이 자리가 왜 생겼을까요
유니콘팩토리 보도에 따르면 숨고는 2026년 4월 홈 화면을 고객의 지역과 관심사 기준으로 바꿨고, 견적 요청 이력을 반영한 개인 맞춤형 추천을 상반기 안에 도입할 계획이라고 당시 밝혔습니다. 이 공고는 매칭 알고리즘, 검색 랭킹, 서비스·고수·콘텐츠 추천 모델의 고도화를 첫 업무로 적었고, 팀장은 고수와 고객 양쪽이 있는 생태계에서 다른 곳에서 경험하지 못하는 모델 개발을 하게 된다고 소개했습니다. 추천 모델을 서비스에 배포하고 A/B 테스트로 효과를 확인해 본 경험이 이 공고의 첫 업무와 직접 이어집니다.
숨고가 지금 어떤 사업에 집중하고 있는지는 숨고 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
매칭 알고리즘을 고도화해 고객과 고수의 매칭 성공률을 높입니다.
이렇게 볼 수 있어요
양면 시장의 핵심인 매칭이 첫 업무입니다. 추천이나 매칭 모델로 전환율을 올린 경험이 있다면 어떤 지표를 목표로 삼았는지부터 밝히는 편이 이 업무와 맞습니다.
통합 검색 품질을 높이기 위해 쿼리 분석과 랭킹 알고리즘을 고도화합니다.
이렇게 볼 수 있어요
검색 랭킹이 별도 업무로 적혀 있습니다. 검색 로그를 분석해 랭킹을 바꾼 경험이 있으면 오프라인 지표와 온라인 지표를 나란히 적는 게 좋습니다.
LLM을 활용해 채팅, 리뷰 등 비정형 데이터를 분석하고, 데이터 분석 분산화를 위해 데이터 분석 에이전트를 고도화합니다.
이렇게 볼 수 있어요
LLM을 분석 도구로 쓰는 일과 사내용 분석 에이전트를 만드는 일이 둘 다 들어 있습니다. 텍스트 데이터를 LLM으로 분류하거나 요약해 의사결정에 쓴 경험이라면 다룬 데이터 양과 결과가 숫자로 있어야 그 규모가 전해집니다.
유저 행동 데이터와 프로파일링 데이터로 서비스, 고수, 콘텐츠를 추천하는 모델을 고도화합니다.
이렇게 볼 수 있어요
김강세 대표는 고객의 이용 방식이 견적 요청에서 탐색·후기 중심으로 바뀌고 있다고 말했습니다. 고수 추천은 콘텐츠 추천과 달리 고수의 활동 지역과 받을 수 있는 일의 양에 제약이 있어, 같은 고수를 많은 고객에게 몰아 보여 주면 매칭이 오히려 막힐 수 있습니다. 대상이 여러 종류인 추천을 다뤄 봤다면 대상마다 다르게 설계한 부분을 설명해 보세요.
장기적으로는 CRM 타깃팅·메시지·타이밍 최적화 모델, SA·DA 광고비 최적화, 모델 모니터링 시스템 구축을 맡습니다.
이렇게 볼 수 있어요
SA·DA는 검색광고와 디스플레이광고를 말합니다. 같은 회사 Performance Marketer (고객 담당) 공고가 이 매체들의 예산을 요청서·CPR·ROAS로 운영합니다. CRM 타깃팅·타이밍 모델은 Braze로 캠페인을 운영하는 CRM Marketer 공고의 일과 이어지는 영역입니다. 입사 직후 맡는 일은 아니지만 마케팅 효율 모델이나 모델 모니터링을 해 봤다면 이력서에서 빼지 않는 편이 좋습니다.
2자격 요건
데이터 분석 및 모델링 유관 경험이 3년 이상 필요합니다.
이렇게 볼 수 있어요
자격 요건에 학습부터 배포·모니터링까지 MLOps 전 과정이 따로 있습니다. 분석가로 일하며 모델을 만든 경험이 있다면 공고 업무의 매칭·검색·추천과 이어지는 모델링 작업과 그 모델을 서비스에 붙여 본 과정을 자세히 적으세요.
Python으로 데이터를 처리하고 모델링할 수 있어야 합니다.
이렇게 볼 수 있어요
스택에는 Tensorflow·Scikit-learn과 함께 GCP의 Vertex AI, AWS의 Sagemaker가 적혀 있어 Python 코드가 데이터 처리부터 클라우드 학습·배포까지 쓰입니다. 직접 만든 모델의 처리 흐름을 코드 수준에서 설명할 수 있어야 합니다. 이 도구 가운데 써 본 것이 있으면 어느 단계에 썼는지 함께 적습니다.
모델 학습, 배포, 모니터링 등 MLOps 전 과정을 경험했어야 합니다.
이렇게 볼 수 있어요
분석 모델이 아니라 서비스에 배포된 모델의 경험을 요구합니다. 배포한 모델이 실제 트래픽을 받은 기간과 모니터링한 지표가 있으면 학습부터 모니터링까지 해 본 범위가 구체적으로 보입니다.
복잡한 비즈니스 로직을 쿼리로 구현하는 SQL 활용 능력이 필요합니다.
이렇게 볼 수 있어요
업무의 매칭 성공률만 해도 요청서와 견적처럼 여러 단계의 기록을 이어야 정의되는 지표라, 그런 정의를 쿼리로 옮기는 일이 이 요건의 「비즈니스 로직」에 해당할 수 있습니다. 스택의 BigQuery·Redash에서 학습 데이터나 라벨을 직접 쿼리로 만든 경험을 구체적으로 적어 보세요.
통계학, 머신러닝/AI 이론을 탄탄히 이해하고 적합한 방법론을 선택해 적용할 수 있어야 합니다.
이렇게 볼 수 있어요
양면 시장에서는 실험군 고객이 고수를 더 많이 가져가면 대조군의 결과까지 달라지는 간섭이 생겨, 지역이나 시간 단위로 나눠 실험하는 방법을 따로 고르기도 합니다. 같은 문제에서 다른 방법을 버리고 지금 방법을 고른 이유가 담긴 사례 하나가 이 요건에 대한 답이 됩니다.
문제 정의부터 데이터 수집, 모델링, 실험 설계(A/B Test), 결과 분석과 설득까지 전 과정을 주도해 본 경험이 필요합니다.
이렇게 볼 수 있어요
모델 성능만이 아니라 실험으로 효과를 확인하고 설득한 과정까지 요구합니다. A/B 테스트 결과로 의사결정을 바꾼 사례가 있다면 그 결정을 누구에게 어떻게 설득했는지까지 적어야 이 요건에 맞습니다.
PO나 비즈니스 담당자 같은 비기술 직군에게 분석 결과를 논리적이고 쉽게 설명할 수 있어야 합니다.
이렇게 볼 수 있어요
업무의 데이터 분석 에이전트 고도화는 「분석 분산화」, 곧 비기술 직군도 직접 데이터를 꺼내 보게 하려는 일입니다. 모델 결과를 PO나 기획자에게 설명해 제안이 채택된 경험이라면 어떻게 설명했는지와 함께, 상대가 스스로 데이터를 보게 만든 장치가 있었다면 그것까지 적을 수 있습니다.
3우대 사항
AWS, GCP 등 클라우드 환경에서 대용량 데이터를 처리하고 모델을 배포해 본 경험을 우대합니다.
이렇게 볼 수 있어요
스택에는 GCP의 BigQuery·Vertex AI와 AWS의 Sagemaker가 함께 있습니다. 같은 회사 Sr. Backend Engineer 공고는 AWS 인프라 운영을 우대합니다. 써 본 클라우드에서 어떤 서비스로 데이터를 처리하고 모델을 배포했는지 밝히고, 두 클라우드 사이에서 데이터를 옮겨 본 경험도 함께 적을 수 있습니다.
Airflow, MLflow 등 MLOps 도구로 모델 파이프라인을 구축하고 운영해 본 경험을 우대합니다.
이렇게 볼 수 있어요
Airflow는 학습·추론 작업의 순서와 일정을 돌리는 데, MLflow는 실험 기록과 모델 버전 관리에 주로 쓰입니다. 이 우대는 필수 요건의 MLOps 전 과정을 도구 단위로 나눈 것입니다. 장기 업무에 모델 모니터링 시스템 구축이 따로 있어 모니터링 쪽은 앞으로 갖춰 갈 부분일 수 있습니다. 파이프라인에서 직접 만든 부분과 운영만 한 부분을 나눠 적으면 숙련도가 보입니다.
LLM을 활용한 서비스 개발 경험이나 최신 NLP 트렌드에 대한 깊은 이해를 우대합니다.
이렇게 볼 수 있어요
업무의 비정형 데이터 분석과 분석 에이전트 고도화와 이어지는 우대입니다. LLM으로 서비스 기능을 만들어 봤다면 어떤 문제에 썼고 결과를 어떻게 평가했는지가 이 우대 사항의 핵심입니다.
인과 추론(Causal Inference) 방법론으로 가격 정책이나 마케팅 효과를 분석해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 팀의 장기 업무에는 CRM 메시지 최적화와 SA·DA 광고비 최적화가 있어, 인과 추론은 캠페인이나 광고비가 실제로 요청을 늘렸는지 확인하는 데 쓰일 수 있습니다. 가격 정책이나 마케팅 효과를 분석해 봤다면 쓴 방법과 그 분석으로 바뀐 예산이나 정책 결정을 함께 적으세요.
시계열 데이터 분석과 추천/개인화 모델(RecSys)을 실서비스에 적용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
추천 모델을 실제 서비스에 붙여 본 경험은 업무의 추천 모델 고도화와 바로 이어집니다. 시계열 분석도 했다면 어떤 예측에 썼는지 밝혀 두는 편이 낫습니다.
O2O 플랫폼, 이커머스 등 양면 시장(Two-sided Market)을 깊이 이해하거나, 통계·컴공·산업공학·수학 등 관련 전공 석사 이상 학위를 가지면 우대합니다.
이렇게 볼 수 있어요
팀장은 고수와 고객 양쪽이 있는 생태계에서 다른 곳에서 경험하지 못하는 모델 개발을 하게 된다고 소개했습니다. 공고 본문 기준 2026년 7월 누적 가입자는 고객 1,600만 명과 고수 250만 명입니다. 양면 시장 경험이 있다면 한쪽 지표를 올릴 때 다른 쪽에 생긴 영향을 함께 본 사례를, 석사 학위가 있다면 연구 주제가 추천·랭킹·인과 추론과 어떻게 이어지는지를 적을 수 있습니다.
4기타 사항
- 게시일 : 2026년 7월 6일
- 고용형태 : 정규직(수습 3개월)
- 근무지 : 서울특별시 강남구 테헤란로 133 HK스퀘어 11-12층 (역삼동, 한국타이어빌딩)
- 경력 조건 : 경력 3년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Python
- SQL
- BigQuery
- GCP
- AWS
- Tensorflow
- Scikit-learn
- Vertex AI
- Sagemaker
- Git
- Slack
- Confluence
- Jira
- Amplitude
- Redash
- Airflow
- MLflow
전형과 지원
숨고 공고는 대부분 서류 전형, 1차 인터뷰, 2차 인터뷰, 처우 협의, 최종 합격 순서를 적었고 공고에 따라 레퍼런스 체크와 과제가 붙습니다. 채용 담당자가 블로그에 단계별 진행 방식을 자세히 공개해 두어 인터뷰 형식과 소요 시간까지 미리 알 수 있습니다.
기본 단계
분석 시점 정규직 공고 13건 가운데 9건이 채용 과정에 레퍼런스 체크 단계를 넣었고, 그 가운데 7건이 서류 전형, 1차 인터뷰, 2차 인터뷰, 레퍼런스 체크, 처우 협의, 최종 합격 순서를 적었습니다. Data Scientist 공고는 서류 뒤에 과제 전형을, Business Strategy Group Leader 공고는 1·2차를 하루에 보는 원데이 인터뷰를 적었고, 나머지 4건은 레퍼런스 체크 단계 없이 같은 순서를 적었습니다. 채용 담당자 블로그는 1차를 직무 인터뷰, 2차를 컬처핏 인터뷰로 설명하고 시니어 이상은 조직핏 인터뷰를 진행한다고 밝혔습니다.
이렇게 볼 수 있어요
블로그에 따르면 모든 인터뷰는 대면이 원칙이고 대부분 70~90분입니다. 1차는 함께 일할 동료가 제출 자료를 바탕으로 묻는 자리라 이력서에 쓴 경험을 숫자까지 다시 확인해 두는 편이 안전합니다.
레퍼런스 체크
분석 시점 정규직 공고 13건 가운데 12건에 인터뷰 전형 이후 레퍼런스 체크가 진행될 수 있고 총 경력 5년 이상이면 필수로 진행한다는 문구가 있었습니다. 블로그는 지원자의 동의를 받고 약 2주 동안 진행하며, 레퍼런스 체크가 최종 합격을 뜻하지는 않는다고 밝혔습니다.
이렇게 볼 수 있어요
총 경력이 5년을 넘으면 레퍼런스 체크까지 염두에 두고 일정을 잡아야 합니다. 채용 사이트는 이전 직장 동료와 상사를 통해 직무 역량과 협업 스타일을 확인한다고 적었으므로, 함께 일했던 전 직장 동료와 상사를 미리 떠올려 두면 일정을 잡을 때 편합니다.
과제와 현장 케이스 스터디
블로그는 개발 직군 등 일부 직무가 인터뷰 전에 SQL 테스트, 시나리오 작성, 코딩 테스트 같은 과제를 진행하고 진행 방식은 공고에 적는다고 밝혔습니다. 분석 시점에는 Data Scientist 공고가 과제 전형을, Performance Marketer (고객 담당) 공고가 1차 인터뷰의 현장 케이스 스터디를 적었습니다.
이렇게 볼 수 있어요
과제 유무는 공고마다 다르므로 지원하는 공고의 합류 여정 칸을 먼저 확인해야 합니다. 블로그는 과제 시간이 안내문을 받은 때부터 시작하고, 안내문을 받는 시각은 지원자가 원하는 때로 정할 수 있다고 밝혔습니다.
제출 서류
모든 정규직 공고가 경력 중심의 이력서를 필수 서류로 적었고(Data Scientist 공고는 '경력 중심의 국문 이력서'), 분석 시점에는 Business Analyst, CRM Marketer, Marketing Planning Manager, Performance Marketer (고객 담당), Product Designer 공고가 포트폴리오도 필수 서류로 적었습니다. 채용 사이트는 자유양식의 서류를 받는다고 안내합니다.
이렇게 볼 수 있어요
블로그의 이력서 팁이 '보유한 경험과 역량을 채용 공고와 연계지어 작성해 주세요'였으므로 공고의 업무 항목과 같은 말로 경험을 적는 편이 낫습니다. 서류를 낸 뒤에는 고칠 수 없다고 채용 사이트가 안내합니다.
재지원과 복수 지원
채용 사이트 FAQ는 같은 포지션에 다시 지원하면 결과 안내일 기준 6개월이 지난 뒤 서류를 다시 검토하고, 다른 포지션이면 그 포지션으로 다시 진행하며 재지원에 따른 불이익은 없다고 답합니다. 여러 포지션에 동시에 지원하면 내부 검토를 거쳐 맞는 포지션을 먼저 제안한다고 밝혔습니다.
이렇게 볼 수 있어요
여러 공고에 내더라도 회사가 한 포지션을 먼저 고를 수 있습니다. 전형별 결과는 약 일주일이 걸린다고 채용 사이트가 안내하고, 모든 정규직 공고에 3개월 수습이 적혀 있습니다.
이 공고만 다른 점
서류 전형 뒤 과제 전형이 있습니다.
합류 여정은 서류 전형, 과제 전형, 1차 인터뷰, 2차 인터뷰, 레퍼런스 체크, 처우 협의, 최종 합격 순서입니다. 1차 인터뷰는 과제를 포함한 제출 자료를 바탕으로 묻는다고 채용 담당자 블로그가 밝혔으므로 과제 풀이 과정을 설명할 수 있게 정리해 두어야 합니다.
지원 전 준비할 것
- 1
배포한 모델 하나
서비스에 배포한 추천·랭킹 모델을 골라 학습부터 모니터링까지 맡은 단계와 바뀐 지표를 정리합니다.
- 2
과제 전형 대비
이 공고는 서류 뒤 과제 전형이 있으므로 SQL과 Python으로 분석부터 모델 평가까지 한 번에 풀어 보는 연습을 합니다.
- 3
국문 이력서
제출 서류가 '경력 중심의 국문 이력서'로 적혀 있으니 영문 이력서만 있다면 국문으로 다시 정리합니다.