마케터라면 누구나 익숙한 고민이 하나 있습니다. 이 매출은 대체 어느 채널 덕분인가. 마지막 클릭이 검색광고였다고 해서 그 광고가 매출을 만든 것은 아니고, 그 전에 본 콘텐츠와 쌓인 브랜드 인지가 없었다면 클릭도 없었을 테니까요. 우리는 늘 성과를 어디에 귀인(attribution)할지를 두고 씨름합니다.
면접장에서는 이 저울이 반대로 돌아갑니다. 이번에는 면접관이, 당신이 내놓은 성과를 ‘당신’이라는 채널에 귀인할 수 있는지를 따집니다. 마케터 면접은 ROAS 900%나 전환율 두 배 같은 좋은 숫자를 보고 뽑는 자리가 아닙니다. 그 숫자가 당신의 판단에서 나왔는지, 아니면 넉넉한 예산이나 잘 만들어진 제품, 때마침 좋았던 시즌 덕이었는지를 가려내는 자리입니다. 좋은 숫자를 가진 지원자가 떨어지고 더 작은 숫자를 가진 지원자가 붙는 일은 그래서 생깁니다. 게다가 2026년에는 AI가 리포트도 소재도 대신 만들어 주면서, 숫자를 뽑아내는 일 자체가 흔해졌습니다. 오늘은 마케터 면접이 성과 숫자 너머에서 무엇을 보는지, 그리고 그 앞에서 자신의 기여를 어떻게 증명해야 하는지 함께 들여다보려 합니다.
마케터 면접이 진짜 채점하는 것
같은 ROAS를 든 두 지원자를 떠올려 봅니다. 둘 다 “담당 캠페인의 ROAS를 900%까지 올렸다”고 말합니다. 한 사람은 여기서 멈춥니다. 다른 사람은 이렇게 잇습니다. “처음엔 400%였는데, 전환이 낮은 이유가 광고 소재와 랜딩 페이지의 메시지가 어긋나 있어서라고 봤습니다. 소재의 약속과 랜딩의 첫 화면을 맞추는 A/B 테스트를 돌렸더니 전환율이 먼저 올랐고, 그다음에야 예산을 키웠습니다.” 면접관에게 두 사람의 900%는 이미 다른 숫자입니다.
차이는 숫자의 크기가 아니라 그 숫자와 지원자 사이의 인과에 있습니다. 여기에는 사회심리학의 오래된 근거가 있습니다. 해럴드 켈리의 공변 모형(covariation model)은, 사람이 어떤 결과의 원인을 찾을 때 그 원인이 있을 때 결과가 나타나고 없을 때 사라지는지를 본다고 말합니다(1973). 뒤집어 보면, 당신이 개입했을 때 성과가 오르고 손을 뗐을 때 떨어졌다는 연결이 보이지 않으면 면접관은 그 성과를 당신에게 귀인할 근거가 없습니다.
어떤 역설이 여기 있습니다. 마케터는 늘 성과를 채널에 귀인하는 훈련을 받은 사람들입니다. 마지막 클릭에 모든 공을 몰아주는 것이 왜 착시인지, 광고를 끈 지역과 켠 지역을 비교하는 홀드아웃(holdout)이 왜 진짜 기여를 드러내는지 압니다. 그런데 정작 자기 자신을 설명할 때는 마지막 클릭만 자랑하듯 최종 숫자 하나만 내놓곤 합니다. 면접은 당신에게 스스로의 증분 기여(incrementality)를 증명하라고 요구하는 자리입니다.
좋은 숫자가 오히려 발목을 잡을 때
성과가 좋을수록 면접관의 마음속에서 다른 질문이 커진다는 사실은 조금 뜻밖일지 모릅니다. 켈리는 공변 모형과 함께 할인 원리(discounting principle)를 이야기했습니다. 어떤 결과에 그럴듯한 원인이 여럿 있으면, 그중 하나의 몫은 깎여서 매겨진다는 것입니다(1973). 마케팅 성과에는 지원자 말고도 유력한 용의자가 늘 함께 있습니다. 넉넉한 예산, 이미 강한 브랜드, 잘 만들어진 제품, 때마침 좋았던 시장. 이 용의자들이 눈에 들어오는 순간, 지원자 개인의 기여는 자동으로 할인됩니다.
| 할인되는 성과 이야기 | 귀인되는 성과 이야기 |
|---|---|
| ”매출이 두 배가 됐습니다" | "이 판단이 매출을 두 배로 밀어올렸습니다” |
| 예산·브랜드·시즌을 말하지 않는다 | 유리했던 조건을 먼저 인정하고 그 위에서 내 몫을 짚는다 |
| 최종 숫자만 보여준다 | 개입 전후의 변화로 인과를 보여준다 |
| 잘된 캠페인만 이야기한다 | 무너진 캠페인과 거기서 바꾼 것을 함께 꺼낸다 |
| ”우리 팀이 해냈다”로 뭉갠다 | 자신이 내린 결정을 또렷이 분리한다 |
그래서 유리했던 조건을 감추는 것은 오히려 손해입니다. 큰 예산과 강한 브랜드를 등에 업고 낸 900%보다, 예산이 작고 시장이 불리한데도 끌어올린 300%가 면접관에게는 더 큰 숫자로 읽힙니다. 켈리가 할인 원리의 짝으로 둔 증대 원리(augmentation principle)가 여기서 작동합니다. 불리한 조건을 뚫고 나온 성과일수록 그 사람의 기여는 오히려 크게 매겨진다는 것이죠. 이 저울은 직군을 건너뛰어도 같습니다. 코딩 테스트를 맞혀도 개발자 면접에서 떨어지는 이유도, PM 면접이 좋은 아이디어가 아니라 문제를 정의하는 방식을 보는 이유도, 디자이너 면접이 완성된 화면이 아니라 그 결정을 보는 이유도 결국 한 곳을 가리킵니다.
면접관은 이 다섯 가지를 본다
마케터가 “ROAS 900%“라고 말하는 것은 경제학자 마이클 스펜스가 말한 신호(signal)입니다. 스펜스는 노동시장에서 지원자가 자신의 능력을 직접 보여줄 수 없을 때, 대신 관찰 가능한 신호로 능력을 짐작하게 만든다고 했습니다(1973). 그런데 좋은 신호에는 조건이 있습니다. 아무나 쉽게 흉내 낼 수 있는 신호는 믿음을 주지 못합니다. “ROAS 900%“라는 문장은 누구나 이력서에 적을 수 있습니다. 값이 싼 신호죠. 반대로 그 숫자에 이르기까지 무엇을 시도하고 무엇을 접었는지, 어긋난 가설은 무엇이었는지를 풀어내는 이야기는 실제로 그 결정을 내려본 사람만 낼 수 있는 비싼 신호입니다. 면접관이 자꾸 “그때 구체적으로 무엇을 하셨나요”를 캐묻는 이유가 여기 있습니다. 값싼 신호와 비싼 신호를 갈라내려는 것이죠.
| 눈여겨보는 축 | 면접관이 확인하는 것 | 반가운 신호 |
|---|---|---|
| 문제 정의 | 무엇을 풀려던 캠페인인가 | 지표가 아니라 비즈니스 문제부터 세운다 |
| 인과 | 성과가 내 개입에서 나왔나 | 개입 전후, 켰다 껐다의 변화로 보여준다 |
| 트레이드오프 | 무엇을 포기했나 | 예산·채널·시간을 어디에 몰고 어디를 접었는지 밝힌다 |
| 재현성 | 다시 해도 되는가 | 운이 아니라 반복 가능한 논리로 설명한다 |
| 설명력 | 판단을 밖으로 꺼냈나 | 최종 숫자가 아니라 결정의 사슬을 들려준다 |
왜 면접관이 “지난 캠페인에서 무엇을 했는지”를 집요하게 묻는지도 여기서 설명됩니다. 산업심리학의 오랜 발견은, 앞으로 잘할 사람을 가려내는 가장 나은 방법이 과거의 실제 행동을 정해진 기준으로 캐묻는 것이라는 점입니다. 슈미트와 헌터의 메타분석(1998)은 이런 구조화 면접의 예측 타당도가 .51로, 자유로운 대화식 면접의 .38보다 훨씬 높다는 것을 보였습니다. “데이터를 잘 보시나요” 같은 질문에는 누구나 좋게 답할 수 있지만, “전환이 무너졌을 때 처음 확인한 지표가 무엇이었나요”에는 실제로 겪어본 사람만 답할 수 있으니까요.
AI가 대시보드를 대신 채우기 시작한 뒤
2026년의 마케터 면접에는 한 가지 변화가 스며들었습니다. 숫자를 뽑아내고 보기 좋게 정리하는 일이 예전만큼 실력을 증명해 주지 않게 됐습니다. 리포트 작성, 광고 소재 변주, 입찰가 최적화처럼 규칙이 분명한 일은 이미 AI 도구가 상당 부분 대신합니다. 대시보드의 숫자를 읽어 문장으로 옮기는 것도 마찬가지죠.
그래서 면접의 무게중심은 자동화되지 않는 쪽으로 옮겨 갑니다. 어떤 지표를 볼지 정하는 판단, 숫자 뒤의 소비자 심리를 읽는 눈, 상충하는 목표 사이에서 예산을 어디에 걸지 정하는 결정. AI가 열 개의 소재를 순식간에 만들어 주는 시대에, 그 열 개 중 왜 이것을 남기고 나머지를 접었는지 설명하는 능력이 신호가 됩니다. 이 이야기는 포트폴리오에 AI 활용을 어떻게 담을 것인가라는 물음과 곧바로 이어집니다. 도구를 다뤘다는 사실보다, 그 도구가 내놓은 것 가운데 무엇을 남기고 무엇을 버렸는지의 판단이 당신을 설명합니다.
면접관 자리에서 본 것
앞의 두 지원자 이야기는 제가 면접관 자리에서 여러 번 되풀이해 마주한 장면입니다. 자리를 얻은 쪽은 늘 뒷사람, 곧 숫자보다 판단을 들려준 사람이었습니다. 그의 이야기에서 제 오래된 경험이 겹쳐 보였기 때문입니다.
예전에 온라인 교육 서비스의 가입 광고를 맡았던 시절, 전환율이 좀처럼 오르지 않아 애를 먹은 적이 있습니다. 처음엔 입찰가와 타깃을 만지작거렸지만 숫자는 꿈쩍도 않더군요. 한참을 헤매다 광고 소재가 약속하는 것과 랜딩 페이지가 처음 보여주는 화면이 서로 다른 이야기를 하고 있다는 걸 뒤늦게 알아챘습니다. 클릭한 사람은 소재에서 본 약속을 기대하고 왔는데, 도착한 페이지는 엉뚱한 첫인상을 건네고 있었던 거죠. 소재의 메시지와 랜딩의 첫 화면을 맞추는 A/B 테스트를 돌리자 전환율이 먼저 움직였고, 저는 그제야 예산을 키웠습니다. 훗날 이 경험을 면접에서 이야기했을 때 상대의 눈이 반짝인 대목은 개선된 전환율 숫자가 아니라 “입찰가가 아니라 메시지 정합성을 의심하기까지 무엇을 했는가”였습니다.
또 한번은 병원 광고의 상담 신청을 전화 중심에서 온라인 양식 제출로 옮기는 일을 맡은 적이 있습니다. 익숙한 전화 경로를 그대로 두자는 목소리가 컸지만, 상담 인력이 놓치는 시간대의 문의가 그대로 새고 있다는 게 데이터에 보였습니다. 양식과 자동화 도구를 엮어 유입 경로를 다시 짜자 신청 건수가 눈에 띄게 늘었는데(약 1.5배), 면접에서 이 이야기를 꺼낼 때 저는 늘어난 숫자보다 “왜 익숙한 전화라는 경로를 굳이 버렸는가”를 먼저 이야기했습니다. 익숙한 것을 버리는 결정에는 반드시 이유가 있고, 그 이유야말로 제 판단을 가장 정직하게 보여 주니까요.
두 이야기의 공통점은 숫자가 아니라 숫자가 움직이기 직전의 판단에 있습니다. 성과가 좋았던 캠페인보다 무너졌던 캠페인을 어떻게 되살렸는지가 면접관에게 더 큰 신호가 되는 것도 같은 이치입니다. 앞서 본 증대 원리 그대로, 불리한 조건에서의 회복이야말로 판단의 깊이를 드러내니까요. 그동안 제가 지켜본 수많은 마케터의 성장 궤적을 떠올려 봐도, 좋은 평가를 받은 순간은 하나같이 성과의 크기가 아니라 그 뒤의 판단을 또렷이 남기고 있었습니다.
마케터 면접을 준비하는 법
준비는 숫자를 더 키우는 일이 아니라, 숫자 뒤의 판단을 밖으로 꺼내 보는 연습입니다. 마케터 여러분께 다섯 가지를 권하고 싶습니다.
- 숫자가 아니라 인과를 발표하세요. “ROAS를 900%로 올렸습니다”를 “전환이 막힌 지점을 이렇게 짚어 900%까지 끌어올렸습니다”로 바꿔 보세요. 결과 보고가 아니라 판단의 사슬입니다.
- 자신의 증분 기여를 보여주세요. 당신이 개입하기 전과 후, 손을 댄 것과 대지 않은 것을 나란히 두면 면접관이 성과를 당신에게 귀인할 수 있습니다. 마케팅에서 홀드아웃으로 채널 기여를 증명하듯, 자기 자신에게도 같은 잣대를 대보세요.
- 유리했던 조건을 먼저 인정하세요. 예산과 브랜드와 시즌이 도왔다면 감추지 말고 먼저 말하세요. 그 위에서 내가 더한 몫을 짚을 때 오히려 그 몫이 또렷해집니다.
- ‘우리’를 ‘나’로 바꿔 말하세요. 협업은 소중하지만 면접관이 마주하고 싶은 것은 당신의 판단입니다. 팀의 성과 안에서 당신이 내린 결정을 분리해 주세요.
- 무너졌던 캠페인 하나를 준비하세요. 실패와 회복의 이야기는 성공담보다 힘이 셉니다. 무엇을 잘못 봤고 어떻게 방향을 고쳤는지가 당신의 판단을 가장 정직하게 드러냅니다.
이 연습은 면접장에서만 쓰이지 않습니다. 면접에서 꺼낼 이야기는 경력기술서가 업무 나열이 아니라 성과의 근거를 남기는 문서라는 원칙과 같은 결이고, 합격 이후 연봉 협상 테이블에서 자신의 기여를 값으로 환산하는 일로도 이어집니다. 좋은 숫자가 잘 지은 집이라면, 그 집을 누가 어떻게 지었는지 들려주는 목소리가 사람을 오래 머물게 합니다.
결론
숫자는 결과입니다. 그리고 면접관이 정말 마음을 두는 것은, 그 숫자를 만들어 낸 판단입니다. AI가 대시보드를 대신 채워 주는 지금, 그 판단의 무게는 줄기는커녕 오히려 더해지고 있습니다.
그리고 이 무게를 알아보는 것은 반대편에 앉은 면접관의 몫입니다. 좋은 면접관은 자기 직감을 믿지 않는다는 원칙 위에서, 면접관 역시 첫인상이 아니라 여러분이 내린 판단을 읽어내려 애씁니다.
다음 면접을 준비하실 때 작은 습관 하나를 권하고 싶습니다. 성과를 한 줄 말하기 직전마다 잠깐 멈춰, “나는 지금 숫자를 자랑하려는가, 그 숫자를 나에게 귀인시키려는가”를 스스로에게 물어보세요. 그 짧은 멈춤 하나가 답변의 무게를 바꿉니다. 여러분의 다음 면접이 좋은 숫자를 읊는 시간이 아니라, 그 숫자를 만든 판단을 조용히 증명하는 자리가 되기를 바랍니다.
참고 자료
- Harold H. Kelley, “The Processes of Causal Attribution”, American Psychologist, 28(2) (1973) — 공변 모형·할인·증대 원리
- Michael Spence, “Job Market Signaling”, Quarterly Journal of Economics, 87(3) (1973) — 신호 이론
- Frank L. Schmidt & John E. Hunter, “The Validity and Utility of Selection Methods in Personnel Psychology”, Psychological Bulletin, 124(2) (1998) — 구조화 면접 타당도
- Arie W. Kruglanski, Judith Schwartz, Kathleen Maides & Cynthia Hamel, “Covariation, Discounting, and Augmentation”, Journal of Personality, 46(4) (1978) — 할인·증대 원리의 정교화
- “Incrementality vs. Attribution vs. MMM: A Decision Tree for What to Use When”, Measured (2024) — 마케팅 기여도 측정과 홀드아웃
