在面试数据科学家products的题目时，有同学包括我自己经常会觉得面试还不错，但是还是会收到拒信。我根据自己的面试经验总结了几个在产品面试中常见的几种错误，通常在你注意到后，改正起来就非常容易了。

 

 

第一种问题是听到面试官的题目后，不想清楚问题核心要问什么，不问clarification question，直接jumping to answer。举一个例子，比如说某一个面试官说，有一个PM想把页面上的绿色按钮变成蓝色。问你要用什么metric。很有可能你会犯的错误是直接jumping into，我们要用CTR来验证绿色按钮是不是比蓝色按钮吸引到更多的用户点击，但是有可能这个产品设计的初衷是为了帮助红绿色盲的人不要看不清红色和绿色，而不是提高整体的CTR。那么这个时候CTR就不是最好的metric了。回答问题前先要把你对这个产品的目标的理解和面试官确认一下，在他确认无误后再开始阐述你的答案，否则你的回答可能会完全偏离到不同的方向。有一些面试官比较好心会引导你回到正确的方向，但是有一些面试官就静静的看着你跑偏。在a b testing实验中，最重要的就是产品设计的目标和你的假设，这个是回答问题的立足点，一定要和面试官讲清楚on the same page。

 

 

第二个问题是在回答的时没有先讲清楚自己的逻辑并follow 逻辑阐述内容，而是think out loud。在某些面试里面，think out loud可以和面试官保持沟通，但是在产品类的面试中，尤其是面试官以一个PM的角色来问你时，没有逻辑的回答是一个red flag.

 

我们可以用一些常见的套路，比如说5C套路就是Company, Customers, Competitors, Collaborators, and Climate.

 

我建议先跟面试官讲清楚你的大致逻辑，再逐个dive into讲detail。

在回答behavior questions的时候，可以使用star模型，

s: situation

t:task

a:action

r:result

重点放在action和result上面，讲清楚你在这个project里的位置和做了什么，最后的结果是什么，尽量使用数字进行量化。

 

 

第三个问题，是不讲很多detail直接讲high level的东西，比如说我之前犯过的一个错误是，对方问我如何设计一个实验，我就说先确定metric，再run test分析结果，over。但是这也太简单了，讲这样的high level design并不能体现出你对实验的了解程度，你应该很非常细致的讲清楚你的goal, metric分类，有哪几类的metric,  选择什么具体的metric，如何选实验对象如何random sample；在分析的时候要可能会出现哪几种情况，比如说要考虑到metric一升一降或者是都升或者是都降的各种情况，再对每种情况进行分析。还有一点是要提出对一些重要的segment进行研究，比如说像我们的红绿。按钮颜色的实验中就应该对红绿。我们认为可能有红绿色盲的人群进行每一个segment的具体分析，保证我们并没有在某一个segment上造成了negative impact。

 

很多面试官会问follow up question，我原先也以为啊，这是一个好的展示自己知识的环节，但是实际上他就是觉得你在这个方面讲的不够清楚才会问，所以我们也要尽量在讲的过程中讲到所有的重要点，让面试官无话可说无话可问。