AI 产品经理-面试经历总结

面试，是一次职业竞争力的测试评估。

我的第一份工作，带着运气进入商汤从事 AI 方向；第二份工作是在安人心智，感谢阳志平老师，给予我从 0 到 1 构建一款 AI 中文写作工具产品的机会。

在离开安人心智后的这两个月，我接触了近十家意向企业，认真面试了5家公司：滴滴、今日头条、京东金融、VIPKID 和美团，最终选择加入 VIPKID。这段时间，非常感谢hanniman - AI产品经理大本营的团长黄钊老师的帮助、在社群中与多位同行共同交流，受益颇多。

面试结束后，朋友们鼓励我将面试经验整理出来分享，虽然我不认为自己的经历值得学习，但作为一次职场测试，还是有必要总结复盘一下啦~

这次被问的所有面试题，我认为都是围绕在一个大问题下延伸出来几个核心问题，每个核心问题包括许多从属问题，最后还有一些外延问题。

我试着从这些面试题中推论，这个大问题是「AI 产品经理的价值是什么？」

AI 产品经理的价值是什么？

如果说产品经理的价值是创造一款满足产品-市场匹配（Product-market fit，PMF）的产品，那么 AI 产品经理的价值，又是如何让 AI 产品满足PMF的呢？

PMF 是 Marc Andreessen 在2007年创造的一个概念，定义为：「在一个好的市场里，能用一个产品去满足这个市场」。

从宏观角度来说，AI 价值主要有两方面：

改进甚至替代现有的人工行业；
创造新的行业契机；

要回答 AI 产品经理的价值，也许要先思考：AI 在产品的价值中发挥什么作用，「改进」还是「创新」？在不同的产品中， AI 产品经理的工作是如何产出与量化的呢？基于这个大问题，延伸出两个核心问题：

「AI 如何应用于产品？」这个问题的背后实际上是回答：「AI 产品经理的工作如何产出？」包括：产品中的哪些问题应用了 AI？AI 技术如何工程化落地到产品上？…
「AI 产品如何衡量？」这个问题的背后实际上是回答：「AI 产品经理的工作如何量化？」包括：AI 产品的用户体验有哪些指标？与传统的产品衡量指标相比，应该如何衡量？如何分解指标？…

以下是面试官围绕这两个核心问题，根据我的项目展开了具体的面试提问。我也对每个问题当场的回答与事后复盘的思考作了整理，也许还有许多没问到的问题，也需要自己未来多加注意。

AI 如何应用于产品？

基于该核心问题，延伸出多个从属问题，包括：

AI 产品应用了哪些 AI 技术（或其他科学原理），如何应用？
AI 产品经理在 AI 技术工程化的过程中，主要工作角色是什么？
AI 在产品中取得的最终效果如何？作为 AI 产品经理，总结了哪些成功的经验或失败的教训？

「你是怎么将算法从技术demo包装到产品上的？」

– 面试官根据简历上的项目描述，要求介绍产品的功能，举例某个算法技术包装到产品的流程。

我的回答：

根据当时的团队背景，概括该项目从算法到产品落地的完整流程；
而我作为 AI 产品经理，主要负责的部分流程，根据项目举例，如：
- 需求分析：如何找出客户的真实需求，并排列优先级
- 产品设计：根据客户当前情况，给出怎样的具体方案
- 数据标注：分析数据与算法原理的关系，编写标注文档，并带领数据团队收集数据与推进标注
- 工程合入：技术工程化需要跨部门沟通，在不同的部门合作中如何成功推进
- 产品发布：…
- …

「你是如何将认知科学原理应用到产品层面的设计上？」

– 面试官会根据我的项目介绍提到的「基于人工智能技术与认知科学原理…」展开提问。

我的回答：

首先分析产品的背景，包括：目前市面上现有的产品对哪部分需求没有满足，而我们的产品基于这些原理，在市场上可以满足哪些需求
如何基于xx原理来满足xx需求：举例某个xx原理的含义与应用过程，如：
- 根据原理，提取了哪些规则，并如何将规则细化和分类…
- 而不同的规则，分别运用了怎样的技术来解决
- 如果面试官不打断，我继续回答，在xx原理到技术的过程中做了哪些事情，包括参考哪些资料来梳理这些原理的规则、制定了哪些指标，来衡量这些原理的应用效果
- …

「你在做这个产品的过程中，主要做了哪些事情？」

– 这个问题一般是基于某个项目细节去追问，一般不会单独问。但有面试官会换一种问法：「你的工作方法是什么？」或是「你做产品的工作流程是什么？」

我的回答是：根据项目的真实情况来举例回答。

市场调研-收集需求-需求分析-制定产品方案-团队沟通和项目排期-跟进项目开发中的问题-调整-制定评估标准-测试用例-测试-发布-线上数据分析-收集反馈-第二轮迭代…

而根据我上面的回答，面试挑某个流程钻进去问，比如：

怎么做需求分析
怎么做产品规划
用户调研的方法
…

~ 现场按自己的记忆来梳理，也没有提前准备。面试官建议我掌握业界标准的产品经理方法论和工作流程。而事后，我也反思该问题：回答缺漏的原因也许并不是我对该问题准备不够充分，而是在之前的工作中就没做到位。所以，我需要在之后的工作中加强学习业界产品规范。

「你在这个项目中最重要的角色是什么？」

– 这个问题通常是在上一题问完工作流程后，进一步考察产品经理对工作角色的思考深度。

我当场的回答是：

产品经理最重要的是发现问题与解决问题。然后举一个具体的例子来描述。
后来面试官也给了我许多中肯的建议：产品经理应该更关注用户价值，为用户创造有价值的产品。

~ 事后我也继续思考该问题：在不同的公司或团队背景下，对不同层级的产品经理的角色/要求是否不太一样？而自己的感觉是，产品经理最重要的是「做正确的事」，然后是「正确地把事情做出来」。而如何界定「正确」的标准？这个问题我还在思考，也希望与大家多多交流该问题。

「这个产品的核心价值是什么？」

– 5论面试有3轮产品总监都问到这个大问题，说明该问题在工作思考中非常重要。

我在当场的回答：

产品的价值有多个维度：用户价值，商业价值等
举例产品如何满足用户需求，发挥产品价值，包括：
- 产品面向的是哪些用户群体
- 他们在真实场景中的痛点是什么
- 产品的什么功能解决或缓解了这一痛点
- 产品最终达到了怎样的效果，是否满足了用户价值（是否达到衡量指标）

~ 当场的回答并不好，毕竟自己做过的产品也不算非常成功。后来总结了某些失败的教训，也在该问题结束前一并提出。事后在整理本文也思考：AI 产品的价值点，如果是根据「创新」和「改进」来分类，（1）为什么 AI 驱动的创新对用户来说很重要？（2）传统产品的问题为什么需要 AI 来改进？

「为什么这个产品后来没有达到预期？最根本的原因是什么？你总结了哪些深刻的经验和教训？」

– 面试官对成功的项目只是粗略带过，而对失败的经历会问得更深。

我当场的回答，是从「市场-用户-产品-技术」没有形成闭环的角度来回答这个问题。

最小产品当时投入到市场，目的是为了验证是否满足 PMF，有三种满足 PMF 的方式：
- 第一种，先找到一个细分市场，直接推出产品去满足该市场的用户需求；
- 第二种，某个细分市场已明确存在，但是目前满足这个市场的产品的体验仍不够好；
- 第三种，当市场的用户需求不存在时，发明一款产品，去创造出一个新的市场；
举例分析我负责的产品，属于上面哪一类产品，然后证明产品和市场是否匹配。失败的原因是未满足PMF，闭环未形成。而 AI 产品比普通产品更难满足 PMF 的难点在于：如何选择合适的市场切入？AI 落地，不仅是工程化方面，还需要考虑技术与产品的匹配点。
- 需要在大规模数据量的业务积累下，对 AI 产品有相对明确的需求
- 能对用户体验指标有具体的定义与标准化，然后拆分让技术实现的场景

~ 因为经历过一些失败，了解了某些 AI 产品为什么无法满足 PMF。这也是我为什么要来到垂直行业做 AI 产品经理的原因。我也告诉面试官为什么明知失败，背后没有去做这些事情的原因；同时在过往经历中也发现了自己在产品方面的短板，需要不断加强积累。

AI 产品如何衡量？

衡量一个产品的标准可以被定义为：「一个真实的用户对于该产品的感知」，包括：这个产品的易用性如何？产品功能的丰富度如何？反应速度如何？扩展性如何？精致度如何？Bug多不多？

衡量一个市场大小的标准可以定义为：「该市场的用户的数量和增长率。」

那么，AI 产品应该如何衡量？基于该核心问题，延伸出多个从属问题，包括：

首先是 AI 产品的用户体验如何测量？与传统的衡量方法有什么区别？设定了哪些衡量指标？
根据什么标准来设定的这些指标？
哪些指标与 AI 相关，哪些不相关？
应用了 AI 技术的指标，产品指标是如何分解到 AI 技术指标的？
AI 产品经理如何完成这些指标？（进一步提问技术细节，考察产品经理对数据和技术的理解）

「怎么衡量产品的效果与指标？」

– 这个问题被所有面试官问到，非常非常非常重要，也会被问得很深，指标要求说出具体的数字。

我的回答：

根据项目的某个功能点，举例回答产品指标的参考标准；
- 被追问「你选择的这套标准，是否适用于用户场景？用户是怎么评价这个效果的？」
举例回答产品效果的测量方法，包括：
- 如何分解产品指标到技术/算法指标，如何定义算法规则？
- 如何测试产品功能改进后的效果
- 被追问：「测量时，如何选取测试数据？如何评估数据的好坏？」
- 被追问：「如何评估用户体验有所提升？」
  - 如「速度变快」具体指的是哪个流程变快
  - 如「速度变快」的结果，具体数字是从xx分钟降低到xx秒

面试官会对其中一个问题，深入技术细节展开追问：

「如何平衡召回率和准确率，为什么优先准确率？」
- 举例，不同指标对用户造成哪些不同程度的影响。
「如何在不损失准确度的情况下，提高召回率？」
- 举例，产品背后使用了哪些算法，讲解算法工作原理以及发挥哪些作用
- 不同的算法原理，提升了哪些产品指标，具体细节，具体数字…
「你依据什么标准拆解规则，做了怎样的分类？」
- NLP 的问题难点在于制定规则拆分的逻辑，需要结合规则背后的语言学规律，以及产品结合用户行为等场景计算规则的实用性。
- 举例：不同类型的规则，分别采取了哪些方式来提升指标，比如 NLP 的 n-gram 解决的是AA问题、深度学习的 GNMT 模型解决的是BB问题，而深度学习只完成了第一步，还需要进一步抽取xx规则（举例说明其中的原理和细节）
「xx 规则，用到了什么语言学规律？你看过哪些语言学的书来找到这些规律？」
- 当时这个问题被问得很细，我也只能举例几本不同的语言学相关的书，自己分别从里面用到了哪些规律，总结出什么样的规则，如何根据真实场景，来融合这些规则（举例一些语言学知识）。

~ 担心面试官觉得我过于专注技术细节，我也向面试官解释，基于团队资源缺乏的情况，我主要负责的是产品到算法的规则拆分、构建语料库和标注测试数据方面，以及我是怎么做这些事的具体例子。面试官也会根据我的回答进一步追问，让我举例有哪些规则。

「这个项目，给客户减少了多少人力成本？」

– 面试官当时深入问了我在商汤做的一个重要项目，以身份验证服务降低人工审核成本为例。

我的回答：

介绍业务背景，客户的真实痛点，客户对产品最基本的指标要求，如何给出第一版本解决方案。
在满足客户基本指标之后，如何继续提升了算法和性能指标，最后达到了什么效果，具体到算法指标数字。

由于我的回答偏技术指标层面，所以面试官追问：

「上线后，能减少客户多少人力成本？是否有具体数字？」
「xx防伪的识别率多少，在什么条件下才无需人工审核」（需要深入了解客户的业务场景）
「你们发现哪些网络攻击的问题」（具体举例网络攻击行为与解决策略）
- 如何解决网络攻击问题：回答包括从哪里发现网络攻击行为、如何做攻击行为的数据采集与数据标注、算法团队如何根据该需求来训练模型…
「最后完成效果提升多少」（客户人力成本降低的具体数字）
「后续迭代进一步优化了哪些指标」（举例客户的其他需求）

下面是在如何衡量产品指标相关被提问的外延问题，考察 AI 产品经理的数据分析与技术理解能力。

「你对数据是否敏感？」

我并没有正面回答「是的我很敏感 or 我不敏感」，而是举例自己之前做过哪些 AI 数据相关的工作，包括

自己在标注过程中，发现过哪些问题
如何带数据标注团队，提升标注效率（偏人工智能训练师的角色）
根据客户反馈，分析线上数据找出具体问题，提出优化方案等

「你对机器学习算法是否熟悉？」

– 在技术型产品岗位的面试都被问到。而不同面试官对该问题的提问方式会不一样。

（1）要求直接回答的方式「是/否熟悉」

我的回答：

不算非常熟悉，但我知道自己的产品是用了哪些算法（举例），在不同的功能和规则下，用xx算法是怎么实现的，xx算法可以多大程度改进产品。
然后举例自己和算法工程师协作时，如何用产品的思维结合算法共同优化某个指标（举例）。

（2）面试官出一道实际场景的题的方式，来考察我怎么实现这题的算法逻辑，来评估我的技术理解能力。

「怎么判定文章是否抄袭」（最新洗稿很严重，大家都在讨论这个话题）
「怎么计算一篇新文章在历史文库中的热度」
「怎么预测新用户是否会购买一件商品」
…

回答略

（3）还有一种提问方式最令人恐惧，直接要求讲解某个算法的技术原理分解到数学层面细节。

我的回答：

深度学习，是什么概念(嗯，当场把理论背下来，比如深度学习中运用最多的卷积神经网络，它的每一层结构分别是什么，为什么需要多层？）
在图像领域中，为什么用深度学习会比其他的效果好，原因是什么？
很多人都说深度学习很牛，但是它和传统图像识别的方式有哪些区别，解决了什么问题？
身为 AI 产品经理如何通过对技术的理解，去解决实际的问题？

~ 事后思考，为什么 AI 产品经理要懂技术？以前都是拿 RD 的结果去用，分解出指标给 RD 就够了，但是其实并不知道，深度学习或者其他算法能给产品带来具体什么样的效果，AI 的好处和风险点有哪些？AI 是否真的能解决问题？如果 AI 产品经理（尤其是 AI 算法产品经理）不懂技术，你怎么知道它能给你的产品带来的是提高而不是灾难？

「你是如何跟算法工程师沟通的？」

– 该问题个人感觉相对简单，属于考察产品经理的沟通能力，以及解决问题能力。

我的回答：

举了一个例子，比如在真实场景中用户投诉，为了达到客户预期，必须提高xx准确率的问题：
- 先根据用户反馈，定位问题；
- 然后线上看数据，分析问题；
- 列出问题可能存在的根源，哪些是算法问题，哪些是工程问题等；
- 做了一个问题分析表，附带数据图片样本；
- 根据问题分析表中发现的具体问题，和 RD 沟通哪些能解决；
- 再看自己可以做哪些事去推进，如果是新需求可能要收集更多数据，并申请标注团队资源等…

外延问题

外延问题主要包括：

与应聘岗位相关的问题，包括如何优化对方的产品
与面试者个人经历相关的问题（比如我为什么从iOS开发转产品）
面试者的未来职业规划方面的问题

「AI 在 XX 场景中，可以实现哪些功能，说说你的理解」

– 这个问题需要提前了解应聘岗位的背景，可能需要了解算法基本原理才能回答得更好。

「对我们公司的什么产品感兴趣？你还能再做哪些优化？」

– 比如面试今日头条，他会问抖音或推荐产品还可以从什么方面优化，从算法技术的角度、从用户体验的角度等。

「你为什么从技术转产品？」

– 个人职业转型问题，面试官连续提了下面几个问题，篇幅过长，我加到另一篇文章来回答这几个问题：我的职业路线与未来规划

「你最早是iOS开发，当时为什么做技术？为什么从技术转到产品，说说你在转型中间自己的感觉。」
「你觉得做 AI 产品经理，和做技术有哪些不一样？」
「你为什么觉得自己更适合做产品？」
「你未来的产品职业选择是什么方向？你会如何做好以后的产品？」

附：面试前期准备 & AI PM 同行交流

其实这次面试我没有提前很长时间准备，我看有些小伙伴会准备1-2个月面试，而我从写简历到第一家面试只准备了1周左右的时间。

写简历的过程中，梳理了过去3年所有的工作。也根据项目自己的工作内容，来准备可能被提问的问题，重点复盘了工作细节，还搜了市面上常见的 AI 产品经理的问题与答案。下面这些重点问题 90% 都被问到了，尤其是「如何衡量指标」这个问题，会被不断追问。

AI 和传统方法有什么区别，在这个产品中，AI 的优势是什么？
为什么传统方法无法解决这个问题？效果不好有哪些原因？
在这个产品中，分别应用了 NLP 和 AI 的哪些技术？NLP 主要解决了什么问题？
AI 主要解决了什么问题？分别是如何解决的？
AI 又是如何基于 NLP，进一步做了哪些改进？
产品有哪些评估指标？根据什么来设定的这些指标？
产品指标如何测试和衡量？
算法指标如何测试和衡量？

在第一轮滴滴的面试结束后，hanniman-黄钊老师基于我的个人优势和短板，为我提出了如何选择公司和岗位等非常好的建议，十分感谢！

下面是我自己对我个人的能力分析：

个人能力分析

产品经理的品质方面：

有认知科学基础，能够清晰地梳理问题，在复杂环境中发现关键矛盾；
和团队关系友好，待人真诚，也有很强的团队凝聚力，推动能力强；
对 AI 技术应用到垂直行业有着非常高的热情，决定投入至少10-20年坚持去做好这一件事；
也有超强的毅力和耐心，这也归功于之前跑马拉松的习惯，坚持做一件事对我来说并不难；
日常生活比较稳定，除了工作，业余也会坚持锻炼，读书与写作；

产品经理的专业方面：

积累较多的：
- 需求分析层面，不论是toB还是toC，深度考虑用户场景，用户调研并验证自己的假设；
- 项目管理层面，统筹产品从算法技术落地到产品上线的整个过程。权衡在关键时间点做哪些重要的事情，有时候不一定非得 AI，关注结果和效率；
- 数据分析层面，在产品上线后发现细节问题来改进产品，AI 技术理解能力较强（CV+NLP）；
- 除了 AI 产品经理的工作以外，会额外做一些提升效率和推动进展的事情，在资源少的情况下额外辅助工程师做语料库整理、数据标注等工作。
积累较少的
- 产品方法论，深知自己的专业性与业界规范仍有差距。面试官分析这也许是我之前缺乏大公司产品经验导致；
- 交互设计，接触 toC 的产品设计较少，也是在最新一次产品设计经历中发现设计的各种问题，通过具体细节才感知到背后的问题，这也是需要基于业务场景下来思考设计，而非自己臆造功能和交互流程；
- 行业经验，缺乏 AI 产品在垂直行业应用的经验。这也是我来到教育行业的原因之一，我对行业积累得远远不够，而要把事情做成，就必须积累这些经验去更好地判断。

黄钊老师的分析

你相对其他人的优势，应该还有对CV和NLP的了解，至少是会熟悉一些、能很快上手。你前面分析行业+公司很不错，选择公司时，如果主营业务对AI有诉求，并且已有一定的积累，会是非常好的锻炼平台。另外，是否能锻炼你作为PM的专业能力，也是一个重要因素，如果能去腾讯，或者直属leader是腾讯产品背景的人，会比较好。

但是，如果考虑你的长期发展规划，个人观点，最重要的考量因素，是如何一步步的选择一个最适合你的AI细分方向，进而去积累。

你现在刚好属于可塑性最强的阶段（年轻+有CV和NLP背景），但再过2年，这个相对优势又淡化了。

CV、NLP，及其交集领域，怎么跟垂直行业结合，都会有不错的方向，但这还不够，单个人来说，需要像我偏笑那样，在细分、再细分的AI领域，做到业内TOP级（即使短期内，在其他方面有明显短板）。

至于PM常规能力方面，随着你的工作年限提升，只要公司平台不太差，基于你的主动性和学习能力，5~10年后，自然会不错的。

非常感谢黄钊老师，这也是我第一次如此详细地分析自己的能力，也帮助我在未来工作中不断反思：需要积累哪些技能来填补短板，更需要发挥自己的长处。

参考资料：

熬夜了2周，终于完成了所有的面试。感谢帮助我的师友同行，也感谢愿意花时间面试我的各公司领导们。

总结不易，如果觉得文章对你有价值，那就打个赏呗~

updated logical structure at 180611
updated logical structure at 180602
created at 180531