这是第717篇offer
REC
1、同学在2024年8月加入辅导
1、拼多多产品管培生offer🎉
一、面试总结
总体来说，通过面试和跟hr之间的交流，比起个人素质，多子可能更注重候选人的稳定性。
这个稳定性指的并不仅仅只是候选人自己说的稳定性，还会从别的角度旁敲侧击去分析候选人是否真的具有稳定性。
产品这个岗位的话，由于我之前并没有产品相关的实习，所以面试官并没有考察过多对于产品这个岗位的问题，而是集中在个人素质上，问的开放性问题更多。
并且由于temu这边的产品经理应该是数据产品方向更多，所以也考察了统计学基础相关的知识，但是难度并不大。
二、 面试问题
timeline: 9.3投递-9.28线下三场面试-10.22信息确认-10.30谈薪电话+意向书
一面：业务面
自我介绍
你是哪里人
为什么想到深圳发展？
你觉得为什么深圳的发展相对于江浙沪地区为什么更慢？
（讲了一下背景什么是货架电商什么是直播电商）
你觉得货架电商和直播电商之间的异同和优劣势都有哪些？
未来发展的上升空间怎么样？
你提到最近的新闻三只羊，你觉得三只羊翻车的最大因素是什么？
你觉得为什么直播电商的主播翻车影响力会这么大？
二面：业务面
自我介绍
哪里人
为什么gap
铅炭电池行业研究提到对行业未来发展的预测是怎么做的
为什么选择产品而不选择售前解决方案
提到性格合适，你是i人还是e人？
解决方案这一块是怎么做的方案？
（业务问题）平时用python更多还是用r更多？
处理数据用python更多，但是用r进行数据可视化更多
给一个业务场景，如果有两天客户退货率相关的数据，你会怎么样运用统计学知识来判断这两天的退货率是否有所改变？
假设性检验（AB test）
使用regression根据历史数据来对第一天的数据进行预测，然后跟第二天的数据进行对比
前面的假设性检验中提到了假设性检验的t检验，t检验的数据都是整数，但是退货率可能都是分数，那应该使用别的什么办法吗？
当时说的是因为分数的范围在0到1内，所以可以把小于1/2的归于0，大于1/2的归于1，然后回归t检验（面试官后来说他们用的是卡方检验）
如果现在给你历史数据，你会怎么样对退货率进行预测？
提到之前做过的微软收购暴雪的股价预测，当时这个项目使用的是时间序列相关的预测，所以除了回归模型以外也可以通过时间序列对退货率进行预测。
12. 反问：做什么业务
管培生会轮岗，大概就是XX数据产品。
三面：hr面
自我介绍
是哪里人
父母是做什么的
会不会离父母太远？为什么考虑深圳？
平时会不会使用拼多多？
有没有别的面试？
有没有男朋友
产品经理最重要的三个特质是什么？
（说到第三个的时候一不小心忘记了问题是啥，于是最后说我觉得上面三个特质我都有:)）
提到你有洞察力，你觉得如果temu想到国外发展的话，最重要需要解决的问题是什么？国外消费者最注重什么？
期望薪资
反问：(1) 候选人的特质; (2) 管培生的培养体系
2、秋招思考🤔
个人情况：
学历背景：qs前50
实习经历：金融实习+0互联网PM
加入时间：24 年8 月
目前成果：25 秋招｜拼多多产品管培生offer✅
尤其前期准备不足（在秋招开始前的一到两年，只有金融相关的经历没有互联网相关的实习经历），注定了我的秋招是非常艰难的。
我并不能很好地提出一些建议，因为我觉得我做的并不够好也没有什么参考价值，可能最重要的就是要对自己的心态进行管理，别太焦虑。
其次要做好岗位和自己简历的匹配度，如果有可能尽量多做networking了解公司对候选人的偏好。
最后感谢一下林哥，在这个地狱级别的秋招中给我提供了非常多的帮助！
包括但不限于简历-投递，模拟面试，复盘经历，面试复盘等，同时也在秋招开始前帮我内推了大厂的实习岗位。
最后祝大家都秋招顺利～❤️
25届校招offer68+✅
美团产品经理offer+4｜1800字复盘，金融转产品，海硕
......
25届秋招面试已经开启，加入辅导拿offer～🎉
就业形势严峻，加入辅导！
1️⃣700+互联网大厂offer：点击这里👈
2️⃣30+国央企银行offer：点击这里👈
3️⃣10+外企快消offer：点击这里👈
4️⃣10+社招跳槽offer：点击这里👈
end
腾讯产培、京东管培、宝洁管培、花旗银行、新浪 产培、拼多多 产管、苏宁 产培、荔枝 产培；微信/阿里/腾讯/百度/字节/美团/滴滴/快手等SP/SSP offer。
加入大家庭，拿到更好的大厂offer！
针对24/25届同学的要求：致力于今年/明年校招进入大厂的产品/运营同学。
具体案例：（600+大厂offer：点击查看）
