Interviews

这个岗位做的是抖音的商家中心产品。一面并没有问到非常详细的其他内容，主要是在深挖相关实习项目。其中我觉得比较有困难的，一个是挖得比较细的竞品调研的详细内容，另一个是AI化的比较详细的方向。这次面试的时候，我对整个项目介绍的过程还不是非常掌握，对实习的介绍也不是非常掌握，所以可能更多会关注的点在于怎么样把一件事情说清楚。

反问环节了解到，对于产品同学主要有几个能力方向：

第一，产品的通用能力。 首先是思维，具体就是平台的目标用户、要解决的痛点，以及方案设计能力、表达落地顺畅，还有对业务的判断。

第二，针对岗位的垂直领域知识。 比如电商的基础知识、广告的基础知识等等，这些都是比较重要的语义场。如果对这些有相应掌握的话，会相对容易landing一些，也会有更多的业务insight。同时也要有韧性以及跨部门的沟通能力，这些都很重要，也需要你对更多领域的context有了解，对更多领域的术语有了解。

第三，横向的方面，最重要的是候选人的潜力。 就是看有没有自发兴趣，比如对AI这一类的新兴东西，有没有自己去做一些小东西，有没有自己去用这些工具主动学习、不断进步；其次，有没有举一反三的能力，会更多关注产品同学的成长潜力。

二面相对来说还是比较惊险的。第一次调了时间，结果调完之后我给忘了，直接错过了，还好后来又调到下一个时间，总算是面上了。但整个过程下来，也还是挺惊险的。

二面更多考察的是宏观思维层面的东西，这也是我这次最大的短板。一些细节能力上的问题回答得也不够充分。有一个问得比较细的点是关于harness的评审方向，简历考察得特别细，这块我答得不是很准。

复盘下来，优化的点主要有以下几个方面：

首先，作为AI产品经理，要有一个清晰的思考链路。 先明白做事的目标是什么，面向什么方向、什么环节、解决什么痛点，做什么样的建设，解决什么样的问题，下一步应该做什么。这就是产品sense和业务视角的sense。其中最重要的其实是环节问题——你在整个大的部门里面起到了什么样的作用，能给整个环节带来什么样的助益，提升什么，这是业务表达的核心。

关于新方向的学习能力。 首先要有学习能力和主动性，要有业务视角，要有产品规划层面的宏观把控。其次是一些偏b端的经验，还有用户体验的提升等等，这也是比较关注的方向，比如移动端要考虑用户动线是什么样。

AI时代产品经理的能力方向。 更多要考虑AI怎么落地，主要有几个方面：首先是大语言模型的理解，它怎么样落地到工作中去起到增益价值。比如产品经理要知道什么是搭一个skill，什么是优化一个harness，要对这些模型的能力有了解——比如什么是SOTA模型，最新的SOTA模型层出不穷，也要持续关注。同时要有长期思路，模型更迭很快，要搞清楚在长期的AI迭代过程中，产品经理怎么样找到自己长期的价值。尤其重要的是对模型底层要有了解，比如什么是ReAct，什么是LangChain等。

这次面试比较负面的地方在于，prompt优化和skills方向还有harness评审说得不是很完善，准备也不够充分。以及在提问的优先级排序的时候，因为我个人不擅长使用一些优先级排序的原则啊，比如说什么kano模型之类的，但是确实可能在面试的时候，这种八股还是需要背一下的

最终问过面评以后，表示是面评还不错，但是要再注意一下过往经历的。细节上表述还是不完善。相对来说成长很不错的一次面试。

准备阶段，对懂车帝做了一个比较完善的了解，同时也对一些更深入的项目做了挖掘。

这个时期被拷打得非常详细的是百度的这段实习经历，面试官挖得特别细。在这个过程中我学到了挺多：比如要介绍一个平台产品，要先说这个平台的角色——尤其是B端产品，一定要说清楚B端有哪些角色、用户的角色是什么，以及整个工作流程，把这些讲清楚。

这个面试官的思路非常快，而且能带着我走，我觉得太有魅力了，简直就是理想型对象。

其他方面并没有太细致地拷问，但涉及到流程的细节问得很深——比如预算分配、给代理的返点等等，问了很多很细的东西。如果你真的没有在这个地方干过很久、没有深入了解业务，肯定答不上来。但这些我答得还挺顺的，包括代理产能的把控等等。让我觉得特别厉害的是，他能够从我只言片语的描述中，就了解到整个平台的面貌是什么、需要解决的痛点是什么、可能存在哪些隐患——真的是能力超级强的一个面试官。

反问阶段聊得也挺愉快。了解到这个团队做的大概是：从内部来说是采购、财务相关的职能产品；另外一块是业务治理，包括预算分配、资金支付链路，以及采购环节的灰色地带、供应商合规审核等，这些都是他们做的业务。

面试官给我的优化方向：

第一，要讲核心。 比如整个决策的职能是什么、这个平台决策的职能是什么、要支撑什么业务——这个一定要明确。

第二，产品经理比较普适的方向。 基础能力方面，要有to B端产品的理解，要有业务流程的把控——这就是B端产品的魅力所在。另外就是要有数据的敏感性，要对数据敏感。

最终这个岗位一面挂了。我去问过HR，反馈是面评非常好，但和岗位的匹配度不太足够。面试最后面试官和我聊过职业规划，问为什么想去智能产品这边，我说大概的规划是想做B端产品，他说还是建议我去考虑更垂直一些的方向。

总之，虽然这个岗位一面就挂了，但成长是相当大的，而且我觉得好像找到了未来想要成为什么样的人。

这个岗位是初步的一个电话面，了解的不是很多，而且不是很感兴趣，和我匹配度也不是很高吧。但大概做一下以下的整理。

这个做的是联想的一个设备端的Agent，在电脑上面可能会不断普及。目前0到1已经有了，做的是1到100的优化，可能要考虑进一步商业化的策略。这是to C的一个产品，要做一些优化和轻量化的东西。下一步要扩大数据库、减少幻觉，还有AI客服、AI售后、定制化功能等等。然后在电脑端做一些第一感知度但高收益的功能，要做一些推荐策略、提示词优化、AI定制化、IP定制化、推荐广告等等。

其中问到了一些比如什么是商业化策略、如何考虑商业化之类的问题。

总之，因为之前没有做过商业化的东西，要考虑的商业化指标可能后续还需要再去补充一下。

这个岗位上来说，其实一开始让我很焦虑的就是关于英语提问，但最后整个过程中发现其实并没有非常深入。聊到Shopee的时候，问到了一些比如AI分析的内容是什么、怎么定义一个好的prompt优化，还有一些关于AI Agent搭建的东西。面试官挺好的，提到在我们这个平台搭建的时候，有一些测试集选取的问题。整体来说挺无感的一次面试。

反问阶段大概了解一下，做的业务是搜广推，主要是在做AIGC视频和AIGC搜索。AIGC视频方向，就是会给一些海外的商家——他们东南亚那边可能没有很高的技术力——用AI来帮助他们做商品视频的产出。搜索方向的话，就是做一些引入搜索、推荐、筛选之类的，还有一些竞品数据问题反馈等等。

关于英语，可能对口语要求不是很高，但需要能够看懂英语，而且能够回复一些英语的信息。

就这样一面无感通过了。

二面实在不是一次非常美好的体验。面试官延期了两次，同时面试的时候还迟到了10分钟，最终面试10分钟就结束了。这个过程中说实话也没觉得有什么收获，大概问了一下两段实习。反正体验感很差的一次面试，也没有问任何英语的问题。

这个岗位聊得比较细的是我的实习经历，主要是百度的这段实习，被问得比较深入。常规拷打完实习经历之后，又问了一下关于skills编写的逻辑，还问了一些更细致的，比如智能分析具体解决什么问题之类的东西。聊的时候问到了会不会SQL这些方向。

反问阶段了解到，做的是搜索品牌广告流量方向，主要日常工作就是异常流量的定位和拆解。一个方向是用户报的——也就是客户报的异常case，以及做一些自动监控，比如异常的PV和CTR之类的；另外一个部分可能是去了解品牌间流量的大盘，还有其他流量的导流等等方向。

关于我个人表现，面试官给的建议是：先把组的业务目标前置。比如这个组、整个部门的产品是什么，要讲清楚背景——在哪个部门、部门目标是什么、解决什么问题，然后这个产品的定位是什么等等，要说细致一点。

对于候选人的要求来说，首先希望有广告的认知，毕竟这是广告岗位；另外就是希望有数据能力，数据能力相对比较重要。现在也在建设一些AI的功能。

我觉得这个面试没过，主要是因为匹配度不太足够——这个岗位更偏向数据产品经理的那种类型。

蓝色光标这个面试，在常规的实习经历拷打之后，问到比较细致的一些技术问题。比如MCP的受众、MCP如何触发，问到很多Agent的应用，问到skills框架、skills编写，问到关于AI Coding、自己使用AI Agent的心得，问到一些常用的Agent框架，比如ReAct、LangChain等等的架构。还问到了对OpenClaw的认知，因为内部的工具就是基于OpenClaw架构的。没想到一面之后，大概十几二十分钟就offer call了。

在了解公司的时候，说到整个业务上，蓝色光标作为营销公司，它不只是一个广告代理公司，会涉及到很多比如达人、品牌广告、展会宣传等等方面，广告业务比较杂，所以要做这样一个业务中台。几个方面：首先要用AI基础能力——大模型引入、API、MCP等等——来做业务的提效；另外一个方面要做的就是数据分析。关于Agent的环境，也有用外部，但内部产品的架构就是OpenClaw。产品经理同学做的就是业务场景的落地，需求可能会比较碎片化，因为包括达人投放、选号策略、沟通合作等等方向，只要有AI化链路的需求，都会交给产品同学这边来推进。每个人也会单独own一块项目，所以之前素材中台聊到给运营提效的方向时，相对是比较对口的。

关于产品方向，主要for内部的人去用，给公司内部的人提效。AI的应用方面，一个是内容生产，不同场景有不同的模型调用；另一个是数据分析，比如投前、投中、投后。代理公司不像甲方自由投放能拿到很多大盘数据，其实很难拿到很多数据，但拿到数据之后，可以用AI尝试做数据分析的能力——比如甲方拿500万去做推广，要去产出策略等等，这些都可以交给AI来做。

关于蓝色光标想要的人才画像，首先就是要能够用手边的工具去解决业务问题；第二个是偏技术项的能力；再有就是你要对业务链条有认知。