이 자리가 왜 생겼을까요
머니투데이방송은 2026년 4월 모바일인덱스 기준으로 쿠팡플레이가 2025년 10월부터 6개월 연속 넷플릭스에 이어 MAU 2위를 기록했다고 보도했습니다. 같은 보도는 쿠팡플레이가 예능, 스포츠, 공연 행사를 열고 경기와 공연을 독점 송출하는 전략을 쓴다고 전했습니다. 이 공고의 쿠팡플레이 소개는 오리지널 콘텐츠, TV 시리즈, 영화, 스포츠, 키즈 & 패밀리, 뉴스까지 콘텐츠 라인업을 듭니다. 이 자리는 사용자가 원하는 콘텐츠를 가장 적절한 순간에 발견하게 하는 검색·추천·개인화 시스템과 Relevance, Engagement 같은 핵심 지표를 맡습니다. 성격이 다른 콘텐츠를 한 추천 시스템에서 다루며 참여 지표를 움직여 본 경험이 있다면 그 수치를 지원서의 중심에 둘 수 있습니다.
쿠팡이 지금 어떤 사업에 집중하고 있는지는 쿠팡 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
대규모 Search, Retrieval, Ranking, Recommendation, Personalization 플랫폼의 아키텍처를 설계, 개발, 운영합니다.
이렇게 볼 수 있어요
모델 하나가 아니라 그 모델들이 돌아가는 플랫폼을 맡습니다. 추천이나 검색 시스템의 구조를 설계해 운영까지 해 본 경험이 업무의 중심과 맞습니다.
검색, 추천, 개인화 기반의 콘텐츠 탐색(Content Discovery) 솔루션을 구축해 사용자 경험을 높입니다.
이렇게 볼 수 있어요
사용자가 무엇을 볼지 고르는 순간을 다루는 업무입니다. 상품이나 글이 아니라 영상 콘텐츠를 추천해 본 경험이 있다면 그 도메인 차이가 지원서에서 따로 드러나야 합니다.
사용자 의도, 콘텐츠 간 관계, 사용자 선호도를 모델링하는 머신러닝 기반 시스템을 개발합니다.
이렇게 볼 수 있어요
모델링 대상이 세 가지로 나뉘어 적혀 있습니다. 콘텐츠 사이의 관계를 임베딩이나 그래프로 다뤄 본 경험이 있으면 그 방식을 구체적으로 소개하는 게 좋습니다.
실시간 Retrieval, Ranking, Recommendation 서비스를 위한 확장 가능하고 Low-Latency 특성을 갖춘 온라인 서빙 인프라를 설계하고 운영합니다.
이렇게 볼 수 있어요
모델 학습보다 온라인 서빙에 무게가 실린 업무입니다. 응답 시간 목표와 실제 지연 시간을 숫자로 말할 수 있는 서빙 경험이 있으면 정리해 둘 만합니다.
Offline Evaluation, Online Experimentation, A/B Testing을 활용해 검색과 추천 품질을 지속적으로 개선합니다.
이렇게 볼 수 있어요
오프라인 지표와 온라인 실험을 함께 씁니다. 오프라인에서 좋았던 모델이 A/B Testing에서 다르게 나온 경험이 있다면 그 차이를 어떻게 해석했는지가 면접에서 꺼낼 사례가 됩니다.
Relevance, Engagement, Conversion, Latency, Reliability 등 핵심 지표를 정의하고 최적화합니다.
이렇게 볼 수 있어요
추천 품질 지표와 시스템 지표가 한 목록에 있습니다. 추천 품질을 올리면서 지연 시간을 지킨 경험처럼 두 종류의 지표를 함께 다룬 사례가 이 업무를 보여 줍니다.
ML Scientist, Product Manager, 여러 엔지니어링 조직과 협업해 비즈니스 요구사항을 확장 가능한 기술 솔루션으로 구현합니다.
이렇게 볼 수 있어요
ML Scientist가 협업 대상으로 따로 적혀 있습니다. 연구 단계의 모델을 서비스에 올리는 과정에서 본인이 맡은 부분을 구분해 설명할 수 있어야 합니다.
최신 검색, 추천, 개인화 기술과 업계 모범 사례를 검토하고 도입해 Coupang Play의 콘텐츠 탐색 역량을 고도화합니다.
이렇게 볼 수 있어요
직무 소개는 이 자리가 Coupang Play의 콘텐츠 추천과 검색 기술 방향성을 주도한다고 적었습니다. 새 검색이나 추천 기법을 조사해 실제 서비스에 넣은 경험이 있다면 채택한 이유와 결과가 이 업무와 맞는 사례가 됩니다.
2자격 요건
컴퓨터공학, 머신러닝, 인공지능 또는 관련 분야 학사 이상을 요구합니다.
이렇게 볼 수 있어요
컴퓨터공학, 머신러닝, 인공지능 외의 전공이라면 관련 분야로 볼 수 있는 이수 과목이나 연구 주제가 학력란에 함께 있어야 합니다.
Search, Retrieval, Recommendation, Ranking, Personalization 또는 기타 Relevance 기반 시스템의 개발과 운영 경험을 포함해 소프트웨어 엔지니어링 경력이 7년 이상이어야 합니다.
이렇게 볼 수 있어요
연차는 소프트웨어 엔지니어링 전체로 세고, 그 안에 Relevance 기반 시스템 경험이 들어 있어야 합니다. 검색이나 추천 시스템을 맡은 기간을 따로 밝혀 두면 확인이 쉽습니다.
확장성(Scalability), 안정성(Reliability), Low-Latency를 고려한 분산 백엔드 시스템 설계와 개발 경험이 필요합니다.
이렇게 볼 수 있어요
ML 경험과 별도로 분산 백엔드 설계 경험을 요구합니다. 트래픽 규모와 지연 시간 목표를 함께 밝히면 설계한 시스템의 수준이 보입니다.
Python에 능숙하고 Go, Java, Scala, C++ 중 하나 이상의 프로그래밍 언어 활용 경험이 필요합니다. Cloud Native 인프라와 최신 소프트웨어 엔지니어링 환경에서 개발해 본 경험도 있어야 합니다.
이렇게 볼 수 있어요
Python에 더해 네 언어 가운데 하나가 필요합니다. 서빙 시스템을 어느 언어로 만들었고 어떤 클라우드 환경에서 운영했는지 밝히면 두 요건이 함께 확인됩니다.
Search Platform, Vector Search, 대규모 Indexing System 또는 Recommendation Infrastructure에 대한 이해나 경험을 요구합니다.
이렇게 볼 수 있어요
이해 또는 경험으로 적혀 있어 직접 운영해 보지 않았더라도 구조와 선택지를 설명할 수 있으면 요건에 답할 수 있습니다.
머신러닝 개념에 대한 이해를 바탕으로 데이터 기반 접근 방식을 활용해 고객 경험을 개선한 경험이 필요합니다.
이렇게 볼 수 있어요
플랫폼 엔지니어에게도 머신러닝 개념 이해를 요구합니다. 모델 변경이 사용자 지표를 어떻게 바꿨는지 보여 주는 사례 하나가 이 요구에 대한 답입니다.
시스템 성능을 분석하고 측정 가능한 개선을 이끌어내는 문제 해결과 분석 역량을 갖춰야 합니다.
이렇게 볼 수 있어요
측정 가능한 개선이라는 말이 붙어 있습니다. 성능 개선 사례에는 전후 수치가 붙어야 합니다.
엔지니어링, 프로덕트, 데이터 사이언스 조직과 원활하게 협업하는 커뮤니케이션 역량을 요구합니다.
이렇게 볼 수 있어요
세 조직이 이름으로 나옵니다. 직군이 다른 동료와 지표나 우선순위를 맞춘 경험이 협업 사례로 쓰입니다.
3우대 사항
Lexical Retrieval, Semantic Retrieval, Embedding-based Retrieval, Hybrid Retrieval 또는 Learning-to-Rank 기술 경험을 우대합니다.
이렇게 볼 수 있어요
Retrieval 방식 네 가지와 Learning-to-Rank 가운데 하나라도 해 봤다면 우대 대상입니다. 써 본 방식과 그 방식을 고른 이유를 함께 밝힐 수 있습니다.
Information Retrieval, Recommendation System, Ranking System, Personalization 등 콘텐츠 탐색(Content Discovery) 분야에 대한 이해를 우대합니다.
이렇게 볼 수 있어요
업무의 콘텐츠 탐색 솔루션 구축과 같은 분야라 직접 구축한 경험이 없어도 이해의 깊이로 이 우대 사항에 답할 수 있습니다.
Deep Learning, Foundation Model, LLM 또는 Generative AI 기술을 Search, Recommendation, Content Discovery 문제에 적용한 경험을 우대합니다.
이렇게 볼 수 있어요
Deep Learning, Foundation Model, LLM, Generative AI 가운데 무엇을 썼든 검색이나 추천 문제에 적용했다면 이 우대 사항에 들어갑니다. 적용 전후로 어떤 지표가 바뀌었는지가 이 경험의 핵심입니다.
Experimentation Platform, Online Evaluation, A/B Testing, Relevance Measurement Framework 운영 경험을 우대합니다.
이렇게 볼 수 있어요
우대하는 것은 실험 한 번이 아니라 실험 플랫폼이나 측정 체계를 운영한 경험입니다. 실험 플랫폼을 만들거나 품질 측정 기준을 정해 본 경험이 여기에 들어갑니다.
다국어 콘텐츠 검색이나 추천 서비스 구축 경험을 우대합니다.
이렇게 볼 수 있어요
공고의 쿠팡플레이 소개는 글로벌 테크 전담 조직이 서울, 싱가포르, 미국 캘리포니아 등에 분포돼 있다고 적었습니다. 여러 언어의 콘텐츠를 다룬 검색이나 추천을 만들어 봤다면 언어별로 무엇을 다르게 처리했는지 정리할 수 있습니다.
4기타 사항
- 게시일 : 2026년 5월 19일
- 고용형태 : 정규직(수습 12주)
- 근무지 : 서울
- 경력 조건 : 경력 7년 이상
- 학력 조건 : 컴퓨터공학, 머신러닝, 인공지능 또는 관련 분야 학사 이상
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Python
- Go
- Java
- Scala
- C++
- Vector Search
전형과 지원
쿠팡 채용 안내 페이지는 전형을 서류 전형, 리크루터 스크리닝 콜, 직무 적합성 인터뷰와 핵심 역량 인터뷰, 처우 협의와 최종 오퍼 순으로 안내합니다. 지원자의 직무 역량과 조직 문화가 맞는지를 모든 전형 단계에서 확인한다고 적었으므로 어느 단계에서든 리더십 원칙에 맞춘 사례를 꺼낼 수 있어야 합니다.
기본 단계와 공고별 차이
채용 프로세스 페이지는 서류 전형 뒤 리크루터와의 첫 통화(스크리닝 콜)로 전형이 시작되고, 직무 적합성 인터뷰와 핵심 역량 인터뷰를 거쳐 처우 협의 뒤 최종 오퍼를 제안한다고 안내합니다. 직무에 따라 온라인 코딩 테스트나 과제 전형, 레퍼런스 체크가 진행될 수 있다고 적었습니다.
이렇게 볼 수 있어요
공고 대부분도 전형절차를 서류전형, 직무 적합성 인터뷰, 핵심 역량 인터뷰, 최종 합격 순으로 적었습니다. 레퍼런스 체크, 리더십 인터뷰, 과제전형, 실기 인터뷰가 단계로 더해진 공고도 있습니다. 단계 이름을 다르게 적은 공고도 있어 1차 면접과 2차 면접, 전화면접과 대면면접 또는 대면(화상)면접, 코딩테스트와 화상면접, 화상기술면접 1차와 2차, 1차 화상면접과 심층(화상)면접 같은 표기가 함께 쓰입니다. 인터뷰를 모두 비대면 화상으로 진행한다고 밝힌 공고도 있습니다. 지원할 공고 하단의 전형절차를 따로 확인해야 합니다.
두 인터뷰가 확인하는 것
직무 적합성 인터뷰는 리더십 원칙에 부합하는지 확인하는 단계로, 과거 문제 해결 과정에서 내린 결정과 행동 양식을 바탕으로 평가한다고 적었습니다. 핵심 역량 인터뷰에서는 해당 분야 실무 리더와 여러 면접관이 핵심 기술 역량과 전문성, 문제 해결 방식, 조직 적합성을 검증합니다.
이렇게 볼 수 있어요
리더십 원칙에 맞춘 사례는 직무 적합성 인터뷰에서, 직무 기술과 전문성은 핵심 역량 인터뷰에서 주로 확인됩니다. 15개 원칙 가운데 지원 직무와 가까운 원칙마다 지난 결정과 행동을 사례로 정리해 두면 두 인터뷰를 함께 준비할 수 있습니다.
답에는 데이터를 붙입니다
채용 프로세스 페이지는 인터뷰에서 경험을 명확하고 논리적으로 전달하는 능력이 중요하다며 SBI(Situation, Behavior, Impact) 구조를 권합니다. 상황은 간단히, 본인이 직접 수행한 행동은 구체적으로, 결과는 수치나 지표 중심으로 표현하라고 적었습니다.
이렇게 볼 수 있어요
SBI의 Impact 칸에 숫자가 있어야 답이 완성됩니다. 팀이 함께 낸 결과라면 그 안에서 본인이 직접 한 행동을 따로 떼어 정리해 두어야 Behavior 칸이 비지 않습니다.
결과 안내와 재지원
채용 FAQ는 각 전형 결과를 합격 여부와 관계없이 일반적으로 약 2주 이내에 담당 Recruiter가 개별 안내한다고 적었습니다. 채용 진행 상황에 따라 안내가 늦어질 수 있다는 단서가 붙어 있고, 불합격 안내를 받은 뒤에도 재지원할 수 있으며 불이익이 없다고 밝혔습니다.
이렇게 볼 수 있어요
전형 하나의 결과를 기다리는 데 2주 안팎을 잡아 두면 다른 회사 일정과 맞추기 쉽습니다. FAQ가 재지원에 불이익이 없다고 밝혔으므로 경험을 더 쌓은 뒤 다시 지원하는 계획도 세울 수 있습니다.
중복 지원은 되지만 전형은 하나씩
채용 FAQ는 쿠팡 안의 여러 포지션이나 계열사에 중복 지원할 수 있지만 여러 채용 절차를 동시에 진행할 수는 없다고 안내합니다. 지원한 포지션 가운데 우선순위가 높은 포지션을 기준으로 진행될 수 있고, 채용 담당자가 전형 중에 안내한다고 적었습니다.
이렇게 볼 수 있어요
자회사 공고까지 여러 개 지원해도 실제 전형은 하나씩 진행됩니다. 가장 원하는 공고를 먼저 정해 두면 채용 담당자가 진행할 포지션을 물을 때 바로 답할 수 있습니다.
이력서는 자유 양식으로 냅니다
채용 FAQ는 이력서 양식이 따로 없으니 자유 양식으로 내고, 서류는 PDF나 Word 파일로, 파일이 두 개 이상이면 ZIP으로 묶어 내라고 안내합니다. 문서 안의 URL 링크는 오류가 생길 수 있어 가급적 넣지 말라고 권하고, 파일마다 용량은 100MB 이하로 제한합니다.
이렇게 볼 수 있어요
포트폴리오나 작업물을 링크로만 걸어 두면 검토 중에 열리지 않을 수 있습니다. 작업물도 파일로 만들어 이력서와 함께 ZIP 하나로 묶어 두면 링크 오류를 피할 수 있습니다.
외국어 면접과 통역
채용 FAQ는 외국어 면접 여부가 포지션에 따라 다르고, 예정된 경우 담당 리크루터가 미리 안내한다고 적었습니다. 통역은 지원하지만 언어가 제한될 수 있고, 외국어 활용 능력이 필수인 포지션은 통역 없이 면접이 진행될 수 있습니다.
이렇게 볼 수 있어요
공고에 영어가 자격 요건으로 적혀 있다면 영어 면접을 전제로 준비해야 합니다. 통역을 받으면 면접 중 한 가지 언어로만 소통해야 한다는 조건도 FAQ에 함께 적혀 있습니다.
수습 12주
공고 대부분이 고용형태를 정규직으로 적고 수습기간 12주를 포함한다고 밝혔습니다. Senior Product Manager II (Last Mile Product), Staff AI Engineer (Security), CSOC Manager, [CPLB] 사내변호사, [쿠팡] 리테일 MD 미디어 카테고리 (Book) 같은 공고에는 고용형태와 수습 문구가 없습니다. Staff Data Analyst 공고와 Senior Staff Data Scientist 공고에는 정규직 문구와 계약직 문구가 함께 적혀 있고, 둘 다 수습 12주를 포함합니다. Senior, Back-end Engineer(CX) - Coupang Play 공고는 고용형태를 계약직으로 적고 수습기간 12주를 포함한다고 밝혔습니다. 업무상 필요하면 수습기간을 적용하지 않거나 줄이거나 늘릴 수 있다는 단서가 붙어 있습니다.
이렇게 볼 수 있어요
수습 문구가 있는 공고와 없는 공고가 섞여 있고 고용형태 문구도 공고마다 다를 수 있으니 지원할 공고 하단의 안내 사항에서 두 가지를 확인해야 합니다. 경력이 길다면 수습 적용 여부를 처우 협의에서 물어볼 수 있습니다.
이 공고만 다른 점
서류전형, 1차 Job Fit 면접, 2차 Tech Focus 면접, 리더십 면접, 최종 합격 순이고 모든 인터뷰는 비대면으로 진행됩니다.
회사 기본 단계 뒤에 리더십 면접이 한 번 더 있습니다. 세 번 모두 비대면이라 설계한 시스템 구조도와 실험 결과를 화면 공유로 보여 줄 수 있게 준비해 두면 설명이 쉬워집니다.
지원 전 준비할 것
- 1
추천·검색 시스템 하나를 구조부터 정리하기
맡았던 추천이나 검색 시스템 하나를 골라 Retrieval과 Ranking 단계의 구조, 서빙 지연 시간, 실험으로 확인한 지표 변화를 순서대로 정리해 둡니다.
- 2
오프라인과 온라인 결과가 달랐던 경험
Offline Evaluation과 A/B Testing 결과가 달랐던 사례가 있다면 원인을 어떻게 찾았는지 SBI 순서로 준비하세요.
- 3
쿠팡플레이 홈 화면 살펴보기
쿠팡플레이 앱에서 홈 화면과 검색 결과가 콘텐츠 종류에 따라 어떻게 구성되는지 직접 살펴보면 면접에서 개선 아이디어를 구체적으로 말할 수 있습니다.