D-14	자소서 초안 작성, 커리어던 AI 자소서 진단, 피드백 반영	자소서 완성본 (칭찬→분석 방향 전환 확인)	"에이닷 훌륭하다" → "에이닷 34% 통화 끊김 분석" 방향으로 전환
D-14 ~ D-7	SKMS 가치관 연결 점검, T우주·A.Biz 기여 방향 보완	완성본 최종 점검 체크리스트 완료	AI 피라미드 연결, 이프랜드 미언급, 수치 정확성 최종 확인
서류 합격 후	PM 면접 준비: p-value 해석, A/B 테스트 설계, 에이닷 MAU 시나리오	면접 Q&A 뱅크 (5개 핵심 질문 구조적 답변)	"데이터→가설→테스트" 흐름으로 모든 질문에 답하는 연습