腾讯IEG游戏数据产品
本人情况：港硕＋1段大厂实习 当时因为个人原因没去这个实习 ，整体面下来带给我的思考和经验很多，所以整理下来和各位牛友一起分享
面试轮次：初面
Q1（面试问题）：对王者荣耀设计一个付费会员体系（增值服务）
A1（当时回答）：从用户的心理去思考的：打游戏中的成就感、爱现心理、虚荣心、社交需求，但具体策略没答上来，答的都是目前已有的东西。
A2（现在回答）：（怎样去撬动付费）。1. 定义体验 2. 定义核心价值（对用户的情绪价值），增值服务提供持续价值。 3. 怎么做（游戏前中后去拆） 4. 效果回归，北极星和过程指标。
这里带给我的思考是需要注重表达逻辑
Q2（面试问题）：设计完发现用户付费意愿低怎么办？如何去优化？
A1（当时回答）：从整体付费意愿到分用户群去看付费率的问题。
A2（现在回答）：第一步：发现问题：拆流程。 服务的曝光：付费入口、弹窗，付费的详情页（介绍、价格），支付，看环节的流失率。
第二步：定原因。 第三步：提供解决方案。再去看用户群体（补充逻辑） 第四步：怎么去看方案是否有效，环节的转化率。
Q3（面试问题）：你觉得产品和运营的区别，更想做哪一方面的工作？
A1（当时回答）：产品是从0到1，运营是从1到N。
A2（现在回答）：借鉴不二PM的回答：1.产品和运营的目标一致，只是生产资料不同 2.产品和运营并非割裂在不同环节，无论在0-1还是1-N，都需要双方配合，更好的界定和传递用户价值
二面，mentor
没怎么挖简历，直接业务面，全程面试官很赶时间
Q1（面试问题）：有了解王者荣耀的半价商城吗？你会怎么来进行推荐系统设计？
A1（当时回答）：1.用户画像（消费行为、游戏行为、社交关系、协同过滤算法） 2. 展示（引流窗口、页面设计） 3. 效果回归（北极星指标：收益，过程指标：消费人数、消费频次）
A2（现在的答案）：
1. 理想态：用户和皮肤的匹配
2. 召回：用户画像、协同过滤（基于用户，用户聚类，用于资讯：用户规模<物品规模；用户规模>物品规模，基于物品，电商）、机器学习模型
3. 排序（优先级）：根据目标去排序，基于用户洞察
4. 策略：基于特殊场景的强干预 （外部广告）
回答被质疑
Q：比如算法A：去给高价值的玩家结合社交关系去推他喜欢的，算法B：去给低价值的玩家结合游戏行为推荐他喜好的，他们的付费绝对值肯定差异很大，那么这样的推荐算法应该去看哪些指标来评估哪种算法好？
A1（当时回答）：去纵向对比每类用户的历史数据，如付费频次、客单价，看他们的相对变化
A2 （现在的答案）： 去看每类用户的TGI？？ 不知道
1.北极星指标：付费率
2. 问题拆解：总收入=客单价x购买次数，高价值：提升购买次数，低价值用户：提升客单价
算法A：ab-test，算法B：ab-test
针对高净值用户，算法A的a：不加模型 b：加模型
Q2（面试问题）：半价活动的次数设置？
面试官提示： 在做半价活动后，对于付费前后的用户行为都会有影响和意愿的降低，所以肯定不是越多越好，如何来思考这个频次呢？
A2（现在的答案）： 付费金额 = 付费频次 x 客单价，活动拉高频次降低价格，
- 目标：长期付费金额 2. 问题拆解：先确定活动的周期（前中后）内的收入水平不会低于正常值，2个月 --间隔-- 2个月 --间隔-- 2个月，消费数据平稳的情况下，排除特殊时间段，或是抓住特殊时间段。
Q3（面试问题）：王者荣耀的社交关系应该如何去深化？以及如何通过社交拉动付费？
A1（当时回答）：
亲密度的深化 -> 付费去减少深化关系的时间成本，付费去共享一些权益
新的社交场景的拓展：建立个人的王宫、小酒馆 -> 付费的装饰、小游戏
生日、节日等送礼 -> 引导朋友圈的分享，回到现实的关系深化
A2（现在的答案）： 增加对陌生人社交的考虑？
- 定义问题：如何去增强互动和交流。
- 问题拆解：场景类型：视频、沟通（连麦开黑）- 亲密度系统、文字、礼物
- 客单价x次数。1）提升付费用户数，组队打折。老用户拉动新用户付费。2）提升客单价，瞄准攀比心理。Case：半价商城
Q4（面试问题）：为什么不做数分要做产品？
1.成就感和挑战性，想作为项目owner去从0到1发现问题，拆解问题，将抽象的问题转化为具象的业务解决方案，并去推进落地上线，这是很有成就感和价值的。2.喜欢沟通，表达能力强。3.好奇心。
被反问： 数据分析或者工程师也是需要去发现问题，然后拆解问题，为业务决策提供解决方案的，这个过程中他也是从0到1去做了一个闭环和提供价值，和你刚说的产品有什么区别呢？
区别：产品是对业务最了解的，去对接不同的团队来了解全链的业务，通过做项目去提升业务能力，作为项目owner有更多的机会了解更多的业务背景，站在更高的角度。数分离业务稍微优点远。
反问：工作内容是什么？
一是通过数据去优化游戏的留存、商业化，如推荐策略、付费体系，并对接比如王者荣耀团队（数据分析能力，洞察能力）
二是搭建数据中台，把海量的数据能够自动可持续的为游戏业务提供有价值的决策（需求分析能力，产品设计能力，沟通能力）
三面，总监
没怎么挖简历，直接业务面，面试官男，挺温和的
Q1：在网易实习中对自己有什么提升？
Q2：职业规划？为什么想做产品？
Q3：那你关注了互联网的什么前沿资讯呢？
Q4：平时用的比较多的互联网产品是什么？
答：小红书
Q5：我理解小红书好像是女生用的比较多，你为什么会喜欢用呢？
产品定位：从海外种草平台发展为了生活百科社区，像是移动端的百度百科
使用场景：旅游、实习、探店、做饭、运动的各种攻略，丰富的UGC内容满足不同场景下的需求，重点在真实和多样，贴近生活
（作为内容消费者，突显自己内容生产者）
Q6：你刚才提到了真实性，前段时间有曝出小红书的虚假帖子，像滤镜或软广，你作为产品怎么来解决呢？
目标：减少软广和虚假宣传的badcase（拆解类型：软广纯广告、滤镜虚假）
解决：平台侧：机器学习模型的搭建先筛选出疑似内容 + 人工审核 -> 对内容进行限流或封禁，对账号主进行警告（对帐号主账号降权）
用户侧：鼓励举报，共建良好的社区氛围，给予守护勋章等奖励
效果回归：按举报数和软广数作为指标去看策略是否有效 （ badcase率）
Q7：平时玩游戏吗？为什么玩？
玩王者荣耀，1. 游戏类型和机制-竞技性、及时反馈的** 2. 玩法的丰富性-满足新鲜感和好奇心 3. 开黑的场景-社交属性的满足
Q8：对于买了某个英雄皮肤的玩家而言，我们提出两个假设，A：下次出这个英雄皮肤时，他的付费意愿会下降，因为他这个英雄已经有一个皮肤了，每次玩游戏也只能展示一款，没必要买新的。 B：他的付费意愿会上升，因为有的玩家可能是收集控，喜欢一个英雄就想买掉所有的皮肤。你觉得是假设A成立还是假设B，如何用数据指标检验？如何去做相应的商业化？
定义问题：这是一个假设检验的过程，我个人认为是假设B成立。
拆解问题：首先我们肯定要对不同的用户群体去看，因为不同用户他购买皮肤的背后动机是不同
1）为了皮肤的颜值付费，或是虚荣心，但平时不常玩这类英雄，以射手举例，他平时玩法师，但这个最新款的射手皮肤特别好看，好多人都买了，所以他也要买。
2）为了玩这个英雄而付费，他本身就喜欢玩射手，这个英雄又是他很爱玩的射手，因为常玩常用而付费，觉得性价比高。
解决问题：所以根据不同的场景，我们可以去看不同用户的付费频次和付费率，以及他购买后的使用频次，所以假设AB不能一概而论，需要根据用户画像去看，应该是会有不同的结果，但总体应该是假设B成立的情况比较多，因为人们还是追求新鲜感，同一英雄的老皮肤也不好意思一直用。
商业化：可以做半价商城或是弹窗活动的个性化推荐，然后讲了讲个性化推荐应该纳入些什么因素：用户画像、协同过滤。（付费频次、付费率）
以上是我对整个面试的复盘，希望能对各位牛友有多帮助，祝大家秋招收获多多！
#后面的秋招会越来越卷吗##秋招##实习##你的秋招进展怎么样了##面试#