数据科学面试中Product Sense问题，怎么完美解答？

在本文中，我们将讨论有哪几种类型的Product sense问题——也就是面试中公司就产品和功能提出的问题。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
如何准备DS数据科学家面试?
Facebook和Microsoft数据科学家面试,他们会问这些SQL问题
如何用数据分析优化你的营销策略？
电商零售业是怎么运用数据分析的？

从某种程度上来说，有非常简单的问题，比如产品当前存在的问题或潜在问题；也有开放性答案的问题，比如你对产品的了解程度等。

数据科学公司的面试中会出现Product sense问题，原因有这些：

• 1. 测试你判断并解决实际产品问题的能力；
• 2. 查看你对公司产品和业务的熟悉程度；
• 3. 评估你所提出的解决方案的实用性；
• 4. 评估你定义和理解指标带来的影响，以及指标存在什么问题的能力；
• 5. 检查你是否可以以有效且有序地传达你的解决方案。

Product sense问题主要有三大类：

• 1. 分析与指标相关问题（最常见）：分析指标相关问题，要求候选人解释产品指标或指标变化的原因。
• 2. 评估新产品/功能带来的影响：首先，这个问题会要求候选人讨论新产品、功能、近期或已规划的产品变动，然后询问候选人如何评估更新后的性能。
• 3. 产品设计：第三类问题与产品设计有关，通常没有标准答案。

分析指标相关问题

第一类产品Product sense问题，是与分析指标有关的问题。这些问题通常会提及公司产品相关的指标，以及这些指标受到的影响。如果想要提出解决方案，你应该思考：为什么会发生这种情况？

让我们来看一些例子。最常见的指标相关问题是——某些功能的使用发生了变化。例如，在这个问题中，Facebook 的点赞量同比增长 10%，你需要解释：为什么会出现这种情况？这个问题可能涉及两个指标。例如，Facebook面试官询问：如果iOS平台上有70%的Facebook用户使用Instagram，而Android平台上只有35%的Facebook用户使用Instagram，针对这种差异，你要如何调查？

在这些有关Product sense问题中，指标的概念是很重要的。在大多数情况下，问题中已经直接指出了相关指标，比如在这个例子中，指标就是平台使用 Facebook 和 Instagram 的用户，和只使用 Facebook 的用户的占比。这时，你就不需要再提出其他指标，这能帮助你简化问题。

最重要的一点是，你需要根据问题识别相关指标，并了解这些指标与产品或问题的相关性。在这个例子中，你需要讨论的指标涉及三个方面：手机操作系统、Facebook 应用程序和 Instagram 应用程序，这三个指标对 Facebook 来说非常重要，并且他们会以某种方式相互作用，因为Facebook拥有自己的社交平台，而移动用户是他们的重要目标群体。

指标相关问题与痛点概念有直接的关系。痛点是指产品中用户不满意，导致用户自行停止使用的部分。在 Facebook 的例子中，我们可以推测可能导致统计数据产生差异的痛点，例如， Android Instagram 软件比 iOS 版本运行速度更慢、页面更不直观、或更占内存空间。

另一个关键概念，是明确产品和指标之间的问题。比如，Facebook公司同时拥有Facebook和Instagram这两个社交媒体平台。在这种情况下，指标可能会反应出公司对两个平台作出的不同决定。例如，公司可能会遵循最佳营销策略，将 Instagram 推广给与 Facebook 不同的目标受众，例如更年轻、对品牌选择更加谨慎的人群，而这类人也使用 Apple 产品的可能性也更大。这可能也是大多数 Android 用户只使用 Facebook的原因。

评估影响

第二类Product sense问题涉及到评估新产品的影响，或公司的特点，比如Twitter 面试中的问题——如何量化 Twitter 用户的影响力？以及来自Quora面试中的问题——在功能更新方面，你会使用什么指标来评估搜索工具栏更改所带来的影响？

与指标相关的问题类似，在评估影响方面，评估的指标也是关键。在这种情况下，问题难度系数更大，因为，候选人需要列举出相关影响的指标。每列举一个指标，就要对其作出定义（这点很重要），同时解释指标与目标的相关性，以及可能为什么选择这个指标，而非另一个指标。

更重要的是，在评估影响时，有一个方法很不错，即对 3 个指标作出定义：包括2 个用于评估运行情况良好的指标，和 1 个运行评估情况并无恶化的指标。在回答这个Product sense问题时，我们可以假设有一个新的搜索工具栏，而Quora 希望提高点击率和回访人数，但同时又不希望增加查找信息的时间。

在指出、定义和解释这些指标的原因后，你还需要说明你评估的方式。换句话说，就是要如何得出这些指标？有个不错的方法，是尽可能具体地设计和解释实验内容。例如，测试新功能是否运行良好的常见实验为 A/B 测试。这类测试是类似于对照组和实验组的概念，在评估用户界面更新带来的影响方面非常有效。

但是，如果你建议进行 A/B 测试实验，那么，说明实验将涉及哪些用户组非常重要。就 Quora 面试中的这个问题而言，我们想要评估公众对新产品的反应，因此，我们要在随机分组的情况下进行实验。但是，如果我们只是想将产品扩展到新的用户群，那么就有必要针对特定的用户群体进行实验。

产品设计

第三类也是最后一类Product sense问题，与产品设计有关。这类问题是开放性问题，没有标准答案，而且通常是面试中难度系数最高的问题，因为这些问题考察的是候选人的思维过程，而不是答案本身。

我们可以通过几个例子来看一下这类问题。Lyft面试中有一个问题——请你描述一下如何设计热图，告诉出租车司机要去哪里，来最大限度争取到客户？你是如何定义接下来需求量大的区域？你希望哪个司机接单？另一个例子来自Microsoft——如何总结 Twitter 消息推送？或者 Yelp面试中的问题——如果你必须提出一个新功能，这个功能会是什么？

更重要的是，这类问题有时可能会扩展到评估产品设计的运行情况。例如，如果面试官要求你提出一项新功能，Yelp会根据你提出的功能提出另一个问题，比如，如何确定推出的这项功能是否能取得不错的反响？这将与评估运行良好的产品问题相关。

如果问题涉及产品设计，答案应包含多个概念。首先，定义功能产品的目标受众很重要。如果问题和面试中均未明确指出目标受众，你需要说明你认为的目标受众，告诉面试官你正在基于此目标受众创造产品。在 Yelp 面试中，这个概念可能是当前网站的人口统计数据，也可以是通过推出新功能从而吸引新的目标受众。

另一个需要考虑的重要概念是产品的关键绩效指标，也叫做KPI。KPI 是业务问题中的关键指标，主要有以下两种类型：产品或系统性能（Product or System Performance），例如应用程序初始化的时间，用户体验（User Experience），例如用户推荐产品的可能性。

如果评估 KPI 需要数据，那么，解释这些数据是什么，以及如何在产品中收集这些数据就显得尤为重要。再以 Lyft 面试问题为例，KPI 可能包括司机的收入、公司总收入、或司机在两个客户之间等待的平均时间。但在最后一个KPI中，我们可能缺少一个合适的系统来收集平均等待时间数据，因此我们又需要从Redis数据库中获取该指标。

在回答有关产品设计的问题时，候选人经常会忽略边缘情况，以及解决方案的重要性。假设,对于 Lyft 面试中的Product sense问题，你的的回答是，根据过去的数据，按小时、星期、月份和年份预测出行需求。在你的解决方案中，边缘情况是——当城市举办重大活动时（如音乐节）。因为音乐节的举办时间和地点并不总是一样，而Lyft的打车需求可能会在几天内呈指数增长，然后立即下降，如果仅仅使用过去的数据，将很难预测出行需求。

你需要收集此类重大事件的真实数据，并进行整合，但同样重要的是，你还需要明确数据管道的大致构成。

总结

本文一共列举了3种Product sense问题。在分析指标相关问题时，你需要解释相应指标的变化。在回答这些问题时，你需要了解指标的相关性，确定相关痛点，并考虑这些指标是否存在任何问题。

有关评估影响的问题，你需要提出量化功能和产品性能的方法。对几个指标做出定义，并记住，对于某些指标，你的目标是进行改进，而对于其他指标，只要不出现恶化就可以了。列出你将用于评估影响的实验，不要忘记指出要关注的目标受众。

最后，在产品设计问题中，通常没有唯一正确的答案，更重要的是你的思考过程。好的答案应该定义目标受众，提及相关的关键绩效指标（KPI），描述评估影响所需的新数据管道，并涉及最重要的边缘情况。

感谢你的阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Nathan Rosidi
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/types-of-product-sense-questions-in-data-science-interviews-ad0f80222643