AI 产品经理面经

围绕JD，重点介绍相关经历、核心优势和岗位期待。

AI导购，按STAR法则展开：背景：传统搜索难承接模糊需求；目标：通过对话提升推荐效率；行动：搭建理解、澄清、召回、排序和生成链路；成果：转化率、GMV和满意度提升。

参与深、成长大、业务价值明显。

转化受外部因素影响，因此要结合业务指标、过程指标和模型能力指标综合判断。

以信息增益判断是否追问，按品类决策成本控制轮数，优先先推荐再微调。

用户需求优先，商业目标只在高相关商品中参与排序，不能牺牲信任。

收集用户反馈，沉淀全链路数据，持续优化模型、策略和话术。

补充垂类知识、推动澄清策略模型化、持续更新评测集。

AI搜索提升信息筛选和整合效率适合复

通过检索增强、强制引用、Prompt约束、时效控制和事后评测降低幻觉。

约束模型有据作答，同时为用户提供可信度信号和核验入口。

理想答案应准确、完整、相关、可信、及时且易读。

它是答案未满足需求的负反馈信号，但要排除需求自然变化的情况。

部分基础能力可能被模型替代，但检索、溯源、评测、领域数据和反馈闭环仍有长期价值。

评测决定迭代是否有效，难点是主观标准不一致、数据分布变化和线上线下效果偏差。

导购帮助用户做决策，强调多轮澄清；搜索帮助用户获取信息，强调快速可信。

PM负责定义目标、建立评测、拆解Case，并把业务问题转化为算法任务。

会，常用Codex、Claude Code和Trae。