在DA/DS面试中，对候选人Product Sense的考察是绝对绕不开的，而这类问题对于实际工作经验较少的我们来说，确实比较难以回答。因此，我们结合篱笆导师的实际工作经验、面试经验以及各位学员的面试反馈，帮助大家总结梳理了Product Sense类问题的主要题型，并提供相应的解题思路供大家参考。但无论是什么样的解题方法，大家一定要注意多多练习。想要提升自己对于Product Sense类问题的掌控，是需要通过不断的模拟面试、总结提炼和再应用的循环过程的，因此一定一定要多多练习。

在包括本篇在内的共四篇文章中，我们会分别向大家介绍4类最常见的Product Sense类考题及相对合理的答题框架，希望大家紧跟我们一起练习。

 

Diagnosing Problems，其实我更愿意称它为“异动排查”，通常的case是，某产品的某个指标出现了负向或正向的变化（通常都是负向），该如何定位原因。以下是一些问题事例：
（1）How to investigate a 10% DAU drop in Facebook/Tiktok/?
（2）The usage of our product has a 20% drop. What is going on? 

 

     解题框架

其实无论是什么样的框架，最重要的，是要给你的面试官呈现出一个系统的方法，所以切忌将自己想到的所有观点都抛出来，尽量先和面试官沟通好一个回答问题的框架，然后再在框架里面填充自己的观点。下面的这个步骤，是比较通用的一个框架，大家可以尝试模仿

比如上面的第2题，在开始思考框架前，是需要和面试官明确好，怎么定义“usage”，是通过用户每天的使用时长，还是通过使用次数，亦或是其他的指标

指标在时间维度上的变化无非是突然变化和逐渐变化。如果是突然变化，那大概率是突发的内部事件，比如生产数据的ETL或底层数据源；但如果是逐渐变化，那更大的可能是各类外部因素，比如seasonal factors、industry trend、competitors、external campaign等，或者是其他特殊事件，比如disasters、politics，这种可以通过其他产品或功能等变化来佐证。当然，面试官问这个问题，肯定不完全是想听你对外部事件的分析，她/他一定是希望听到更完整的解题思路，所以接下来的环节就更为重要

按人口统计和行为特征（例如用户年龄组、地区、语言和平台）对用户进行细分。例如，下降是否发生在一个某个区域，某类系统（ios/android），亦或是具有某种特征的人群身上？另外，除了维度上的筛选，还可以进行公式拆解，比如DAU = 现有用户 + 新用户 + 复活用户 - 流失用户，GMV=GPM * UV * PV

 

以上，是关于diagnosing a problem这一类题型，比较常见的一种解题思路，感谢大家阅读，希望对大家有帮助