AI 产品经理面经

用STAR法则——情境→任务→行动→结果，结果必须有数据支撑（如“用户采纳率提升了X%”）。京东面试官特别看重“解决真实问题”：解决了什么具体痛点、评测标准怎么定的、上线后效果如何迭代。

选择AI产品时建议覆盖三类—通用对话类（豆包、DeepSeek、Kimi）、电商垂直类（京东AI购、淘宝千问购物助手）以及你做过竞品分析的。如果能结合京东AI购和淘宝千问做对比分析会非常加分。分析框架:核心价值（解决什么用户痛点）→交互设计亮点（如何降低使用门槛）→改进空间（给出具体的、可落地的优化建议）。

分三层——为什么选AI（AI对产业的长期价值）；为什么选

核心答案（“四问判断法”）：第一问：确定性—问题有无确定性答案?规则引擎可否高效解决?第二问:可获得性有无高质量、可用的训练数据?第三问:容忍度—出错成本多高？高风险场景必留人工兜底。第四问：ROI—AI开发维护成本是否低于预期业务收益？京东面试官希望你秉承“能不AI就不AI”的务实态度，尤其是供应链场景，AI的价值必须体现在真实的降本增效上。

核心答案（三层体系）：第一层：技术指标意图识别准确率、响应时延、召回率等；第二层:体验指标用户采纳率、对话轮数、用户满意度；第三层:业务贡献指标订单量增长、用户留存率、商家转化率提升、人工介入率降低。在京东场景中，尤其要关注“商业闭环”:AI不仅体验好，更要能带来销售转化。京东内部已有验证:接入大模型客服导购后，商家转人工率下降18%，满意度提升21%，咨询转化率提升2%，这说明AI功能必须能衡量对核心业务指标的贡献。

核心答案:分三步—先定场景:解决真实问题，不做“伪需求”；再定边界:明确哪些用AI解决、哪些用规则引擎/人工兜底；最后做闭环：包括效果评估（离线+线上指标）、持续迭代（badcase分析+数据回流）、建立评测体系。具体到京东零售场景，需要提前思考“商家经营工具”的AI应用落地，规划AI客服Agent的全链路功能。

任务型Agent：执行单一任务(如查天气、发优惠券）；流程型Agent:多步骤串联解决复杂问题(如退换货流程中从识别意图到生成工单到通知物流的一站式处理)；自主型Agent:能自己拆解任务、做决策、调用多个工具完成开放目标(如AI导购不仅能回答问题，还能主动推荐商品并完成下单闭环)。京东即将上线的京犀App用一句话完成购物、点餐、订酒店，背后就是自主型Agent的能力体现。

核心答案:两者需要结合使用，而非二选一。RAG擅长“查得准”需要注入实时知识库的场景（如商家客服读产品文档、用户问订单状态）；Agent擅长“做得到”——需要完成多步操作的场景（如差旅报销：订票→填单→审批）。在京东数据产品中，一个完整的AI功能往往“用RAG保证回答正确，用Agent保证任务闭环”。

核心答案:可以分方向来答自动化分析:用AI自动生成周报/月报，从“提取数据”到“洞察结论”一步完成；智能问答:让商家/运营用自然语言问数据，AI直接返回图表和结论；异常预警+归因:AI自动监测指标波动，发现异常时自动分析根因(如“GMV下降5%，主因是某爆款库存不足”）。

核心答案:归因分析框架产品体验问题（用户是否找不到入口、交

针对京东AI战略布局提出高质量问题。示例京东AI在2026年的重点发展方向是什么？是C端京犀App的规模化增长，还是B端商家服务Agent的深度打磨？言犀大模型在7000亿参数规模后，落地的最大瓶颈是在技术层面还是在场景匹配层面？京东物流的AI应用计划中，哪些功能是接下来的优先落地场景？

用户场景到功能架构的闭环思考；数据驱动—用指标定义和数据分析推动决策；沟通推动跨部门协调，让技术和业务团队达成共识。

真诚回答。可以表达自己如何在高强度项目中保持高效状态，举例说明遇到困难时的应对方式（主动沟通、拆解问题、快速试错），体现积极应对心态。

京东价值观包括“客户为先、创新、拼搏、担当、感恩、诚信”。AI产品经理需要特别关注“客户为先”—所有AI功能设计必须回归用户价值；“创新”—持续探索AI与零售/物流场景的结合点；“拼搏”AI研发投入2026年增长超200%，需要有攻坚克难的心态。2026年京东一季度AI使用用户接近8000万，同比增幅超200%，体现了务实向前的拼搏精神。

优势要与AI产品经理岗位强关联（数据敏感度、快速学习能力、技术理解力）。劣势要承认但展示改进计划（如“我的技术背景不如计算机专业同学深厚，但我持续学习AI论文和行业动态来弥补”）。