[무신사] Product Engineer (Partner Ads & Growth) 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 광고 및 Affiliate 플랫폼의 백엔드 시스템을 Java·Kotlin, Spring, JPA 기반으로 설계하고 개발합니다.

  이렇게 볼 수 있어요

  광고와 Affiliate 두 플랫폼을 같은 팀이 맡고, 팀 소개는 인플루언서 마케팅 서비스도 이 팀이 개발한다고 적었습니다. 두 서비스 가운데 한쪽 경험만 있다면 그쪽 시스템 구조를 자세히 쓰는 게 좋습니다.

• 광고 요청, 노출, 클릭, 전환 등 대규모 이벤트를 안정적으로 수집·처리하고 데이터 정합성을 관리합니다.

  이렇게 볼 수 있어요

  이벤트 수집과 정합성이 한 항목에 묶여 있습니다. 중복이나 유실 없이 이벤트를 처리하려고 쓴 방식과 처리한 이벤트 규모를 함께 밝히면 처리 경험의 크기가 분명해집니다.

• eCPM, CTR, CVR 등 광고 성과 지표를 활용한 광고 랭킹과 옥션 로직을 개발하고 개선합니다.

  이렇게 볼 수 있어요

  지표를 받아 광고 순서를 정하는 로직을 서버에서 구현하는 업무입니다. 랭킹 로직을 바꿔 본 경험은 바꾼 기준과 그 뒤의 지표 변화를 함께 적어야 개선 폭이 보입니다.

• 광고주의 예산이 목표 기간과 조건에 맞게 집행되도록 budget pacing과 예산 제어 로직을 개발합니다.

  이렇게 볼 수 있어요

  예산이 기간 안에 고르게 집행되도록 속도를 조절하는 로직입니다. 예산 상한을 지키도록 제어 로직을 만들어 본 경험이 있다면 초과 집행을 어떻게 막았는지가 이 업무와 가장 가깝습니다.

• CPC, CPM, CPA 등 과금 모델을 바탕으로 광고 과금, 매출 집계, 파트너 정산 시스템을 개발하고 고도화합니다.

  이렇게 볼 수 있어요

  과금부터 정산까지 돈이 오가는 흐름 전체를 다룹니다. 결제·정산 시스템을 다뤄 본 경력이라면 광고 도메인이 아니어도 같은 흐름을 다뤄 본 셈입니다.

• Affiliate 트래킹, 어트리뷰션, 수수료 계산 등 광고·마케팅 성과 측정 로직을 개선합니다.

  이렇게 볼 수 있어요

  Affiliate 쪽 업무가 따로 적혀 있습니다. 클릭이나 추천이 구매로 이어졌는지 판정하는 규칙을 만들어 본 경험에서는 판정 기준과 예외 처리가 면접에서 다룰 핵심입니다.

• AWS 기반 환경에서 Kafka, Redis, Kubernetes 등을 활용해 낮은 레이턴시와 높은 확장성을 갖춘 분산 시스템을 구축합니다.

  이렇게 볼 수 있어요

  광고 요청은 사용자가 보는 화면이 그려지는 동안 랭킹과 옥션까지 끝내야 해서 허용되는 응답 시간이 짧습니다. 광고 시스템에서는 흔히 노출·클릭 이벤트를 Kafka로 흘리고 예산 잔액이나 노출 빈도 같은 실시간 카운터를 Redis에 둡니다. 이 도구로 응답 시간을 줄였거나 트래픽 증가에 대응한 사례라면 개선 전후 숫자와 어떤 데이터를 어디에 뒀는지를 함께 꺼낼 수 있습니다.

• 시스템 성능과 운영 지표를 모니터링하고 장애, 중복 집계, 부정 트래픽, 데이터 불일치 문제를 해결합니다.

  이렇게 볼 수 있어요

  광고 시스템의 데이터 불일치는 흔히 광고주가 보는 성과 숫자와 과금·정산 숫자가 서로 다를 때 드러납니다. 이런 불일치는 두 숫자를 정기적으로 맞춰 보는 대사(reconciliation) 작업으로 잡습니다. 광고에서 장애는 노출이 멈추는 문제이면서 예산이 잘못 차감되는 문제가 될 수도 있습니다. 네 유형 가운데 직접 해결한 것이 있다면 원인과 재발 방지 조치까지 한 사례로 정리합니다.

• 제품, 데이터, 비즈니스 조직과 협업해 광고 성과와 운영 효율을 개선합니다.

  이렇게 볼 수 있어요

  협업 대상은 개발 조직 밖의 세 조직입니다. 비즈니스 쪽 요청을 기술 과제로 바꿔 처리해 봤다면 요청한 조직과 바꾼 과제를 함께 적어 두는 게 좋습니다.

• PM·디자이너, 유관 조직과 함께 해결할 고객 문제와 우선순위를 정의하고, 모호한 요구를 측정 가능한 가설로 바꾸며, 출시 이후 지표로 성과를 확인해 다음 개선으로 연결합니다.

  이렇게 볼 수 있어요

  무신사 PE 직군 소개에 나오는 일하는 방식이 업무에 그대로 들어 있습니다. 구현한 기능마다 출시 전후 지표를 경력기술서에 함께 쓰면 됩니다.

• AI 코딩 에이전트를 설계·구현·테스트·코드 리뷰·운영 전반에 적극 활용하고, 그 경험을 팀과 나눠 개발 생산성과 품질을 높이는 AI 기반 개발 방식을 조직에 만들어 갑니다.

  이렇게 볼 수 있어요

  개인 활용에 그치지 않고 팀에 퍼뜨리는 일까지 업무에 있습니다. 팀에 도입한 AI 사용 규칙이나 리뷰 절차가 있다면 그 내용과 도입 뒤 달라진 점을 면접에서 꺼낼 수 있습니다.

2자격 요건

• Java 또는 Kotlin을 사용한 Spring 기반 소프트웨어 개발 경력 5년 이상이거나 이에 준하는 역량이 필요합니다.

  이렇게 볼 수 있어요

  Java와 Kotlin이 '또는'으로 이어져 있어 두 언어의 경력이 모두 이 조건에 들어갑니다. 주요 업무가 광고 이벤트 처리부터 과금·정산까지 넓으므로 결제·정산·추천 같은 다른 도메인의 Spring 서버 경력도 함께 적을 수 있습니다.

• 광고 플랫폼 또는 광고와 유사한 실시간 랭킹, 동적 가격 결정, 예산 제어, 과금·정산 등 코어 시스템을 설계하고 운영한 경험이 필요합니다.

  이렇게 볼 수 있어요

  광고 플랫폼 경력이 아니어도 '광고와 유사한' 시스템이 함께 적혀 있습니다. 실시간 가격 결정이나 과금 시스템을 만든 경험이라면 업종이 달라도 이 요건에 맞습니다.

• 광고 랭킹·옥션, eCPM 등 성과 지표 기반 로직, 광고 과금·정산, budget pacing, 광고 이벤트 트래킹·어트리뷰션 가운데 하나 이상의 영역을 직접 설계하거나 고도화한 경험이 필요합니다.

  이렇게 볼 수 있어요

  2025년 5월 보도에 따르면 입점 브랜드 3,000여 개가 상품 광고를 쓰고 있었습니다. 같은 보도에 따르면 무신사는 광고 추천을 외부 AI 기업과 협업해 운영했습니다. 같은 광고 지면의 CTR·CVR 예측은 Machine Learning Engineer (AdTech/MarTech) 공고가 맡습니다. 그래서 이 자리의 랭킹·옥션 영역은 외부나 ML 조직이 낸 예측값을 받아 eCPM으로 순위와 과금액을 정하는 서버 로직일 수 있습니다. 해 본 영역의 이름을 공고 표기대로 적으면 업무 목록과 맞춰 보기 쉽습니다.

• 대규모 트래픽이나 이벤트 데이터를 처리하는 분산 시스템과 이벤트 기반 아키텍처(EDA)를 깊이 이해하고, 데이터 정합성과 안정성이 중요한 운영 시스템에서 모니터링, 장애 대응, 문제 해결을 해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  아키텍처에 대한 이해와 운영 경험이 한 요건에 함께 있습니다. 이벤트 유실이나 중복 처리 같은 장애를 겪고 고친 사례가 있다면 원인과 바꾼 설계가 이 요건에 대한 사례가 됩니다.

• 비즈니스 요구사항을 기술 과제로 구체화하고 설계부터 개발, 배포, 운영까지 문제 해결을 주도할 수 있어야 하며, 제품, 데이터, 비즈니스 등 여러 직군과 원활하게 협업할 수 있어야 합니다.

  이렇게 볼 수 있어요

  자격 요건이 주도와 협업을 함께 요구합니다. 요구사항을 받은 시점부터 운영까지 맡은 프로젝트 하나를 골라 단계마다 함께한 직군을 밝히면 두 요건이 한 번에 보입니다.

• 구현에 머무르지 않고 고객 문제를 함께 정의하고, 출시 이후의 지표로 결과를 확인하며 일해 온 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무의 가설과 지표 항목이 자격 요건에 다시 나옵니다. 출시 뒤 지표를 보고 다음 개선을 정한 사례가 있다면 그 지표 이름과 변화 폭을 숫자로 준비해 두는 편이 낫습니다.

• 기술적 의사결정을 트레이드오프와 함께 문서로 정리하고 이를 비즈니스 맥락에서 설명할 수 있어야 합니다.

  이렇게 볼 수 있어요

  광고 플랫폼의 설계 선택은 대개 돈과 이어집니다. 예산을 요청마다 동기로 차감하면 정확하지만 느려지고, 모아서 비동기로 차감하면 빠르지만 초과 집행분을 회사가 떠안을 수 있습니다. 이런 선택을 버린 대안과 이유까지 문서로 남기고 비즈니스 쪽에 설명해 본 경험이 있다면 이 요건에 맞는 면접 사례입니다.

• AI 코딩 에이전트(Codex, Claude Code 등)를 실무에 적극 활용하고 그 결과물의 품질을 스스로 검증하고 책임질 수 있어야 합니다.

  이렇게 볼 수 있어요

  이 공고에서 AI 활용은 우대가 아니라 자격 요건입니다. 지원 서류 안내도 AI로 문제를 해결한 사례에 활용 방식과 결과, 검증 방법을 함께 적어 달라고 요청합니다.

3우대 사항

• 상품 광고 또는 커머스 광고 플랫폼을 개발하고 운영한 경험, CPC, CPM, CPA 등 광고 과금 모델과 광고 생태계를 이해하는 분을 우대합니다.

  이렇게 볼 수 있어요

  광고 도메인 경험은 자격 요건이 아니라 우대 사항에 있습니다. 커머스 안의 광고 지면을 다뤄 봤다면 처리한 과금 모델을 CPC, CPM, CPA처럼 이름 그대로 쓸 수 있습니다.

• 실시간 광고 옥션, eCPM 기반 랭킹 또는 budget pacing 로직을 개발하거나 개선한 경험, Affiliate 트래킹, 어트리뷰션, 수수료 계산, 광고 과금 또는 파트너 정산 시스템을 개발한 경험을 우대합니다.

  이렇게 볼 수 있어요

  자격 요건은 이 영역 가운데 하나를 요구합니다. 우대 사항은 광고 쪽(옥션·랭킹·pacing)과 Affiliate 쪽(트래킹·어트리뷰션·수수료)을 함께 듭니다. 분석 시점에 같은 회사 Affiliate & Creator Partnership Specialist (인플루언서사업) 공고도 함께 올라와 있었습니다. 크리에이터 수수료와 정산 요구는 그 사업 조직에서 올 수 있습니다. 두 쪽을 모두 해 봤다면 영역마다 맡은 범위를 나눠 적을 수 있습니다.

• 부정 트래픽 탐지, 중복 집계 방지 또는 광고 데이터 정합성 문제를 해결한 경험, Kafka, Apache Spark 등을 활용해 대규모 로그나 스트리밍 데이터를 처리한 경험을 우대합니다.

  이렇게 볼 수 있어요

  이 플랫폼에서 클릭과 전환 이벤트는 CPC·CPA 과금과 파트너 정산의 바탕이 되므로, 중복 집계나 부정 트래픽은 광고주의 청구 금액에 그대로 영향을 주는 문제로 볼 수 있습니다. 이상 트래픽을 걸러 낸 경험이 있다면 걸러 낸 비율과 함께 과금이나 정산 숫자가 어떻게 바로잡혔는지까지 이어 쓸 때 효과가 분명합니다.

• AWS 환경에서 Docker, Kubernetes 등 컨테이너와 오케스트레이션 도구를 활용한 경험을 우대합니다.

  이렇게 볼 수 있어요

  같은 회사 Product Engineer (Catalog) 공고도 AWS와 Kubernetes 환경에서 서비스를 운영하거나 CI/CD 파이프라인을 구축한 경험을 우대합니다. 광고 서버는 행사 기간처럼 트래픽이 몰릴 때 파드 수를 늘리고 자원 한도를 조정하는 일이 실제로 생깁니다. 서비스를 컨테이너로 배포·운영한 경험이 있다면 오토스케일링이나 배포 설정까지 맡은 범위를 적을 수 있습니다.

• AI를 활용해 업무 생산성이나 제품 가치를 높인 경험, AI를 개발 프로세스에 도입해 팀 단위 생산성이나 품질을 개선한 경험, AI를 활용해 클라이언트 밖의 영역(서버 API, 데이터 파이프라인 등)까지 직접 문제를 풀어 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  AI 관련 우대가 세 가지입니다. 자격 요건이 개인의 활용과 검증을 묻는다면 우대 사항은 팀 단위 도입과 전문 영역 밖의 문제 해결까지 넓힙니다.

• 비즈니스 KPI를 기술로 개선하고 수치로 증명해 본 경험, 가설 수립 → 실험 → 데이터 검증을 거쳐 제품 의사결정에 참여해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  실험에 참여한 것과 그 결과로 제품 결정이 바뀐 것은 다른 경험입니다. 바뀐 KPI와 수치가 함께 있는 사례가 이 항목과 맞습니다.

4기타 사항

• 게시일 : 2026년 10월 20일
• 고용형태 : 정규직(수습 3개월)
• 근무지 : 무신사 성수 오피스 (추정)
• 경력 조건 : 경력 5년 이상
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Java
• Kotlin
• Spring
• JPA
• MySQL
• Kafka
• Redis
• AWS
• Kubernetes
• Docker
• Apache Spark
• Codex
• Claude Code

전형과 지원

무신사 정규직 공고는 기본적으로 인터뷰를 두 번 봅니다. 공고에 따라 3차 인터뷰나 커피챗처럼 단계가 하나씩 더 붙으므로 지원할 공고의 전형 절차 항목을 따로 확인해야 합니다.

지원 전 준비할 것

1. 1

   과금·정산 정합성 사례 한 건

   광고 과금과 파트너 정산이 업무와 자격 요건에 함께 나옵니다. 금액이나 집계가 어긋났던 문제 하나를 골라 원인, 바꾼 설계, 결과를 공고 작성 팁의 문제 정의·해결·성과 순서로 정리해 두세요.

2. 2

   AI 에이전트로 푼 문제와 검증 기록

   지원 서류 안내가 AI를 활용해 문제를 해결한 사례의 활용 방식과 결과, 검증 방법을 적어 달라고 요청합니다. 에이전트가 만든 코드를 어떤 테스트와 리뷰로 확인했는지까지 한 사례로 준비하면 자격 요건과 우대 사항에 함께 쓸 수 있습니다.

3. 3

   Live Coding 대비

   1차 인터뷰가 Live Coding입니다. 이벤트 집계나 예산 차감처럼 업무와 비슷한 문제를 Java나 Kotlin으로 직접 짜 보는 연습을 해 두세요.