所有標籤CIRCLES 負責把題目拆成七步結構，Sean Ellis 的『很失望』分群法負責決定該聽誰的話——這兩個框架合起來才是今天的重點：分群不是面試裡隨口列幾個人設，是決定後面所有分析該往哪個方向走的第一個選擇。練習題是真實 PM 模擬面試題庫收錄的『設計一個幫助長者獨立使用大眾運輸系統的產品』，拆解示範怎麼把長者這個籠統標籤，先切成『認知清楚但行動不便』與『認知退化但行動自如』兩種完全不同的失敗模式，再各自配不同的解法與安全防線。案例是 Rahul Vohra 在 First Round Review 公開的 Superhuman 原始敘述：早期只有 22% 使用者說『如果不能用了會很失望』，遠低於 Sean Ellis 認定的 40% 產品市場契合門檻，Vohra 沒有急著改產品，而是先把回答『很失望』的那群人單獨抓出來分析他們共同的使用情境，光是這個分群動作、什麼都還沒改，分數就跳到 32%，接下來四個季度用同一套『調查→分群→分析→迭代』流程跑完，分數依序推進到 47%、56%、58%。
Product Sense 面試最容易低估的地方，不是想不出框架，是五個評分維度裡只要一項明顯弱，整份答案就會被打低分——不能用『結構完整』去補『分群太籠統』的洞。今天用 Lenny's Newsletter 和前 Meta PM Ben Erez 在 2025 年整理、2026 年仍是業界主流的五維度框架：溝通、產品動機、分群、問題定義、方案發展，每個維度都附時間配置與常見失分點。練習題是 Meta 2026 年面試電話篩選真題：『你被指派一個把居家維修工跟消費者連起來的產品，你會怎麼設計？』,拆解示範如何不要把分群停在『屋主、房東、工班』這種誰都想得到的分類，而是抓住『不知道該找哪種工人』這個真正獨特的痛點、再把方案跟 Meta 自己的社群資產（鄰里社團、朋友推薦）綁在一起，做出跟純粹市集平台不同的解法。案例是 Thumbtack 2026 年 4 月 30 日正式發布的真實決定——官方調查顯示超過一半屋主會把居家問題診斷錯、近 85% 找不到該找哪種專業的人，於是 Thumbtack 把傳統的『先選服務類別』搜尋整個換掉，改成讓使用者用文字、照片或語音描述症狀，AI 再反推該找哪種工人，內部測試顯示 87% 的使用者認為用照片或語音表達問題很有價值，CEO Marco Zappacosta 把這個決定直接定位成『把口碑的信任感用 AI 重建到規模化』。
Product Sense 面試最容易在『痛點』跟『方案』這兩步卡住——痛點講不出三個真正不同的,方案想出來的三個選項其實是同一個點子換三種介面。今天用 Aced（原 Exponent）2026 年版整理的六步框架：釐清問題→公司策略→選使用者 segment→找痛點→想方案→定 MVP，重點放在後面兩步的兩個工具：找痛點時用時間／金錢／動機／信任安全四個桶子逼自己找出三個真正不同根因的痛點,想方案時用『產品切面』（AI 軟體、硬體、平台網路、情境感知、登月級)確保幾個方案不是同一個點子的不同外殼。練習題是 Meta 2026 年面試候選人回報的真題:『你被指派負責一個全新的志工媒合產品,你會怎麼做?』,拆解示範如何從『志工』這麼大的題目收斂到一個具體 segment（想跟朋友一起做、而不是獨自報名的年輕都市工作者),並示範痛點不能只停在『不知道去哪裡找機會』,還要抓到『沒有同伴督促就很難堅持第二次』這個動機層的根因。案例是 Peloton 2018 年的真實決定——發現會員年度調查裡大家抱怨缺變化,但硬體售價(單車 1,995 美元、跑步機 4,000 美元)把一整群只想要內容、不想買硬體的使用者排除在外,於是把課程內容從硬體拆出來,推出每月 19.49 美元的 Peloton Digital,目標把會員完課率從 36% 推高到 60% 以上。
Product Sense 面試裡最容易踩的陷阱，是看到一組『數字很漂亮』的使用者 segment，就直接跳去想『要幫他們做什麼新功能』，卻沒有先問『這群人現在到底是被滿足了，還是只是沒有更好選擇』。今天練一道情境題：Instacart 資料顯示 35–44 歲、家有小孩的訂閱家庭訂單頻率與客單價都明顯高於其他族群，但 App 裡完全沒有為這群人設計的介面。答案骨架用使用者問題框架（現況→痛點→根因→機會）先把『高頻高單』跟『需求被滿足』拆開討論，再用 Reach × Underserved Degree 矩陣判斷這個 segment 現階段真正的優先順位，避免把『已經做得不錯的地方』誤判成『還有大機會的地方』。案例是 Airbnb 的 Categories——2022 年把首頁搜尋改成瀏覽 56 種小眾住宿主題（樹屋、城堡、小島），用 ML 加人工把六百萬筆房源裡的四百萬筆分類進去，成功讓原本『沒人知道自己想要』的小眾住宿需求被看見；但 2023 年 Airbnb 擴張成 Homes、Experiences、Services 三大產品線後，Category search 的效用跟著下降，2025 年 9 月被正式收掉，換成傳統搜尋框加三個分類頁。
Product Sense 題目裡最容易翻車的不是想不出功能，而是在資源有限時說不出『為什麼先做這個、不做那個』的具體理由。今天練一道真實面試題：『一個社群 App 在青少年族群中成長中，但工程資源有限，身為 PM 你要怎麼排序 stories、活動、個人檔案、訊息、分析這五個功能？』答案骨架延用 CIRCLES——先問清楚情境與限制，鎖定要服務的使用者，找出真正需求，再用清單列方案——但這次把『Cut 列方案』到『Ladder 排優先序』這兩步換成 RICE 評分法：Reach（觸及多少使用者）、Impact（對每位使用者的影響程度）、Confidence（這個估計有多少把握）、Effort（要花多少工程成本），四項算出一個分數，讓排序從『感覺哪個重要』變成可以被挑戰、可以重現的數字。案例是 Intercom 自己——RICE 正是 2018 年 Intercom 產品經理 Sean McBride 在公司內部部落格發表的框架，起因是團隊排 roadmap 時長期被『聲音最大的人』主導，缺乏一致的比較基準，於是他們把四個因素做成一套可重複使用的計分法，後來變成全產業最常用的優先序框架之一。
Product Sense 面試最容易翻車的地方，不是想不出解法，而是一聽到題目就跳去列功能清單，卻沒有先把「使用者到底在哪一步卡住」講清楚。今天練一道情境題：Rox 候選人回報的真實提問——『我們的分析儀表板顯示了很多數據，但我們懷疑許多使用者並沒有從中得出可執行的洞察，你會怎麼做？』答案框架用 CIRCLES：先釐清情境與限制、鎖定要服務的使用者、找出他們真正的需求、再用清單列方案、逐一取捨、最後收斂成一個推薦方案並定義成功指標。案例是 ConvertKit——一家自力成長到年營收 4100 萬美元的 SaaS，發現創作者面對通用的靜態報表頁完全不知道下一步該做什麼，於是在 2021 年把儀表板改成依帳號個人化呈現訂閱者成長、信件成效與到達率的摘要，讓「有數據」真正變成「有行動」。
Product Sense 面試最常見的陷阱,是看到「使用者成長停滯」就直接跳去列一串新功能,卻沒有先分清楚問題出在哪個環節。今天用 CIRCLES 框架練一道情境題:生鮮外送 App 新使用者簽約數持續成長,週活躍使用者卻連兩季持平。答案框架是先用漏斗拆解定位問題環節,再用使用者問題框架(現況→痛點→根因→機會)深挖,而不是急著提方案。案例是 Slack 從使用者行為數據裡挖出「團隊發送滿 2000 則訊息」這個門檻——跨過這條線的團隊有 93% 機率長期留存,這個洞察直接重塑了 Slack 的 onboarding 設計,把「教使用者用完整功能」換成「催團隊儘快衝過活化門檻」。
Product Sense 題最常見的失誤，不是想不出功能，是跳過『使用者是誰、他們真正卡在哪裡』直接開始列功能清單。今天用 CIRCLES 框架練一道 Google PM 面試真題——『你是 Waymo 的 PM，設計一個新功能』，重點放在 Comprehend 跟 Identify 這兩步怎麼問對問題，而不是急著給方案。案例是 Slack 怎麼從一款失敗的遊戲 Glitch 裡，靠團隊內部真正離不開的溝通工具長出來——示範『觀察使用者實際在用什麼』比『問使用者想要什麼』更接近產品洞察的核心。
Product Sense 題最常見的失手不是想不出方案，是分群分得太籠統、卡在『所有旅客都想要更順暢的體驗』這種空話。今天用 CIRCLES 框架收斂範圍，再疊一層 JTBD（Jobs-to-be-Done）把痛點寫成『情境 + 動機 + 現有替代方案的不足』，練 Google product sense screen 常出現的『幫機場旅客設計一個產品』題目。案例是 Rahul Vohra 怎麼用『如果不能再用這個產品你會有多失望』的四問卷調查，把 Superhuman 的產品市場契合度從 22% 拉到 58%，示範怎麼用具體分群取代直覺猜測。
Product Sense 題最容易垮的地方不是想不出功能，是想到功能後說不出「為什麼是這個」。Exponent 最新彙整的 2026 真實面試題庫裡，一位 Adobe 候選人被問到『幫 LinkedIn 設計一個功能』，強答案的共同點是先鎖定一個使用者分群、再往下拆到具體痛點，而不是一次列十個構想。今天用 CIRCLES 框架加一層根因拆解，練這道題，案例是 Airbnb 早期用「幫房東拍專業照片」這個不規模化的動作解決轉換率問題。
Product Sense 面試考的不是你能想出幾個功能，是你能不能把模糊的題目收斂成「行為驅動」的診斷——Google 一場真實 HC debrief 裡，候選人提了 12 個 YouTube 功能被刷掉，理由是「他們描述了 what，沒有描述 why」。今天用 CIRCLES 框架拆解一道銀髮族搜尋體驗題，案例是 Superhuman 怎麼用一份四題問卷把 product/market fit 分數從 22% 拉到 58%。
AI 把執行成本壓到接近零，結果品味好的人產出更多價值，品味差的人產出更多垃圾。差別不在會不會用 AI，而在用之前腦中有沒有值得被放大的東西。這個系列記錄我系統性磨利判斷力的過程。
Product Sense 面試考的不是你能想出多少功能，而是你能不能從一個模糊的需求裡找到真正值得解的問題。核心能力：用戶分群思維、問題重構（把『加個功能』翻成『解決什麼問題』）、feature prioritization 的結構化論述、以及在面試官追問下堅持或修正判斷的能力。