如何准备大厂「产品案例分析」面试题？

507 阅读 0 评论 0 点赞

上周六我们邀请到了就职于FAANG大厂之一的产品分析师Mandy为我们分享产品数据分析（Product Analytics）的工作内容，以及Mandy的面试经验。今天我们专门整理成文字，分享给大家！

产品数据分析师是一个综合性较强的工作。既需要数据方面的技能，又要对产品和用户有战略性的认识。适合对用户行为感兴趣、喜欢留意用户在网页上的表现和评论、擅长问题进行量化和可视化、或者喜欢用来展示信息的同学；另外如果不愿意只做technical方面的工作，希望参与一些影响公司决策的内容，那产品数据分析师也非常适合。产品数据分析这个职位的发展方向也很多。无论是更偏strategy的产品经理、还是data engineer和data scientist，产品分析师都可以是一个很好的过渡。

分享内容：

产品数据分析工作/面试内容

拆解product case面试

面试技巧及准备

产品数据分析工作/面试内容

产品分析的工作内容分为三个部分。首先是数据分析。重点是用SQL和Python把数据处理完后，能不能用一些常用的软件（Tableau、Power BI）把数据可视化，然后从图中得出一些有价值的结论。第二是A/B测试，如何设计实验以及实验完成后的处理很重要。

最后一点是产品思维。产品思维（product sense）是产品分析里最重要也最难的一个部分。因为相较于前两点，可能做一些定量分析、多刷题就可以很快看到效果，而产品的product sense则需要长期的积累。下面我们就product case来展开讲讲如何培养产品理解和相应的面试准备。

拆解product case面试

1）考察要点

首先我们要明确面试考察的重点有哪些。在产品数据分析师的Job description当中，频繁被提及的技能要求有：能否制定衡量一个产品是否成功的标准，这里的标准就是metrics，比如一个产品的使用人数、时长、revenue等等，需要产品分析师有选出指标然后define success的能力；第二，能不能从选出的metrics上看到产品的改进点（levers）。拿Clubhouse这个产品来说，假如他们的key metrics是使用人数，那么想提高这个metric就可以从新用户获取，或老用户留存，或者是用户之间的“邀请”——这也是Clubhouse做得最成功的一点，来思考如何提升key metrics。

第三点会要求你能不能为团队设计一个框架来分析产品，简单讲就是为大家做一个分析流程：先把要分析的问题列出来，大概需要什么数据（如果数据目前没有需要和engineer沟通），再定义问题的metrics和levers，以及如何计算它们。最后，是能不能预测新功能对产品数据的影响。比如公司决定在产品页面上加ad placement，那么应该加在哪里，加多少，加了之后对用户留存是否有影响等等，都是产品分析师要考虑的问题。

2）考察加分项

下面来讲讲从我个人经验中总结出的一些面试加分点。首先是大家的沟通能力和逻辑性，这是准备过程中常常被忽略的地方。产品分析师是一个tech和strategy结合的岗位，有时即使你画出了一个很棒的图，得到了非常有用的insights，但如果不能说服团队中的其他人还是无法发挥你的作用。第二点是你是否熟悉该公司的产品，这是面试中非常加分的一个点，如果大家去面试大厂，产品线比较多的话，建议不仅对公司主产品做足功课，也了解一些小众一点的产品，更能展现你对公司产品的熟悉度。

然后是要对产品数据分析的常用术语有一些了解。

比如社交媒体产品的daily active users，acquisition（获取），retention（留存），churn（流失）等等。最后是要知道如何从不同维度解构数据。大公司的数据往往是比较复杂的，如果我们只想从一个或几个方面观察数据（国家、年龄、使用设备）那么要知道怎么从原始数据中提取。

3）解题思路和答题框架

所有的产品题都可以分为三大类：

第一种是trouble shooting（故障分析）比如一个metric突然涨了10%，当metric出现不寻常的波动的时候怎么找到原因；第二是launch new feature，当团队要上线新功能时，你能不能帮助团队分析决策是否正确；第三种是evaluate product health，是在产品上线后通过数据对产品整个的状态做评估。

然后我们要针对题型设计出答题框架，这里列举一个大概的回答步骤：

当面试官抛给你一个问题的时候，问题可能很general，那么我们就一定要把所有的疑问都说出来，确保自己没有理解错意思，厘清后再一句话总结给面试官；

回答时要把自己的内容分点去说，先概括结论有哪几点，然后分别详细展开；

最后要指出可能的trade-off，也就是上线一个新功能可能会影响到其他已有的功能。比如在社交媒体上增加一个“好友正在看”的内容，可能会减少广告的展示次数。那么这样可能增加了engagement和retention，但也减少了revenue。

这里我们来举例一个具体的案例，来分析一下：假设今天在Twitter上“狗”的搜索量增长了10%，我们该如何研究背后的原因呢？

针对这个问题我们需要把它拆分成几个小问题，分析可能的导致数据波动的原因，与团队讨论是否可以优化产品。

首先，我们分析这道面试的题型，是典型的troubleshooting的问题，在问数据的增加或者减少。下一步我们就运用现成的框架来回答问题：

最开始可以问一些clarifying question，比如询问面试官这个数量的增加是在手机端还是网页端？是突然的增加还是渐变性的增加？（突然增加很可能是内部数据搜集的问题。）在确定了问题的范围之后，我们可以重新总结一下问题，然后第三步就是列出所有可能导致变化的原因，比如季节性原因，内部平台bug的原因,或者被公司其他内部产品影响。第四步，我们尝试一一分析可能的原因，比如如果我们怀疑用户对狗的搜索量增加是因为疫情原因，我们可以通过分析“猫”的搜索量来证实这个猜想。

面试技巧

1）回答问题时要尽量量化自己的答案

对于一个分析师岗位来说更是如此。大家可以尝试在描述metric的时候习惯性地加一些3%、5%去量化它，当然不能超出正常的范围，但是面试官就可以通过数字对你的表达有具体概念。

2）面试心态也非常重要

心态是一个我们很少去提，但又常常直接影响到面试结果的因素。大家要明白面试是没有正确答案的，更像是你和面试官之间你来我往，有相互交流的一场沟通。回答问题的时候要对自己的见解有自信，以一个专业的态度去回答，也不要总等着面试官去问你，学着引导对方提问，及时抛给对方问题 lead the conversation。大家在面试过程中我们也要注意与面试官的互动，比如先说 “Given what you just said…”, “As you mentioned earlier…”，再进行论述。

3）面试时我们要确保自己on the right track

面试时如果自己一直不停地讲，对方可能会走神抓不住重点，因此讲完一部分可以询问面试官“does it make sense?” 得到肯定再继续说。或者是在时间比较有限的情况下说，我可以讲x，y or z，你更希望从哪个方面回答呢？这样就避免了自己在脑海里做了决定，而面试官想听的不是这个。

4）远程面试

远程面试大家首先要确保自己的手势能出现在镜头里。远程面试交流上可能会有隔阂，适当地用手势来表达自己会增进面试官这个记忆。其次，我们要善用数字使分析思路更加清晰，比如说“there are a few points that I want to cover… ”。第三点是当你想要做什么事情的时候，可以直接表达。比如一个问题如果你需要一些时间思考，梳理思路，可以直接问面试官。不太建议直接埋头写字的做法，面试官也不知道要等待多久。最后，大家也可以看看面试房间的一些环境布置，看有没有共同点，进行一些small talk，让面试从一个轻松的语境中开始。

面试准备

1）如何培养产品思维？

产品思维的养成需要在平时慢慢积累。我们可以尝试在生活中从下面这些角度思考、分析周围的产品：

如何改进产品？

如何判断一个产品特性（feature）的好坏？

团队为什么会开发某些特性？

你会如何设置一个实验来评估新产品或者产品升级。

2）模拟面试

模拟面试是非常重要的。建议大家同一个问题多次练习。我自己在准备这个面试的时候练了可能将近20次。最后已经形成肌肉记忆，跟面试官交流的时候就非常轻松。同时，我建议大家把练习的过程录下来，多听自己的回答。特别是现在远程面试，不能见面，大家还可以用录像检查自己是否有一些使用过度的词，包括面部表情。模拟面试的对象上，如果有人面试同一个职位当然是最好，也可以找同行业、同目标公司的朋友，他们在这个行业有很多工作经验，或者也可以找行业不相关的朋友，就看他们作为外行是否能清晰的听懂你的逻辑和语言。

如果你也想在大厂的「产品分析师」面试中表现出色，快来报名MarTechApe的《A/B测试企业级实战训练营》，本营以真实商业场景中的复杂A/B测试问题为项目背景，让学员在两个月的时间里，使用百万量级原始数据，搭建完整的A/B测试流程，并模拟真实的与产品经理合作的工作场景，培养你的产品思维！

在过去开办的六期《训练营》中，我们为顶尖科技公司输送数据能力强、实验经验丰富、统计基础扎实的数据人才。不论你本来是什么背景，都能通过这门课程，打开盛行“测试文化”的互联网高科技公司的大门！

《A/B测试企业级实战训练营》往期学员战绩：

1 你将获得

真枪实弹的A/B测试项目实操，百万量级真实数据+五大应用案例，从零学会A/B测试的里里外外！

为你建立一个完整的、专业的、深度还原大公司的的A/B测试项目，让你在面试时可以自信展示自己亲自做的案例，成功拿下offer！

从0到100真实操作A/B测试项目的全套流程：数据清洗、数据自动化处理、实验设计、实验执行、结果分析、报告展示。

经历真实工作场景中的、各大互联网科技公司里使用的A/B测试流程，以及适应不同商业场景的各类实验/准实验方法。学会工作中最重要的分析方法！

深度学习A/B测试实战中常见的测试陷阱及避免方法。

牢固掌握公司里A/B测试项目中的实际SQL与Python应用，为A/B测试搭建数据库、清理数据、创建数据集。

学会用Python自动化实现A/B测试，为你的老板提高100%的工作效率！

接受系统的统计训练，打下坚实牢固的统计基础，彻底明白A/B测试的统计原理、分析方法、实验设计方法、抽样准则。

各大互联网、科技公司A/B testing面试题解题步骤示范与详细解析。对互联网科技公司的深度剖析和指标介绍，让你自如面对各类面试考验！

专业的Bootcamp经历简历模版与认证证书，可以晒到LinkedIn等求职网站，大大提高面试邀请率！

福利升级：训练营以往只内推成功从训练营中毕业的学生。但在疫情期间，所有A/B测试实战训练营学员，均可获得全职或实习岗位的内推机会！

2 训练营老师介绍

Emma老师

Emma老师对学员知无不言，有问必答！无论是面试中遇到的问题，还是工作中遇到的困惑。

3 训练营课程内容

整个Bootcamp历时8周，每周3小时课程，共计24小时课时。

周末线上实时授课，课后完成老师布置的作业，助教团队在班级群内随时答疑，直播录像永久回放。

五大课程模块：

A/B测试商业训练（案例、变量设计、测试计划）

A/B测试数据技能训练（数据源概况、SQL数据库建立、Python自动化分析）

A/B测试实验设计训练（A/B测试 vs 准实验、实验步骤、真实商业环境中的实验挑战）

A/B测试统计训练（统计分析、深度解析）

A/B测试面试训练

课程内容涵盖了A/B测试在各大互联网科技公司中的完整工作流程：

A/B测试统计基础与应用场景

A/B测试实验设计

A/B测试假设检验、变量选择、流量计算与实验周期计算

A/B测试各类应用场景中的实验变体与前后测实战分析

用SQL与Python完成A/B测试项目实战

A/B测试结果解读与高阶统计

结果展示

每位学员将有一套亲自做的A/B测试成果作品

每位学员获得A/B测试面试真题解题辅导

结课后，每位学员获得提升简历的Industry Project Experience完美描述，所有学员获得内推机会！

1. A/B测试商业训练

了解A/B测试在顶流科技公司中的各类应用场景

了解A/B测试适用的商业问题与它的局限

了解科技公司产品团队如何使用A/B测试

面对商业问题，如何设计有效的假设？

如何制定A/B测试的实验计划与执行框架？

2. A/B测试数据技能

搭建一个真实的A/B测试实验数据库

了解A/B测试中常面临的数据问题

用SQL对数据进行清洗与转制，完成样本选取、组别分配、变量选取等实验步骤，为A/B测试做好数据准备

用Python搭建A/B测试分析流程

学员在项目中重点使用SQL与Python，全方位了解A/B测试中涉及的数据库搭建、样本选取、实验组与测试组分配、变量选取等数据分析步骤。并且充分掌握用Python搭建A/B测试结果分析流程，实现A/B测试自动化，对真实工作中的A/B测试分析了如指掌。简而言之，项目后，你不仅将牢固掌握SQL与Python等最热门的数据分析软件，还将成为真正的A/B测试技术流，完全掌握A/B测试这项数据分析工作中最重要的技能。

3. A/B测试实验设计

充分了解A/B测试的实验步骤

设立零假设与被择假设

确认实验指标，设计实验变量

根据指标类型确认统计检验方法

估算样本量，确定实验周期

置信区间与统计功效

A/B测试中的各类偏差

样本量不够或其他实验条件不满足时的实验设计

了解准实验与A/B测试的应用区别

为项目案例设计A/B测试实验

学员在项目中将透彻学习实验方法与实验设计。在这个环节中，将研究如何制定实验方案，以提高实验效率，缩小随机误差的影响，并使实验结果能有效地进行统计分析。学习在工作场景中如何用A/B测试等实验来提高用户激活/活跃/留存等关键的产品指标，提升产品功能表现，真正理解A/B测试的商业价值与业务地位。