大厂产品经理面试当中最重要的产品底层能力，其实是数据驱动的能力。尤其是对于C端产品策略、产品增长产品和数据产品，其实尤为的重要。那什么是数据驱动产品设计？认为一共体现在三点。

一、通过数据发现问题。有两个最核心的办法，漏洞模型分析法和对比分析法。在一个产品上线之后，通过拆分用户的下单转化路径链条去建立漏斗模型，找到转化流失的关键节点，并且通过产品化的手段去解决它。比如如果做一个电商产品，可以简单的将用户的下单转化路径拆分为浏览商品加购提单和支付。如果用户明显在加购，这个环节流失率是较高的，那么就可以假设这个产品是否在加购的交互流程上，或者是商品的推荐策略上是存在问题的。对比分析法通过对比产品不同、时期不同、用户不同，业务线功能之间的数据差异，去找到产品的迭代点。比如同一电商平台，男性用户的下单转化率要明显的低于女性用户，就可以建立问题。假设是否男性用户的商品推荐策略是有提升的空间的。

二、通过数据去进行产品的决策。这里面只有唯一的一个非常关键的方法AB测试。当建立了问题假设之后，会找到多个产品的问题解决方案去解决这个问题，但这个方案是否真的可以，或者如何去确定多套方案之间，哪一套是最优的选择，将完全依赖于测试的结果。比如为什么小红书一直采用这种双列内容卡片展示的这种交互样式，而不像抖音一样采用这种沉浸式的视频feed流。曾经小红书团队也做过相关的小流量实验，对测验组进行数据的观测结果，用户的停留时长有明显的下降，所以它保持原有方案不变。关于AB测试建立假设确定显著性水平临界，计算最小样本量测验实施得出结论。

三、通过数据去回归产品效果。在产品方案上线之前，就需要预先对这个方案的数据指标监控体系进行完善的搭建，一切产品上线后的好坏评估，将完全取自于数据的表现，那怎么去搭建一个完善科学的数据指标体系，可以从以下三点进行详细的考虑，该项目自身的影响度：

1、做的这个方案到底影响了多少人群体系？到底影响了多少业务范围？比如优化了男性用户的个性化推荐系统，那就要先去考虑男性用户在平台当中的占比是多少，男性用户对个性化推荐这个模块的UV以及PV各自是多少。

2、这个业务的结果指标也是北极星指标。去做了这个项目最终想去提升哪一方面的数据，对于这个推荐系统的优化，最终提高的数据应该是男性用户的GMV

3、过程性指标。也就是完成这个结果指标之前的数学因子拆解，在这里面就主要包括商品的点击率、加购率以及客单价。