今日主題
Product Sense 面試考的從來不是「你有沒有框架」，AI 讓每個人都能在幾秒內生出一份結構完整的答案，結構完整現在只是及格線。真正決定分數的，是 Lenny's Newsletter 和前 Meta PM Ben Erez 在 2025 年整理出的五個評分維度——而且這五個維度是分開打分、不能互相補償的：分群選得再漂亮，如果問題定義只是把同一種情緒換三種說法，整份答案照樣會被標記為弱。今天就用這套五維度框架，練一道 2026 年 Meta 面試電話篩選真題。
核心框架速記
Ben Erez 五維度框架（Lenny's Newsletter，2025 年 4 月）
這套框架把「說什麼」跟「怎麼評分」綁在一起，每個維度都有建議的時間配置：
| 維度 | 要做的事 | 建議時間 | 常見失分點 |
|---|---|---|---|
| 1. 清楚溝通 | 講清楚你的計畫與假設，讓面試官全程知道你在哪一步 | 3–5 分 | 只在開頭講一次結構，中間跑掉了沒人知道 |
| 2. 產品動機 | 一句話講這個產品為什麼存在，呼應公司使命 | 3–5 分 | 整段跳過，直接從釐清跳到分群 |
| 3. 使用者分群 | 畫出生態系、分出 2–4 群，鎖定一群並講出理由 | 8–10 分 | 用「輕度／一般／重度使用者」這種放在任何產品都通用的分群 |
| 4. 問題定義 | 走過那個使用者的真實使用時刻，列出痛點，挑一個 | 8–10 分 | 三個痛點其實是同一個情緒的三種講法 |
| 5. 方案發展 | 腦力激盪、用影響力×成本排序、定義第一版 | 8–10 分 | 三個方案只是同一個點子換三種介面 |
Lenny's Newsletter 特別提醒：「在一個維度表現優異，補不回另一個維度的弱點」——這跟上禮拜練過的「拆解思路要獨立失敗」是同一種紀律，只是這次連評分表都是分開打的。IGotAnOffer 引用的前 Meta 產品主管則指出，分群是整場面試的「鉸鏈」（lynchpin）：分群一旦籠統，問題定義跟方案自動跟著籠統。
今日練習題
題目
「你是 Meta 的 PM，被指派一個把居家維修工（水電工、油漆工、水管工等）跟消費者連結起來的全新產品，你會怎麼設計？」 （來源：Meta PM 面試電話篩選真題，2026 年候選人回報，Aced／Exponent 整理）
拆解思路
- 釐清問題：先問「關於題目本身」的問題——這是獨立 App 還是 Facebook／Marketplace 裡的一個功能？地理範圍是全美還是先選一個城市？這些答案會直接決定你能不能借用 Meta 現有的社群圖與使用者習慣，一定要問。
- 產品動機：把它跟 Meta 的使命綁在一起——不是「幫人找工人」，是「把人跟人之間的信任關係延伸到居家維修這件事上」，呼應 Meta 本來就想做的「connecting people」。
- 選分群：居家維修的使用者可以分成「第一次當屋主、完全不懂該找誰」「長期自住、已經有固定班底只是臨時找不到人」「房東／物業管理者，要處理多間房子」。選第一群——這群人的痛點最獨特，也最適合用 Meta 現有的鄰里社團資料解決。
- 找痛點：走過這群人的真實一天——水管漏水，先上網查，查到的結果一半是水電工一半是水管工分不清楚；問朋友，得到三種不同建議；打開既有的居家維修 App，被要求先選「服務類別」，但他根本不知道這算哪一類。用時間／金錢／動機／信任安全四個桶子檢查：這裡的根因是「不知道該找哪種工人」，跟「找到工人後不確定報價公不公道」是兩個完全不同的痛點。
- 提方案：用「產品切面」檢查方案夠不夠獨立——(a) AI 症狀輸入（打字、拍照、語音描述問題，系統反推該找哪種工人）；(b) 把 Meta 既有的鄰里社團貼文資料接進來，顯示「附近的人推薦過哪個工班」；(c) 登月級：把整個報價、預約、付款都收進 Messenger 對話裡完成。三個方案分別賭在 AI 判斷力、社群信任資料、交易閉環三個不同的點上，任何一個可以單獨失敗。
- 定義成功：北極星可以是「症狀描述轉換成成功預約的比例」；輸入指標是 AI 症狀輸入的完成率；反指標是「配對錯誤工種、使用者事後投訴」的比例——這條反指標尤其重要，因為它直接對應到今天案例裡 Thumbtack 自己也在面對的風險。
範例回答（面試時可以這樣講）
先講動機和分群：「我會把這個產品定位成把 Meta 本來就有的鄰里信任關係，延伸到居家維修這個使用者最沒有安全感的場景。使用者我鎖定在『第一次當屋主、對居家維修完全沒經驗』這群人,因為他們的問題不是『找不到工人』,是『連自己要找哪種工人都不知道』,這跟長期自住的使用者完全不同。」
接問題跟方案：「這群人的痛點是,東西壞掉的時候,他們形容的是症狀,不是服務類別——漏水可能是水管問題,可能是屋頂,也可能是別的。所以我的第一版會做一個 AI 症狀輸入,讓使用者用文字、照片或語音描述『發生什麼事』,系統反推該找哪種工人,而不是逼他一進來就先選分類。接著我會把 Meta 現有的鄰里社團資料接進來,在配對結果旁邊顯示『附近的人推薦過這個工班』,這是純粹的市集平台做不到的差異化。」
收在指標：「我會用『症狀描述轉換成成功預約的比例』當北極星,反指標盯緊配對錯誤工種的投訴率,因為如果 AI 猜錯使用者該找哪種工人,信任感會比沒有這個功能之前更差。」
自我核對清單
用這張表檢查你的回答有沒有漏掉關鍵點：
| 核對項目 | 有提到？ |
|---|---|
| 產品動機有沒有扣回公司使命，不是只回答「做什麼」 | |
| 分群有沒有具體到只屬於這個產品、不是放哪裡都通用的分類 | |
| 問題定義是不是三個真正不同的根因，不是同一情緒換三種講法 | |
| 方案是不是能各自獨立失敗，不是同一點子換三種介面 | |
| 有沒有講出北極星、輸入指標、反指標三層 | |
| 加分項：有沒有主動點出自己方案可能帶來的新風險（如配對錯誤） |
今日案例
Thumbtack：把「先選服務類別」的搜尋，整個換成 AI 引導的症狀輸入
Thumtack 在 2026 年 4 月 30 日正式發布聲明，宣布把平台的核心發現流程從傳統分類搜尋,改成讓使用者用文字、照片或語音描述居家問題,再由 AI 反推該找哪種專業工人。官方引用自家調查：超過一半屋主承認會把居家問題診斷錯,近 85% 的人根本不確定該找哪種專業的人——這正是今天題目裡「不知道該找哪種工人」痛點的真實版本,而不是面試官隨口編出來的情境。內部測試顯示,87% 的使用者認為能用照片或語音表達問題很有價值,用新流程的使用者比用傳統搜尋的使用者更有信心往下走。CEO Marco Zappacosta 把這個決定講得很直白：「在一個長期靠口碑建立信任的產業裡,AI 給我們一個把這種信任感重建到規模化的機會。」產品負責人 Waqas Sheikh 補了一句更貼近今天框架的話：「居家專案從來不是從完美的計畫開始,它們通常是從一個問題、一個疑惑開始——我們這次是照著專案真正發生的方式重新設計。」
面試連結：這個案例可以直接拿來佐證今天題目方案裡的「AI 症狀輸入」那一步——講到為什麼不能逼使用者先選服務類別時,可以直接引用 Thumbtack 自己的調查數字當證據,而不是空泛地說「使用者不知道該選什麼」。同時也能用它來回答面試官的追問：如果方案是 AI 猜測工種,你要怎麼知道它有沒有用?Thumbtack 的答案是比較「用新流程 vs. 用傳統搜尋」兩群使用者的信心與後續轉換,這正是今天練習題第 6 步要求的對照設計。
延伸閱讀
- Product Sense Interview: Framework, Examples, and Practice — 今天框架的完整來源，附 Google Maps 的逐步示範解法。
- How to Crack AI Product Sense Interviews — 補充 AI 時代的「Human Delta」概念，講你在 AI 產出之上還能加什麼判斷。
- The Definitive Guide to Mastering Product Sense Interviews — Lenny Rachitsky 與 Ben Erez 的原始文章，今天框架與評分維度的第一手來源。
參考資料
- Thumbtack Introduces AI-Powered Experience to Reinvent How Homeowners Care for Their Homes（官方新聞稿，2026-04-30） — 案例段落的調查數字、內測結果與高層引言出處。
- Product Sense Interview: Framework, Examples, and Practice — 五維度評分框架與時間配置表出處。
- 52 Real Product Manager Interview Questions (2026 Guide) — 練習題（Meta 居家維修產品題）的候選人回報出處。