做了5年B端、从没碰过AI和跨境电商的产品经理,去面一个25-40K的AI产品孵化岗,差距盘点下来5条要求只对上两条半。本文是作者的实战准备记录,供大家参考。


———— / BEGIN / ————

我做了5年B端,一直在一家连锁零售SaaS公司做门店管理。手上从0到1做过一个巡检产品:首年签了31家付费客户,第二年续约26家,毛利从38%做到55%。

AI产品,我没做过。跨境电商,我也没碰过。

但我准备做AI产品经理了。

今年9月,我在BOSS上刷到一个深圳的岗位:AI产品经理,CEO直属,负责新产品孵化,月薪25-40K×13。

这篇文章,就是我求职的经验(虽然还没成功)。

一、先读JD:卡片上写的不算数

刷到这个岗位时,卡片上写的是"3-5年、大专"。门槛挺低的,不过钱给得还不错。

正式的JD要求是:统招本科,5年以上B2B,主导过新产品从立项到拿到付费客户,有AI产品经验,做过定价,能用SQL取数。

看下JD怎么说:

  • "产品方向不预设,从客户真实付费问题出发定义。"说白了,公司还没想好做什么,招进来的人得自己去找。

  • "获取首批付费客户并达成商业目标。"上线不算交差,收到钱才算。

  • "公司既有客群与销售网络集中于此。"这里的"此"是跨境电商。

我对这个岗位的理解是:一个人自己找方向、自己做出来、自己卖出去。画原型、写PRD只是中间一段。

二、差距盘点:5条要求,我对上两条半

我把任职要求的5条抄在一张纸上,每条后面写上自己能拿出来的证据。

  1. 5年以上B2B:对得上。

  2. 完整0→1,拿到付费客户:对得上。巡检产品是我立项的,第一个客户是一家30家门店的连锁超市,一年4.8万。

  3. AI产品经验:对不上。最接近的一次,是在巡检产品里接过第三方的货架识别接口,需求我写的,算法是供应商的。

  4. 商业化:对上一半。按门店数收费是我提的,最终价格是老板和销售总监拍的。毛利我从没自己算过,一直是财务每季度报给我。

  5. 数据:对上一半。SQL会写,看板也是我搭的,但只有12个指标,谈不上体系。

算下来两条半。

缺的这些,我又分成两类。

一类靠"翻译":商业化和数据。事情做过,只是简历上写成了执行,看不出背后的判断。

一类得"补":AI和跨境。没做过就是没做过,简历上怎么包装都绕不开,只能在投之前先做点东西出来。

三、简历怎么改

1. 从 0→1:写到收钱为止

原来的写法:

负责门店巡检产品从0到1设计,完成需求调研、原型设计、PRD撰写,产品上线覆盖80家门店。

这是原来的简历写法,没觉得有问题。对着JD再看还是不够,让AI改了一版:

门店巡检产品0→1负责人:访谈60家门店店长和督导,定义"巡检任务+整改闭环";首个客户签约4.8万/年;首年31家付费客户,次年续约26家(84%)。

2. 商业化:只写自己做过的那一段

注意用词,面试一定会问细节,别到时候翻车了。

我写的是自己真做过的部分:

提出按门店数阶梯计费(替代按账号计费);推动实施从定制开发改为标准模板,项目毛利由38%升至55%。

3. 数据:写一个用数据做的决定

原来的简历写法是"搭建数据看板",AI 删了,换成一件事:

用SQL分析各功能使用率,发现排班功能上线3个月使用率不到5%,推动下线,研发资源转到整改闭环。

排班是我自己提的需求,做砸了。不过这是我手上唯一一个"看数据、做决定"的完整例子。

4. AI:做一个demo

三周里我花了10天,做了一个侵权检测原型:上传商品主图和标题,调大模型API,输出可能侵犯的品牌、风险等级和修改建议。

我从1688和亚马逊找了80张图测试,其中40张我事先知道有问题。结果判对56张,七成。漏判的多是改过logo的,误判的多是带五角星这类通用图形的。单张调用成本算下来三毛钱左右。

简历上我单开一栏"个人项目",写三行:做了什么、测了多少、准确率和成本。

5. 跨境:去问卖家

我在两个跨境卖家群里发消息,约到12个卖家,每人聊半小时,问三件事:被投诉过侵权吗、现在怎么查、一年在这上面花多少钱。

12个人里,9个被投诉过,3个店铺被冻结过。查的方式各不相同,有人买第三方服务,有人靠运营一张张看。

这12份记录我没写进简历,留到面试讲。简历里只有一行:"访谈12家跨境卖家,整理侵权风险与检测成本"。

改完的简历,项目经历从4段砍到3段,每段第一句写结果。

四、面试准备

我能做的是刷题。JD里的要求是一个来源,另一个是人人都是产品经理上的AI产品经理面经。我翻了二十来篇,把反复出现的题抄下来,按问的方向归成五类。每类我想三件事:对方想听到什么,我手里有什么,开口第一句说什么。

1. 技术题:拿demo接住

我没做过完整的AI产品,这类题最心虚。面经里问得多的:机器学习、深度学习和人工智能有什么区别,过拟合怎么理解,可解释性为什么重要,RAG和微调怎么选,样本不均衡怎么办,不同任务用什么模型。

翻了几篇面经我发现,面试官很少追原理,追的多是"那你产品上怎么办"。所以每个概念我只背一句定义,剩下的力气花在把它挂到侵权检测demo上。

2. 产品题:先把需求写成任务

这类题问的是怎么把一句模糊的话变成能做、能验收的功能。用户需求怎么转成AI需求,准确率和速度怎么取舍,用户说结果不准怎么办,冷启动怎么做,功能做得好不好怎么评估。

我在原来写PRD的习惯上加了一步:每个AI功能先写清三样,输入什么、输出什么、做到什么程度算合格。最后一样必须是数。

3. 业务题:把账算到能口算

JD职责第4条写的是拿到首批付费客户。孵化岗,我估计这里问得最细。怎么判断一个AI需求是真需求,进来第一个产品做什么,怎么定价,第一批客户从哪来。

判断需求我用五个问题过一遍:谁付钱,解决什么问题,怎么塞进用户现在的工作流,怎么验证,怎么定价。

前三个答不上来,后面就不用聊了。

4. 经历追问:先划清哪些是我做的

简历上每个数字都会被追。

三个项目我各写了一页纸:数字怎么来的,哪部分是我做的,中间出过什么岔子。财务那两年的报表存在手机里,问到具体季度能翻出来。

5. 动机和反问:每题落到一件事上

这类题最容易说成套话。

怎么理解AI,讲一个用AI解决问题的完整案例,为什么从SaaS转过来,有什么想问的。

怎么理解AI,我不打算讲行业趋势,那些面试官比我清楚。我讲做demo时的两个感受。

完整案例就讲侵权检测:访谈里听到的痛点,怎么选模型、写prompt、测,七成准确率和三毛成本,以及我觉得它现在还不能直接上线的原因。

反问备了两个。第一个问产品方向,读JD时那个猜测在这里对一下。如果方向已经定了,第二个问第一年的收入目标,这个数决定我进去头三个月先做什么。

五、写在最后

结果我也不知道,但就针对这个岗位的准备,后续很多岗位都可以参考。

下次再碰到一个让我心动的JD,我还是先拿出一张纸,把要求抄一遍,看看自己能对上几条。

———— / E N D / ————

本文来自作者:苏苏


文章原文