即刻App年轻人的同好社区
下载
App内打开
奕辛
636关注2k被关注1夸夸
产品经理|网易、蚂蚁 .etc
专注于AI安全及AI应用于安全风控
✅现状永不满足,✅未来不懈追求
微信:xishui-2011
置顶
奕辛
6年前
向大家分享下我面试PM的方法:

1、请从你做过的诸多的产品中挑选一个你投入精力比较多,比较能代表你产品能力的产品,简要描述下:
几乎每个PM都会做一堆产品,但是在衡量其产品能力的时候用TA自认为最能体现TA产品能力是最为核实,为后续面试奠定一个产品场景。其次这类产品候选人往往最为熟悉,往往也是面试官能够挖掘到更多的点。

2、这款产品的定位是?衡量这款产品的成功与否的指标有哪些?你在里面的角色是:
作为一个PM清楚自己负责产品的定位及度量的数据指标是最为重要的点。但是在实际过程中很多PM都回答不上来,或者回答的是非常微观的目标。在这里能够发现PM的工作的目标感,目标感加上产品经历的时间大概能测算出一个PM的积累量。
在产品中的角色意味着其在项目推进过程中可以协调的资源量,也确定了这个产品是主导人还是执行人,背后决定PM对于该产品的思考广度和深度。

3、这款产品的需求来源有哪些?从用户需求到你的产品方案中间会经过哪些环节?推进需求落地的先后顺序的决策依据是:
以上主要是判断一个PM的需求分析,需求管理、产品方案设计的基础能力。

4、这款产品最终的数据是:
最终数据最终代表着该PM的产出,可能有人有疑问:产出受多因素决定等。但是我们脑子中的项目就是产品负责制,PM的产出就是最终交付给了用户的产出。实际过程中目标都是达成,这个不重要,重要的是目标达成的程度。

5、你在做这款产品的过程中有遇到什么问题?你是怎么解决的:
考察一个产品候选人的总结、分析、提炼的能力,在实际面试过程中,大概也就20%的PM能够很好的回答这个问题,因为面试时间很紧张,临场总结提炼往往是能够感知到的。

6、如果让你将这个产品推到重来,你觉得你会在哪些方面会做一些改变,原因是什么:
考量的是一个PM有无复盘,复盘能力,对比早期决策,是否有更好的解决方案,解决方案的依据是什么?能够判断这个PM的职业习惯及在该产品期间的成长度,这种方案的改变应该是有目标的,应该有体系的。那种微观的优化,要么原产品本来就很优秀,要么就压根没想过这个事情,而是浑浑噩噩的过来了。

7、向我推荐你最近体验到的三款很不错的产品,不错在哪里:
考察PM的产品的敏感度和前沿的追逐度,有没有经常去体验一些新出来的不错的产品,体验过程中有没有去总结人家产品的好处,好在哪里?

8、在产品的知识体系中,你觉的你在哪些产品点上能力比较强:
考察PM的自我认知能力,结合PM在前面讲的产品项目,他的工作内容、方式等等。反向印证前面过程对该PM的认知,看自己判断是否准确,是否遗漏了一些该PM的长短处,也看看PM对自己的认知能力。

9、请用三个词语形容下自己,取其中之一,列举工作的实例举证下这个形容词:
开放性问题,主要是判断其个人的性格,举例证明往往很多时候可以发现有意思的点,伴随这个问题可以小范围讨论下,舒缓前面面试的紧张氛围,在这个问题之后进行反转,看看该PM有无问题需要面试来解答的,PM也处于一个相对舒缓放松的状态下,能够完整全面提出自己的疑问。

备注:这9个问题在实际的面试过程中,可能有些环节时间比较久,有些可能比较短,有些问题会随场揉在一起问了。但是基本上会覆盖这些问题。仅供参考
32140
奕辛
9天前
到底是躺、还是卷、还是仰卧起坐呢?😂
00
奕辛
10天前
最近有一种明显的感觉 大家逐步有从空谈AI到回归业务的倾向了,从精神面貌上看貌似大家也都累了,不再像去年、想年初那么亢奋了,不再那么执着于宏大的叙事,开口闭口变革、重构了。我估摸着是预算冒了,原本各方许诺的提效将本没有落实到财务层面。
00
奕辛
14天前
靠,没绷住...
01
奕辛
18天前
下周六余杭青山村大环线徒步,有约的,可以一起。
00
奕辛
24天前
整个世界都是一个草台班子啊..
今天开学,餐点供应学校组织家委试吃。
本来是好事,结果发现供应商提供的食品有过期的。
结果现场就炸了。校长现场怒怼...
供应商听说从这学期起由区里统一组织,然而...
00
奕辛
28天前
嗨,瓜吃不动了...,可以从各种角度来解剖,但是爆出来,无非就是想往有利于自己的一面引导呗。
00
奕辛
29天前
杭州真的有秋天的感觉了...
00
奕辛
29天前
马上要开学了,书可以看起来了...
00
奕辛
29天前
在内容审核领域使用AI是一个很自然的过程,目标其实也很明确,就是无限度的逼近于0人审。

针对AI的运营原本预期会有基模、规则、知识等,并围绕此构建相应的AI Infra基础设施。

但在风险运营过程中,操作的更多的还是规则,知识在特定领域会作为一个理解的补充,基模训练反而是使用频率最低的。

这里面无非就是基模训练比较重,需要准备大量的样本数据,还需要做样本平衡度的评估,及训练后的评估等。

且还面临另外一个问题,就是基模达到一定水位之后,再行训练效果并不绝对有效/明显,这里面就涉及到大量的权衡和微操,需要静下心来慢慢优化,但当前大的环境其实不太允许此类操作。

在我所知道的某AI产品上,模型的评估占了算法、工程的绝大部分工作,每天的各个维度的评测甚至达到上千场。
00
奕辛
1月前
xhslink.cn

这个视频虽然有点搞笑,但其实很形象。
00