一句话总结
在PM面试中回答stealth mode产品的metrics问题，90%的人暴露的不是不会回答，而是不知道自己在被考察什么。这道题考的不是你能不能说出DAU、Retention这些标准指标，而是你在信息真空环境下的推理能力——当你没有数据、没有竞品、没有用户反馈的时候，你如何建立一套可信的衡量体系。
真正的分水岭在于：候选人是把metrics当作“答案”来背诵，还是把它当作“问题”来拆解。
你有没有遇到过这种情况：觉得自己答得还行，但面试官突然变脸？这背后的评分逻辑，《PM面试通关手册》里拆解得很透。
适合谁看
这篇文章写给三类人：第一类是正在准备Google、Meta、Airbnb等一线科技公司PM面试的人，这些公司的面试中频繁出现没有公开数据的产品metrics问题；第二类是工作了2-5年、想从执行PM进阶为战略PM的人，这道题本质考的是你在信息不完整情况下的决策框架；
第三类是觉得自己“答得还不错但就是没拿到offer”的人，你大概率输在了把stealth mode当作普通metrics问题来处理。
如果你是PM新手，这篇文章可能太深；如果你是总监以上级别，这道题的考察点你已经内化了，不需要看。
为什么stealth mode metrics是面试淘汰重灾区
在Google的PM面试中，有一道经典题被内部称为“死亡题”：假设你是Google Maps团队的PM，现在要推出一款新的导航产品X，它的功能是帮助用户在陌生城市找到当地人常去的“隐藏宝藏餐厅”，这款产品目前处于stealth mode，还没有正式发布，也没有做任何用户测试，请定义三个核心指标来衡量它的成功。
这道题的淘汰率在Google的PM面试中高达70%。不是70%的人答错了，而是70%的人根本没理解面试官在问什么。
不是你在回答一道题，而是你在展示一套思维操作系统。
大多数候选人的反应是这样的：先楞住3-5秒，然后开始套用标准框架——“我会关注DAU、Retention、NPS”。这种回答在有公开数据的成熟产品面试中可能勉强及格，但在stealth mode场景下，它暴露了一个致命问题：你只是在调用记忆中的标准答案，而不是根据具体约束条件进行推理。
我曾经在Google的hiring committee讨论中亲耳听到一位senior director说：“当候选人开始说DAU和Retention的时候，我已经知道他在背答案了。”这不是说DAU和Retention不能作为stealth mode产品的指标，而是说你不能不做任何context分析就直接跳到指标列表。
不是metrics本身重要，而是你选择metrics的 reasoning重要。
在stealth mode场景下，面试官真正想知道的是：如果让你从零开始建立一套衡量体系，你的第一性原理是什么。你如何定义“成功”？你如何把一个模糊的产品愿景翻译成可量化的标准？你如何处理信息不完整的约束？
> 📖 延伸阅读：DiDi TPM技术项目经理面试真题2026
面试官真正想听到的三个层次
在Meta的PM面试流程中，stealth mode metrics问题通常出现在phone screen后的第二轮或者onsite的product sense环节。面试时间通常是35-40分钟，题目本身占20分钟，后面15分钟是追问和变体。
我拆解了20场真实面试的记录，发现面试官的心理评分标准其实非常清晰，分成三个层次：
第一层：能不能建立baseline。 候选人需要展现出对“没有数据”这个约束的清醒认知。好的回答不是直接给指标，而是先问问题——这个产品面向谁？它的核心价值主张是什么？它的商业模式是什么？它的竞争环境是什么？stealth mode意味着什么约束？
第二层：能不能建立因果链。 指标不是孤立的数字，而是因果链条上的节点。一个好的metrics answer需要展现出：用户行为→指标变化→业务结果 这个完整的逻辑链。面试官会追问“如果这个指标上升了，真的意味着产品成功了吗？”——这个问题会筛掉80%的候选人。
第三层：能不能处理不确定性。 stealth mode的核心难点在于，你无法验证你的假设。好的候选人不会假装自己知道答案，而是会建立一套验证机制——如果指标A上升但指标B下降，意味着什么？什么时候应该调整指标？
在Airbnb的一次hiring committee中，我听到一位hiring manager说：“我不在乎候选人选了什么指标，我在乎的是他能不能告诉我，如果指标结果出来了，他下一步会做什么。”这句话精准概括了第三层的考察意图。
不是选对的指标，而是建立对的框架
在硅谷PM面试的评分体系中，stealth mode metrics问题没有“正确答案”。DAU可以是对的，NPS也可以是对的，甚至用户推荐意愿（Net Promoter Score的变体）也可以是对的。关键不在于指标本身，而在于你为什么选这个指标，以及你如何处理这个指标的局限性。
不是指标的正确性重要，而是指标的选择逻辑重要。
我见过一个典型的高分回答。候选人被问到：假设你是YouTube的PM，要推出一款面向老年用户的简化版YouTube（stealth mode），请定义核心指标。
高分回答是这样的：
“我需要先明确这个产品的定位。如果简化版YouTube的核心价值是‘让老年用户能够轻松找到并观看他们感兴趣的内容’，那么我的核心指标不会是传统的DAU或者观看时长，而会是‘首次成功完成观看任务的用户比例’。”
然后候选人开始拆解：什么是“成功完成观看任务”？它包括打开应用、搜索或浏览、点击视频、完整观看或至少观看超过30秒。这四个步骤构成了一个漏斗。
面试官追问：“为什么不用DAU？”
候选人回答：“因为对于老年用户产品来说，日活可能不是最好的成功指标。一个用户可能每天打开应用但找不到想看的内容——这种情况下的高DAU反而说明产品有问题。我需要的是质量指标，不是数量指标。”
这个回答展现了什么？它展现了候选人不是在套用标准框架，而是根据产品特性和用户画像进行了定制化推理。这正是面试官想看到的。
不是你在回答metrics问题，你是在展示你的产品判断力。
> 📖 延伸阅读：JD.com项目经理面试真题与攻略2026
面试流程拆解：每一轮考察什么
以Google L4 PM岗位为例，完整的面试流程通常是5轮：
第一轮：Phone Screen（45分钟）。通常是hiring manager或者recruiter打过来，主要考察基本的产品 sense和沟通能力。stealth mode metrics问题可能出现在这轮的尾声，作为快速测试。如果这轮出现，通常是简化版——“如果让你为一款还没发布的产品定义指标，你会怎么做？”时间限制在5-8分钟。
第二轮：Onsite - Product Sense（45分钟）。这是stealth mode metrics问题的主战场。面试官通常是level 5以上的senior PM或者product director。
这轮考察的核心是：你能否在信息不完整的情况下做出合理的product decision。题目通常会给一个具体的product context（比如上面提到的Google Maps隐藏餐厅例子），然后让你定义metrics。
第三轮：Onsite - Analytical（45分钟）。这轮考察你对数据的处理能力。如果stealth mode metrics问题在这轮出现，面试官会追问：如果这些指标出来了，你会如何分析？假设指标A上升了20%，但指标B下降了10%，你会怎么解读？你会建议产品做什么调整？
第四轮：Onsite - Execution（45分钟）。这轮考察你的项目管理能力和跨团队协作能力。stealth mode metrics问题可能以这种形式出现：“你现在有了这套指标体系，接下来你要怎么做才能在Q3末拿到这些数据？”
第五轮：Onsite - Leadership & Vision（45分钟）。通常是senior director或者VP级别的人面。这轮不直接问metrics问题，但可能会在讨论产品愿景时涉及到——“你觉得三年后这个产品应该用什么指标来衡量成功？”
在Meta，流程略有不同。Meta的PM interview通常是4轮：screen + 3轮onsite。stealth mode metrics问题最常出现在第二轮的product sense环节，时间通常是35-40分钟。
薪资方面，以Google L4 PM为例（对应3-5年经验）：Base Salary大约在$150K-$180K之间，RSU第一年大约$80K-$120K（分4年 vesting），Bonus大约在$20K-$40K之间。总包大约在$250K-$340K。
Meta的E5 PM（对应级别类似）Base在$160K-$190K，RSU第一年$100K-$150K，Bonus$25K-$45K，总包$285K-$385K。
建立metrics体系的四步框架
我在指导候选人准备面试时，通常会教他们一个四步框架。这个框架不是“标准答案”，而是一个思维脚手架，帮助你在紧张的情况下仍然能够结构化地思考。
第一步：明确product thesis。 在定义任何指标之前，你必须先回答一个问题：这个产品要解决什么问题？谁是目标用户？产品的核心价值主张是什么？
这一步的重点是：不要假设你知道。Stealth mode意味着你没有用户数据，你对目标用户的理解可能是错的。所以你的metrics体系需要能够验证你的product thesis是否成立。
一个好的product thesis应该是可证伪的。如果你的thesis是“老年用户想要更简单的视频观看体验”，那么你的指标应该能够验证这个thesis。如果指标显示老年用户其实不想要更简单的体验——你的指标应该能捕捉到这一点。
第二步：定义success criteria。 什么算成功？这不是metrics本身，而是metrics背后的目标。
我见过一个很差的回答是这样的：“我会用DAU、Retention和NPS来衡量。”这个回答的问题在于，它把metrics和success criteria混为一谈。DAU不是success criteria，DAU是衡量success criteria的指标。
Success criteria应该是这样的：“成功的定义是：在发布后的第一个月，有至少40%的活跃用户每周使用至少3次，每次观看时长超过10分钟。”这个表述里面，40%、3次、10分钟都是具体的success criteria，它们可以被翻译成metrics。
第三步：建立metrics hierarchy。 你的指标不是平等的。它们有层级关系。
通常的层级是：North Star Metric（北极星指标）→ Supporting Metrics（支持性指标）→ Guardrail Metrics（护栏指标）。
North Star Metric是最核心的指标，它直接反映product thesis是否成立。Supporting Metrics帮助理解North Star Metric的变化原因。Guardrail Metrics是底线指标，它们不需要上升，但绝对不能下降。
在stealth mode场景下，很多候选人犯的错误是：直接跳到North Star Metric，跳过了Supporting Metrics和Guardrail Metrics的思考。面试官会追问：“如果你的North Star Metric上升了，你怎么知道是因为好的原因还是坏的原因？
”——这个问题就是测试你有没有建立完整的metrics hierarchy。
第四步：建立验证机制。 这是最容易被忽略的一步，也是区分高分候选人和普通候选人的关键一步。
Stealth mode意味着你无法验证你的假设。你的product thesis可能是错的，你的success criteria可能定得太高或太低。所以你的metrics体系需要包含验证机制。
一个好的验证机制应该回答这些问题：如果指标A上升但指标B下降，意味着什么？如果指标整体上升，但用户反馈变差，应该相信哪个？如果6个月后指标没有达到预期，我是应该调整产品还是调整指标？
不是你在建立一套静态的metrics，你在建立一套动态的验证系统。
准备清单
- 练习至少5道不同product context的stealth mode metrics题目。每道题用四步框架走一遍，确保自己能够在10分钟内给出结构完整的回答。
- 准备2-3个你亲自做过的product decision案例，能够展示你在信息不完整情况下如何做判断。这是面试官最喜欢追问的素材。
- 理解你申请的公司和产品的核心指标体系。Google看什么？Meta看什么？Airbnb看什么？这些公司的产品哲学是什么？——PM面试手册里有完整的硅谷大厂产品指标体系对比可以参考。
- 练习追问和反问。在真实面试中，你不是只能回答，你也可以问clarifying questions。好的clarifying questions也是加分项。
- 准备至少3个“指标失败”的case——即指标看起来很好但产品实际失败的例子，或者指标看起来很差但产品实际成功的例子。这能展示你对metrics局限性的深刻理解。
- 练习40分钟的模拟面试。真实面试的时间压力是很大的，很多人能在10分钟内说得不错，但在40分钟的高压追问下会崩。
- 准备一个你自己的“四步框架”模板，确保在紧张情况下也能结构化输出。
常见错误
错误案例A：直接套用标准指标
BAD版本：
面试官：请为这款stealth mode的智能手表定义核心指标。
候选人：我会用DAU、Retention Rate和NPS。DAU可以衡量用户活跃度，Retention可以衡量用户粘性，NPS可以衡量用户满意度。
这个回答的问题在于，它完全没有考虑stealth mode的特殊性，也没有考虑智能手表这个产品的特性。DAU对于智能手表来说真的是最好的指标吗？智能手表的使用场景和手机app完全不同——用户可能只是抬起手腕看一下时间，这算不算“活跃”？
GOOD版本：
面试官：请为这款stealth mode的智能手表定义核心指标。
候选人：在定义指标之前，我想先确认几个问题。这款智能手表的核心价值主张是什么？解决什么问题？目标用户是谁？
（面试官：假设这是一款面向健身爱好者的健康监测手表，核心价值是帮助用户优化运动表现。）
候选人：明白了。那我首先需要明确我的product thesis：如果这款产品真的能帮助用户优化运动表现，那么用户应该会把它融入到日常运动习惯中。所以我的North Star Metric不会是传统的DAU，而是“每周至少使用3次运动追踪功能的用户比例”。
为什么是这个指标？因为对于健身手表来说，日活意义不大——用户可能每天抬手看时间，但这不代表他在用运动功能。“每周3次”意味着用户已经形成了使用习惯。
我的Supporting Metrics会包括：单次运动时长、运动数据完整性（用户是否完成了完整的运动记录）、运动数据准确性的用户反馈。
我的Guardrail Metrics会包括：设备故障率、电池续航稳定性——这些指标不需要上升，但绝对不能下降。
面试官追问：如果“每周3次”这个比例很低，但NPS很高，你怎么看？
候选人：这是个好问题。如果NPS很高但使用频率低，可能意味着用户确实喜欢这个产品，但还没有形成使用习惯。这可能需要我重新思考产品定位——也许当前产品更适合“偶尔运动但追求专业数据”的用户，而不是“每天运动的硬核健身爱好者”。我会建议做用户分群分析，看是不是某一类用户的指标特别好。
错误案例B：忽视因果链验证
BAD版本：
候选人：我的核心指标是用户满意度。我会用NPS来衡量。
这个回答的问题在于，它假设NPS能够准确反映产品成功。但NPS是一个滞后指标，而且它很容易被外部因素影响。如果你的产品刚好在用户心情好的时候做调研，NPS会偏高；如果用户在产品上遇到了一个bug，NPS会偏低。
GOOD版本：
候选人：我的核心指标是用户满意度，但我知道NPS的局限性。所以我需要建立因果链来验证。
我的假设是：如果产品真的帮助用户优化了运动表现→用户会感受到进步→用户会更满意→NPS会上升。
但这个因果链需要验证。我会同时追踪“用户感知到的运动进步”（通过in-app survey）和“客观的运动数据提升”（通过前后对比）。如果NPS上升了，但“感知进步”和“客观数据”没有变化，那说明NPS的变化可能是噪声，我需要找到真正的原因。
错误案例C：无法处理不确定性
BAD版本：
候选人：我定义的指标是“30天Retention Rate超过40%”。如果达不到，我会建议团队改进产品。
这个回答的问题在于，它把指标当作一个静态的目标，而不是一个动态的验证机制。如果30天Retention只有30%，难道就说明产品失败了吗？也许30%对于这个细分市场来说已经是很好的成绩了呢？
GOOD版本：
候选人：我定义的指标是“30天Retention Rate超过40%”。但我知道这个40%是我现在的假设，不是事实。
所以我需要建立一个验证机制。在产品发布后的第一个月，我会做A/B测试——给一半用户展示完整的健身功能，给另一半用户展示简化版。如果完整版的Retention是35%，简化版是30%，那说明功能是有价值的。但如果完整版是25%，简化版是30%，那我需要重新思考产品方向。
另外，我还会设定一个“pivot threshold”。如果Retention持续低于20%，我会建议团队暂停当前方向，重新做用户研究。这不是“失败”，而是“快速学习”。
FAQ
Q1：我在面试中应该等面试官给完所有信息再回答，还是应该主动问clarifying questions？
A1：主动问clarifying questions不仅是可以的，而且是强烈建议的。在Google和Meta的PM面试中，好的clarifying questions是加分项。但要注意两点：第一，你问的问题要有深度，不是问一些面试官已经说过的东西；第二，你问问题的目的是为了做更好的判断，而不是为了拖延时间。
一个好的clarifying question例子：“你提到这是一款面向老年用户的视频产品，我想确认一下‘老年’的定义是多少岁？因为60岁和80岁的用户行为可能差异很大，这会影响我的指标选择。”
一个不好的clarifying question例子：“这个产品是面向什么用户的？”——如果题目中已经给出了用户信息，这个问题就显得你没有认真听。
在真实面试中，我建议花2-3分钟问clarifying questions，这不会扣分，反而会展示你的思考深度。我曾经见过一个候选人，在问完3个深度clarifying questions后，面试官直接说：“你问的这些问题很好，说明你有很好的product sense。”——这是很高的评价。
Q2：如果面试官给的产品context非常模糊，我应该怎么处理？
A2：这是stealth mode metrics问题的常见变体。面试官可能故意给一个很模糊的context，看你如何处理不确定性。
我的建议是：不要等面试官给你更多信息，而是基于你的假设先建立一个框架，然后在回答中明确标注哪些是你的假设。
一个好的处理方式：“我理解现在信息有限，我会基于以下假设来建立指标体系——假设这款产品的核心价值主张是X，目标用户是Y，商业模式是Z。如果这些假设不对，请纠正我，我会相应调整我的指标。”
这种方式的好处是：第一，你展示了你可以基于有限信息做判断；第二，你展示了你的灵活性（如果假设错了你会调整）；第三，你给面试官机会来补充信息，这是一个好的collaboration signal。
在Meta的一次面试中，我见过一个候选人用了这个方法，面试官确实补充了很多关键信息。最后这个候选人拿到了offer，hiring manager在feedback中说：“他展示了很好的adaptive能力，这是PM最重要的素质之一。”
Q3：我在回答metrics问题时，面试官突然问我“如果这个指标上升了，你下一步会做什么”，我应该怎么回答？”
A3：这个问题是stealth mode metrics问题的标准追问，考察的是你的行动导向。在真实工作中，定义指标只是第一步，更重要的是你如何根据指标采取行动。
一个好的回答应该包含三个部分：第一，指标变化的解读——这个上升意味着什么？是因为好的原因还是坏的原因？第二，假设验证——这个上升是否验证了我的product thesis？第三，下一步行动——如果验证了，我应该做什么？如果没验证，我应该做什么？
具体例子：假设我的North Star Metric是“每周使用3次运动功能的用户比例”，这个指标从25%上升到35%。
好的回答：“35%的上升意味着我的product thesis得到了验证——用户确实在使用运动功能。但我需要知道这个上升的原因是什么。我会看Supporting Metrics：是不是某一类用户（比如说跑步爱好者）的使用率特别高？如果是的话，我可能需要调整产品定位，更聚焦这类用户。”
“另外，我还需要看Guardrail Metrics是否有变化。如果North Star上升了，但用户满意度下降了，那可能意味着我在追求使用频率的同时牺牲了用户体验。”
“基于这些分析，我下一步会建议：如果是用户群体集中导致的增长，我会在下一个版本中强化这个用户群体的功能深度；如果是整体增长，我会考虑加大获客投入。”
这种回答展示了什么？它展示了指标不是终点，而是决策的起点。你不是在回答一道题，你是在展示你如何根据数据做产品决策。
Q4：我应该准备多少道练习题才够？
A4：我的建议是至少完整练习10道题，但重点不在数量，而在质量。每一道题都应该用四步框架走一遍，并且要找机会做mock interview，让别人追问你。
练习的题目来源可以是：Glassdoor上的真实面经、你申请公司的产品、你熟悉的产品。最重要的是要练习追问环节——在真实面试中，面试官会不断追问，有时候会把你逼到墙角。你需要练习在压力下保持逻辑清晰。
我见过很多候选人，准备得很好，但一到追问环节就崩了。这是因为他们在练习时只准备了initial answer，没有准备追问的follow-up。建议找一个朋友帮你做mock interview，专门练习追问环节。
Q5：stealth mode metrics和普通metrics问题的区别到底是什么？**
A5：核心区别在于：普通metrics问题考察的是你会不会用正确的框架，stealth mode metrics考察的是你能不能在框架不存在的情况下建立框架。
普通metrics问题的场景通常是：你加入一个已有产品，面试官问你如何改进现有指标体系。这种情况下，产品已经有数据，有用户反馈，有历史趋势。你要做的是展示你能不能理解现有体系，然后提出优化。
Stealth mode的场景是：从零开始，没有数据，没有用户反馈，没有历史趋势。你要做的是展示你能不能在信息真空的情况下建立一套可信的衡量体系。
这需要的不是记忆能力，而是推理能力。这也是为什么很多“经验丰富”的候选人反而答不好这道题——他们习惯了有数据支撑的决策，忘记了如何处理不确定性。
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。