Product Builder 面試日練 — 2026-09-15：Metrics & Analytics

🌏 English version

今日主題

Metrics & Analytics 這輪最常見的題型不是「幫某產品定義北極星指標」，而是反過來：「某個指標突然掉了，你怎麼查」。這類題目考的不是你能不能講出一個聽起來合理的原因，是你會不會系統性地把所有可能性排除乾淨，而不是猜中一個就停下來。

Google 的 PM analytical thinking round 明講面試官會「硬起來」——你丟出第一個假設，對方直接說不對，逼你往下一層挖。多數人卡住的地方，是講完「可能是 bug」之後就沒詞了，因為腦中沒有一份完整的根因分類清單，講到哪算到哪。

核心框架速記

根因排查六維度：指標下滑先分類，再深挖

Google 面試官公開整理的根因排查邏輯，分成六類，答題時要依序掃過，而不是想到哪講到哪：

面試時的用法：不用六類全部講完才算及格，但要讓面試官看到你「掃過一輪」，再依證據收斂到最可能的一到兩類，而不是跳過排查直接下結論。

AARRR 快速定位：這個指標在漏斗的哪一段

在深挖根因之前，先確認留言互動這個指標，對應到 AARRR 的哪一層，決定它「掉了」的嚴重程度該怎麼判斷：

1. Acquisition（獲取）：新使用者從哪裡來——留言下滑通常無關
2. Activation（啟用）：使用者第一次體驗到核心價值——留言若是新手引導的一環，下滑要優先查
3. Retention（留存）：使用者持續回來的頻率——留言是觀看之外的次要互動，通常不是北極星本身
4. Referral（推薦）：使用者是否帶來新使用者——留言若帶動分享轉發要另外看
5. Revenue（營收）：是否影響變現——留言互動間接影響廣告曝光時長

留言互動多半落在 Retention 的輔助層，不是 YouTube 的北極星（觀看時長才是），這一步能幫你判斷「要不要拉警報」，也是面試官接下來會追問的「所以呢，這重要嗎」的答案來源。

今日練習題

題目

「在過去 24 小時內，YouTube 留言互動下滑了。你的下一步是什麼？YouTube 的北極星指標是什麼？留言互動的關鍵指標又有哪些？」

（來源：Exponent《Google Product Manager (PM) Interview Guide》歸類為 analytical thinking and execution round 的真實候選人回報題目）

拆解思路

1. 釐清問題：先問面試官「下滑」的定義——是留言數、留言率（觀看轉留言的比例），還是留言互動率（讚／回覆）？下滑幅度多大、是全平台還是特定地區／裝置？24 小時是相對正常波動範圍還是異常尖峰？
2. 定位在漏斗的位置：套用 AARRR，先確認留言互動不是北極星（觀看時長才是），而是 Retention 層的輔助指標，決定這是「先查、不急著拉警報」還是「立刻升級」。
3. 系統性排查根因：依六維度依序掃過——先查 production bug（部署紀錄、錯誤率）跟 rollout 問題（是否為分流錯誤），這兩類最容易在 24 小時內造成尖銳下滑；再查 UI/UX 改動跟使用者行為轉移（是否搬去其他分頁）；最後才看季節性與外部因素。
4. 提出下一步行動：依查出的根因分流處理——若是 bug 或 rollout 問題，優先回滾或修復；若是行為轉移，追查使用者去了哪裡，評估是不是產品內的良性遷移；若查無異常且幅度在正常波動內，先觀察不動作。
5. 定義成功：說明會用什麼指標確認問題解決——留言互動率回到基準線的哪個區間、多久內觀察、以及要同步盯緊北極星指標（觀看時長）有沒有被影響，避免只顧著修一個次要指標。

範例回答（面試時可以這樣講）

問題釐清：「我想先確認幾件事——這裡的『留言互動下滑』，是留言絕對數量下降，還是留言率（觀看轉留言）下降？幅度大概多少、是全平台還是特定地區或裝置？我會先假設是全平台的留言率下降了兩成以上，因為這個幅度才值得馬上升級處理。」

定位與排查：「留言互動不是 YouTube 的北極星，觀看時長才是，所以我會先查它有沒有連動影響觀看時長，決定這是緊急事件還是可以按部就班查的問題。接著我會依序排查——先看有沒有部署或 rollout 出錯，因為 24 小時內的尖銳下滑，最常見的原因是這兩類；如果部署紀錄乾淨，我會再查介面有沒有改動留言按鈕位置或排序邏輯，還有使用者是不是把留言搬去別的分頁或外部平台，最後才看季節性跟外部事件。」

下一步與成功定義：「如果查出是 rollout 分流出錯，我會先回滾止血，再補測試；如果是使用者行為轉移到 Community 分頁，我會先確認觀看時長沒有一起掉，如果沒掉，這可能是良性遷移，不需要緊急介入，但要同步通知團隊評估要不要把兩個分頁的互動數據合併看。我會定義成功是留言互動率在一週內回到基準線的正負 5% 區間內，並且全程監控北極星指標沒有被波及。」

自我核對清單

用這張表檢查你的回答有沒有漏掉關鍵點：

今日案例

Airbnb：北極星指標是「訂房晚數」，不是訪客數或房源數

Airbnb 在遞交上市 S-1 時，公開說明公司內部追蹤的核心營運指標是「Nights and Experiences Booked」（訂房晚數與體驗預訂數），而不是更容易衝高的訪客數、註冊數或新增房源數。理由很直接：訪客數可以靠行銷預算衝高，房源數可以靠降低審核門檻衝高，但這些指標漲了，不代表任何一位房客真的住進了任何一位房東的家。訂房晚數這個指標很難被灌水——要讓它往上走，必須真的有一位房客信任一個陌生人的房子並且付了錢住進去，同時有一位房東把空間變現成功，兩邊都要發生，指標才會動。

面試連結：這個案例是回答「你會怎麼避免選到一個容易被灌水的北極星指標」這類問題的好素材——強答案不是列出很多候選指標，是講清楚判斷標準：這個指標會不會只靠單邊（供給端或需求端）就能被操作上漲。訂房晚數需要供給跟需求同時成立才會變動，這正是它撐過各種成長黑客手法、至今仍是 Airbnb 官方揭露核心指標的原因。

延伸閱讀

• Google Product Manager (PM) Interview Guide — Google PM 面試全流程拆解，含 analytical thinking round 的真實候選人回報題目與根因排查邏輯
• How Top PMs Define Their North Star Metric — Aakash Gupta 整理北極星指標與指標樹的實務案例，含 Spotify 的具體拆解
• Airbnb's North Star Metric — 拆解「訂房晚數」如何反映 Airbnb 供需兩端的核心價值交換

參考資料

• Google Product Manager (PM) Interview Guide — 對應「今日練習題」的題目來源與根因排查六維度
• Airbnb's North Star Metric — 對應「今日案例」Airbnb「訂房晚數」的說明
• Airbnb's North Star Metric - Marketplace Series — 對應「今日案例」訂房晚數難以被單邊操作灌水的機制說明