今天早上一个读者找到我，说自己昨天参加了一个产品面试，但回家后没多久就被告知面试没过，自己觉得大概率是败在了一道产品基础题上。
他想了一个晚上也没想明白，于是想问问我的看法。好奇之下，我询问了一下这道让他凉凉的面试题。
面试官是这么问他的：
如何用 ABTest 的方法做产品关键路径的效率优化？
他的回答大概是这样的。
第一步，先梳理当前产品的关键路径，绘制用户体验地图，提炼其中的问题点和机会点。
第二步，针对问题点和机会点分别设计解决方案，将不确定性的方案设置为实验组，与原产品流程进行效率对照。
第三步，根据实验组和对照组的数据情况，重点观察用户在关键路径上的操作路径步骤以及停留时间，以此得出 ABTest 的结论。
以上，是他跟我说的大致回答思路。
乍一看，好像没啥毛病。
可实际上，这种回答只是表面上的逻辑梳理，说得都对，但似乎还是没回答问题。而且，并不够具体和落地，同时也缺乏了一些分析和思考。
在这道面试题里，有这么几个关键词，分别是 ABTest、关键路径、效率优化。
首先，这是一个开放式问题，面试官提问的目的肯定不是让你回答做这件事的逻辑流程，而是想考察你是如何分析和思考这个问题以及会给出什么样的落地方案。
其次，答题思路可以从问题出发，也就是如何完成效率优化？
分析产品关键路径上的效率优化，无非是信息设计、交互步骤、转化率优化。目的都是让用户尽可能方便快捷地完成产品任务。
既然是开放式问题，此时最好能举一个具体的案例来代入这个问题，也是给自己营造一个比较熟悉的答题环境。
我们就以电商产品为例。
用户使用产品的关键路径包含了搜索、商品详情、购物车、结算页、收银台、订单。
通过历史数据可以看到这个路径流程属于一个比较明显的漏斗分布。
如果从结算页到收银台的转化率是 60%，即提交订单的用户有六成会进入支付页面。
此时做一个假设验证，通过对结算页的信息优化、交互优化、功能优化后能提升一定的转化率，以此来验证方案是否有效。
经过分析设计，决定对结算页的优惠券模块进行功能层面的优化，增加一个自动选券的功能。
这个功能可以自动判断用户账户里是否有能用于该订单的优惠券，如果有，则为用户自动勾选并减去原本的订单价格。
为了验证这个方案的有效性，将新功能的版本设置为实验组，然后将原版本设置为对照组，实行上线后的灰度发布。
在此之前，对实验组和对照组的功能环节进行数据埋点，分别收集等量情况下的数据结果。
经过一段时间的测试，提取之前埋点的数据结果，将两组进行对比分析。
为了提升 ABTest 的准确性，提取的是同时段、同品类、同商品、同促销策略下的订单转化情况，这样的数据比较客观。
如果实验组的转化率高于对照组，那说明新增的这个功能可以提升支付转化率，从而提升了关键路径上的用户效率。
其实，上面这种回答思路和他的回答思路有几点不同。
第一，不讲大逻辑大流程，而是落到具体的问题点和执行点上去拆解问题并提出方案。
第二，面对开放式的提问，给出一个具体的案例来塑造场景辅助回答。
第三，逻辑自洽，不做开放式回答。
其实这道题考察的都是产品基础知识，并不是什么难题。只要把基础知识夯实好，并且有过相关的实践经验，回答这样的问题并不会太困难。
面对提问，最好的回答就是复述你曾经的实践经历。这种回答既落地、也真实，而且你回答起来也会更加得心应手。
希望能对你们有所启发。
最后，推荐一套拉勾出品的适合产品经理学习的数据课程，包括数据分析方法、工具、MySQL、Python、数据指标搭建以及 ABTest 相关的知识。
这套课程我推荐过几次了，也有不少读者报名学习过，从他们的反馈来看，效果还是不错的，尤其适合产品新人。
之前也介绍过，这套课程的特点是结合企业真实案例，由来自大厂的导师操刀设计，实战性比较强。
此外，拉勾是做招聘起家，自己手上有不少的企业资源，通过他们学习毕业的同学还可以获得大厂直接内推资格。
之所以做这个，基本也是需求导向，企业需要什么人才，他们就定制什么课程来培养，还会和你签订就业协议，算是有一定的就业优势。
感兴趣的读者可以扫码或点击阅读原文获取他们的详细资料和高清大图，同时还能领取一些学习材料。
·················
唐韧出品
·················
也不知道为啥，最近面试和拿 offer 的读者比较多，相比去年同期明显多了很多。
在我看来，这是一个好信号，至少说明市场供需又再一次活跃起来了。
