题干与适用场景
这是产品执行与指标分析题。发布后每用户收入上升，同时某个留存指标下降。不要假设因果、客户价值相等，或任何一个指标就是公司目标。回答应先定义决策人群、诊断窗口、护栏和行动规则，再提出是否继续发布。
面试官考察点
面试官希望看到先诊断再表态。Interview Pilot 将成功指标、优先级和指标变化诊断列为 PM 执行面试重点，并提醒不要选虚荣指标或跳过诊断直接修复。强回答会区分观察与因果证据，拆分人群，说明长期结果和回滚标准。弱回答只说“留存更重要”，却不说明商业模式或付费人群。
回答前需要澄清的问题
- 收入指流水、确认收入、利润，还是每活跃用户收入？定义不同，取舍也不同。
- 哪个留存队列和时间跨度变化：第 7 天、首月、续约还是客户留存？短期信号不能替代续约信号。
- 哪些用户看到了发布，曝光是否随机？套餐、地区、设备、用户年限和人群来源都可能造成构成变化。
- 决策期限和回滚成本是什么？可逆开关与永久价格迁移需要不同阈值。
- 哪些护栏不可突破：退款、投诉、客服量、延迟或合规限制？
30 秒回答框架
“我先核对指标定义、曝光、队列和时间窗口，再判断收入增长与留存下降是否有因果关系，以及是否集中在某个人群。我会定义公司要优化的长期目标和不可接受的护栏，把发布保留在可逆控制下。决策规则会预先写清继续、缩小人群、改变体验或回滚的条件。”
分步骤诊断与决策
1. 验证变化真实存在
检查埋点、曝光分配、分母、退款、季节性和队列成熟度；可能时与对照组比较。每用户收入上升可能只是低价值用户流失造成的构成变化，并不等于变现变好。
2. 拆分冲突发生在哪里
按套餐、用户年限、获客来源、地区、设备和功能曝光拆分。对每组比较收入、留存、毛利、客服联系、退款和使用质量。若高级套餐续约稳定而新用户流失明显，可能应定向调整，而非全量回滚。
3. 选择主指标和护栏
先说清长期目标，例如续约周期内的贡献毛利；把留存、退款率、投诉率和服务质量作为不可接受伤害的护栏。Statsig 区分直接衡量目标的主指标与发现副作用的次要指标；Amplitude 文档也将成功指标与护栏阈值分开。护栏过多会让任何决策都无法通过。
4. 使用可逆决策规则
保留对照组或功能开关，让证据继续成熟。主目标超过最小效果且没有护栏越界时继续；伤害只发生在一组用户时缩小发布；找到机制后修改定价、引导或价值表达；关键护栏越界或长期价值明确为负时回滚。先写规则，再查看下一批数据。
高质量示范回答
“我不会凭直觉选择收入或留存。先确认每用户收入和留存使用相同的合格人群，并确认发布曝光是随机的。按套餐和用户年限检查队列，再比较续约意愿、退款、投诉和贡献毛利。假设高级套餐毛利上升且续约不变，但新的免费用户在付费墙变化后第 30 天留存明显下降，我会保留高级套餐版本，缩小新用户的付费墙实验，并把续约和退款率作为护栏。发布继续放在开关后并保留对照组。只有毛利达到最小效果、护栏不越界才继续，否则回退付费墙并测试干扰更小的价值说明。关键是预先写好的、按人群区分的规则，而不是为最先变化的指标辩护。”
常见错误
- 只看一张总图宣布胜负 → 构成变化和队列成熟度可能反转结论 → 先核对分母并拆分人群。
- 认为留存永远优先 → 商业模式和时间跨度不同 → 定义长期目标与客户价值。
- 把所有次要指标都当同等目标 → 决策规则会瘫痪 → 只保留重要且可行动的护栏。
- 因为早期噪声停止实验 → 反复窥看会增加错误决策 → 预先定义时长、阈值和仅用于紧急事故的检查。
- 一个人群受损就全量回滚 → 丢掉未受影响人群的价值 → 局部控制并验证具体机制。
- 忽视毛利与退款 → 收入增长可能伴随经济性恶化 → 纳入贡献和售后成本。
追问及应对
如果所有人群收入都涨、留存都降呢？
重新检查归因和时间跨度，再用明确不确定性的长期价值估计。若长期价值为负或关键护栏越界，就暂停或回滚，同时测试更少榨取感的设计；不要把损失藏在总预测里。
留存很吵、面试时间又短怎么办？
只有在已验证与长期结果相关时才使用代理指标。分阶段回答：立即补齐埋点，监控领先护栏，等队列成熟后再作全量决定。明确不确定性，不编造精确阈值。
如何向领导层沟通决定？
用一页展示目标、分群表、不确定性和决策规则，说明已知、未知、受影响人群以及护栏变化时的动作。这样讨论会围绕目标展开，而不是争论一张图。