一、估算类问题
首当其冲的就是费米估算法
费米问题的中心思想是：
- 首先，分别从两个角度展开。一是先从宏观层面，由上层往下推。二是由某个点横向切入，反推上去。
- 其次，拿两次推测得到的结果进行对比，如果相差在一定的范围内。那么我们认为这个结论是可以信任的。
- 最后，为了使结论更具有客观性。我们需要补充上可能出现「误差」的地方，以及误差对结果的影响。
理论性的东西听起来总是很拗口，举个例子来看：
估算深圳市丰田汽车的数量？
先top-down分析：
- 假设已知深圳市全市共有机动车300万辆
- 在深圳市几个车流密集区域采样，记录每100辆车中丰田车的占比，取平均占比。假如为25%
- 300万×25%=75万辆
再bottom-up分析：
- 假设已知深圳全市有「特斯拉」8万辆
- 在某地多点采样得出，在每100辆汽车车中，「特斯拉」车的占比为2%，丰田车的占比为20%。
- 8万／2%*20%=80万辆
不难看出，以上两个分析的出发角度是不同的。
前者从宏观往下，取得平均占比后，乘以总数，得到丰田车的数量。
后者从微观往上，以另一款汽车「特斯拉」作为切入，反推丰田车的数量。
得到75万，80万的这两个数字，差距在一定的范围内，则认为这个数据是可以取信的。
最后，我们还需要进行误差分析。
- 在对丰田汽车采样的时候，若只取了口岸附近的车流密集区，则占比有可能偏高。
- 在对特斯拉进行采样时，若取样地点是「特斯拉充电桩」附近，同样也会造成数据偏高的情况。
当然这里对于误差的分析，可以再多些维度。比如日本企业聚集区，特斯拉某次大促后的时间点，采样的时间是工作日还说周末等都可能是造成误差的因素，这里就不再展开了。有了估算数据和误差分析，基本上一个费米问题的解答就算是OK了。
「费米问题」又被称作理科生的脑筋急转弯。这里附上来自马里兰州大学的费米问题库。内容涵盖了理工科多个领域。感兴趣的朋友可以去看看。
题目：
- 北京有一条 1 公里长的街道，你认为一天能收多少钱的停车费？
- 估算广州的出租车数量
- 估算周五下午两点在刷朋友圈的人数
market size 估算的一类问题应该怎么思考？
二、产品分析类
APP用途→基于用途的用户→用户需求→APP现状描述→建议
- 试着将知乎分别介绍给你的爸爸、妈妈并下载使用
- QQ 是日活仅次于微信的 app，没有被微信打败的原因是什么
- 列举一款 2016 年到 2017 年间出现的现象级产品，并从产品、运营和市场等方面进行分析。
- 从古老的 BBS 时代到到 web2.0 的贴吧 、豆瓣时代 ，再到移动互联网的各个垂直社区时代 ，最后到虎牙、快手等平台 的 出现，你觉得内容社区主要发生了那些变化？可以从你深度使用过的产品展开讲。
- 中国近年会出现针对 00 后的社交产品吗？为什么
- 什么样的产品容易火爆朋友圈，举例分析
三、产品方向类
- 社区产品，有粉丝的用户占比 10%，私信 IM 功能和直播功能哪一个优先级高
- 如果你是一个 100W 日活的 UGC 短视频 APP 产品经理，你觉得此时是做分享视频打水印重要，还是优化播放器让视频播放更加顺畅重要？
四、产品设计类
- 为 2-10 岁 的儿童设计一款视频 APP ， 写出设计思路和推广方式。
2.设计一款宠物社交APP
3.快手这类 app 的流行，请从产品功能的高度，说说哪些方法能提升一个小视频 app 的日活？
五、产品相关工作&逻辑题
- 如何理解产品经理这个岗位？
- 如果你的产品方案不被研发理解，不能如期进行开发，你会怎么做？
- 产品经理画了几个圈，测圆心之间的距离，得到的全部数据如下：1、3、6、12、24、48 米，那么他至少花了几个圈
- 赵 、 钱 、 孙 、 李 、 周五人一起打 乒乓球 ，每两人只比赛一局 ， 统计比赛的局数是 ： 赵比赛了4局 ，钱比赛了3局 ，孙比赛了2局，李比赛了1局 ，那么周比赛了几局
