What Is the Amazon PM Interview Process? All Rounds Explained Step by Step
一句话总结
Amazon的PM面试不是在考你能不能解决问题，而是在考你能不能用Amazon的方式解决问题。大多数人失败不是因为能力不够，而是因为没理解"Leadership Principles"不是软性要求，而是每一轮的硬性评分标准。你可能以为面试官在听你的产品思路，但实际上他们在数你的LP关键词密度——不夸张，debrief会议上HC会直接问："这个候选人在Customer Obsession上打了几分？" 如果你的答案里没有"从顾客反向工作"、"long-term thinking"这类词，分数就被砍了一半。薪资方面，Amazon PM的base通常在$120K-$180K，RSU（4年vest）在$100K-$300K，bonus占base的10%-20%。不是你的经验决定能不能拿到offer，而是你能不能把每个问题都转化成LP的证明。
如果你正对着面试邀请不知道怎么准备——上面只是冰山一角。完整的判断框架和追问应对都在《PM面试通关手册》里。
适合谁看
这篇文章是给那些已经拿到Amazon PM面试邀请，但还在用传统FAANG框架准备的人看的。如果你还在背"STAR法则"，那你大概率会在第一轮就被刷掉。Amazon的面试官不在乎你的故事有多完整，他们在乎的是你的故事有没有体现"Invent and Simplify"或者"Dive Deep"。举个例子，一个候选人在描述如何优化搜索算法时，一直说"我们改进了CTR"，但没有提到"为什么这个改进符合Customer Obsession"，结果在debrief时，HC直接说："这个人在解决问题，但没在展示LP。"适合看这篇文章的人，是那些需要在一周内从0到1搞懂Amazon面试逻辑的候选人。如果你还在纠结"应该怎么介绍自己"，那你还没理解Amazon的面试不是在考你的简历，而是在考你能不能成为一个"Day 1"的leader。
第一轮：招聘者电话筛选（30分钟）
这轮不是在考你的技术能力，而是在考你的"fit"。大多数人以为招聘者会问"为什么要离开现在的公司"，但实际上他们在听你有没有用LP的语言描述自己的经历。比如，一个候选人说："我离开是因为老板不重视我的idea。"这在其他公司可能没问题，但在Amazon，这等于直接暴露你不理解"Have Backbone; Disagree and Commit"。正确的回答应该是："我意识到在现在的环境下，我的idea无法得到足够的资源支持，而Amazon的文化更鼓励从顾客需求出发的创新，所以我决定来这里寻找更大的舞台。"招聘者不会深入问你的产品细节，但会记录下你提到的LP关键词。如果你在这轮没有提到至少3个LP，那后面的面试官会直接看到招聘者的笔记："LP awareness低"，然后接着问下一个问题时，他们会特意引导你往LP上靠。
一个真实的insider场景：一个候选人在电话筛选时被问到"最自豪的项目是什么"，他花了10分钟讲技术细节，但只字未提LP。招聘者在内部系统里写了"Strong technical background, but no LP connection"。结果在后面的面试中，面试官会特意问："你能告诉我这个项目如何体现Customer Obsession吗？"如果候选人答不上来，就会被直接pass。所以第一轮的重点不是展示你的项目有多牛，而是展示你能不能用Amazon的语言描述你的项目。
第二轮：技术产品感知面试（45分钟）
这轮不是在考你的coding能力，而是在考你能不能用数据和逻辑支撑产品决策。大多数人会准备一个"设计Twitter"的框架，但Amazon的面试官不在乎你的框架有多完整，他们在乎的是你有没有用"Working Backwards"的方法。比如，一个候选人在设计一个新功能时，直接说："我们可以加一个推荐算法。"但正确的回答应该是："首先，我们需要明确顾客的pain point是什么。根据数据，我们发现用户在搜索时经常遇到X问题，所以我们需要设计一个解决方案，比如Y。"不是"我们能做什么"，而是"顾客需要什么"。
一个具体的BAD vs GOOD对比：
BAD: "我会先分析竞品，然后设计一个类似的功能。"
GOOD: "我会从顾客反向工作，先定义什么是成功的顾客体验，然后根据这个目标设计功能。比如，如果顾客希望能更快找到产品，我们可以先优化搜索算法，而不是直接复制竞品的功能。"
在debrief会议上，面试官会讨论："这个候选人有没有展示出Dive Deep？"如果你的回答里没有具体的数据、没有从顾客需求出发的逻辑，分数就会被扣掉。Amazon的PM面试不考你会不会写PRD，而考你能不能证明你的每一个决策都是基于LP的。
第三轮：LP深度面试（45分钟）
这轮是整个面试流程中最关键的一轮，因为HC会亲自参加，并且这轮的分数权重最高。大多数人以为这轮是行为面试，但实际上这是一个"LP压力测试"。面试官会给你一个场景，然后让你用LP来解决。比如，一个经典的问题是："如果你的团队不同意你的方案，你怎么处理？"大多数人会说："我会收集更多数据来证明我的观点。"但正确的回答应该是："我会先确保我理解团队的顾虑，然后根据‘Have Backbone; Disagree and Commit’的原则，如果数据支持我的观点，我会坚持；但如果团队有更好的想法，我会支持并执行。"
一个真实的insider场景：在HC的debrief会议上，一个面试官说："这个候选人在回答‘如何处理团队冲突’时，只字未提LP，直接说‘我会找经理解决’。"HC直接摇头："这说明他根本没理解Amazon的文化。"然后这个候选人被pass了。所以这轮的重点不是展示你的领导力，而是展示你能不能在压力下仍然坚持LP。
BAD vs GOOD对比：
BAD: "我会让步，因为团队和谐更重要。"
GOOD: "我会根据‘Dive Deep’的原则，先理解每个人的顾虑，然后找到一个既符合顾客利益又能被团队接受的方案。"
第四轮：系统设计面试（45分钟）
这轮不是在考你的系统设计能力，而是在考你能不能在复杂性和简化之间找到平衡。大多数人会准备一个"设计Uber"的框架，但Amazon的面试官不在乎你的框架有多复杂，他们在乎的是你有没有用"Invent and Simplify"的原则。比如，一个候选人在设计一个推荐系统时，直接说："我们需要一个分布式的机器学习模型。"但正确的回答应该是："首先，我们需要明确最简单的解决方案是什么。比如，我们可以先用一个基于规则的推荐系统，然后逐步优化。"不是"我们能做多复杂"，而是"我们如何在简化的前提下满足顾客需求"。
一个具体的BAD vs GOOD对比：
BAD: "这个系统需要支持100万QPS，所以我们需要用Kafka和Spark。"
GOOD: "首先，我们需要明确顾客的真实需求。如果大部分情况下QPS只有1000，那么我们可以先用一个简单的解决方案，然后随着需求增长再扩展。这样符合‘Invent and Simplify’的原则。"
在debrief会议上，面试官会讨论："这个候选人有没有展示出Frugality？"如果你的设计里没有体现成本意识和简化思维，分数就会被扣掉。
第五轮：高层行为面试（45分钟）
这轮通常是由Director级别的领导进行，重点考察你的"Bar Raiser"潜质。大多数人以为这轮是考你的战略思维，但实际上这是在考你能不能在模糊环境下做出符合LP的决策。比如，一个经典的问题是："如果你的产品线要砍掉一个功能，你怎么选择？"大多数人会说："我会看哪个功能用户使用率最低。"但正确的回答应该是："我会根据‘Customer Obsession’的原则，先评估每个功能对顾客价值的影响，然后选择砍掉对顾客影响最小的那个。同时，我会根据‘Think Big’的原则，考虑砍掉这个功能后能否释放资源去做更大的创新。"
一个真实的insider场景：在HC的讨论中，一个面试官说："这个候选人在回答‘如何砍掉功能’时，直接说‘看ROI’。"HC直接回应："ROI是结果，不是原则。我们需要的是基于LP的决策过程。"然后这个候选人被pass了。
BAD vs GOOD对比：
BAD: "我会砍掉最不赚钱的功能。"
GOOD: "我会根据‘Customer Obsession’评估每个功能的顾客价值，然后选择砍掉对顾客体验影响最小的那个。同时，我会确保这个决策符合‘Long-term Thinking’，不会牺牲长期利益换取短期收益。"
第六轮：Bar Raiser面试（60分钟）
Bar Raiser是Amazon面试流程中最特殊的一环，这个面试官不来自你申请的团队，他的唯一职责是确保Amazon的聘用标准不被降低。大多数人以为Bar Raiser会问更难的问题，但实际上他是在考你的"文化匹配度"。比如，一个候选人可能会被问："你在过去的工作中，有没有遇到过一个情况，你的老板做了一个你不同意的决定？你怎么处理的？"大多数人会说："我会私下和老板沟通。"但正确的回答应该是："我会根据‘Have Backbone; Disagree and Commit’的原则，先明确表达我的不同意见，并提供数据支持。如果老板仍然决定执行，我会全力支持这个决定，因为我相信团队的集体智慧。"
一个具体的BAD vs GOOD对比：
BAD: "我会服从老板的决定，因为他比我更有经验。"
GOOD: "我会先确保我的观点被充分听取，然后如果决定已经做出，我会全力支持，因为这符合‘Disagree and Commit’的原则。"
在Bar Raiser的debrief中，面试官会特别关注你的LP使用是否自然。如果你的回答听起来像是在背LP的定义，而不是在真实地应用，那么你就会被pass。Bar Raiser的权重极高，如果他给了"Strong No"，那么即使前面五轮都通过，你也拿不到offer。
准备清单
- 列出Amazon 16个LP的每一个，并准备至少3个具体的故事证明你在每个LP上的表现。不是"我很有领导力"，而是"我在X项目中，通过Y行为展示了‘Deliver Results’"。
- 准备5个"Working Backwards"的案例，从顾客需求出发，而不是从技术或产品出发。系统性拆解面试结构（PM面试手册里有完整的Amazon LP实战复盘可以参考）。
- 准备3个"Dive Deep"的例子，展示你如何深入细节解决问题，而不是只停留在高层思考。
- 准备2个"Invent and Simplify"的例子，展示你如何在复杂性和简化之间找到平衡。
- 准备1个"Frugality"的例子，展示你如何在资源有限的情况下取得最大价值。
- 模拟至少3次完整的面试流程，包括每一轮的LP压力测试。
- 研究Amazon的最新产品发布和内部文化，确保你的回答能够体现对公司的深入理解。
常见错误
- 错误：把LP当作软性要求
BAD: 候选人在面试中只字未提LP，直到面试官问："你能告诉我这个例子如何体现LP吗？"候选人才慌张地补充："哦，这体现了Customer Obsession。"
GOOD: 候选人在描述每一个经历时，都自然地嵌入LP。例如："在X项目中，我意识到顾客的真正需求是Y，所以我采取了Z行动，这体现了‘Working Backwards’的原则。"
解析：LP不是面试的附加题，而是每一轮的必答题。如果你的回答里没有LP，就等于没有回答问题。
- 错误：用传统FAANG框架回答系统设计
BAD: 候选人在系统设计面试中，直接套用Google或Facebook的框架，例如："我们需要一个分布式系统来支持高并发。"
GOOD: 候选人先明确顾客需求，然后逐步设计："首先，我们需要明确顾客的核心需求是低延迟，所以我们可以先设计一个简单的缓存系统，然后根据‘Invent and Simplify’的原则逐步优化。"
解析：Amazon的系统设计面试不是在考你的技术深度，而是在考你能不能在技术决策中体现LP。
- 错误：在行为面试中缺乏具体数据
BAD: 候选人说："我优化了一个功能，提升了用户体验。"
GOOD: 候选人说："我通过A/B测试发现，用户在搜索时的退出率是20%。我优化了搜索算法，将退出率降低到15%，这体现了‘Customer Obsession’和‘Deliver Results’。"
解析：Amazon的文化是"Data-Driven"，如果你的回答里没有数据，就会被认为缺乏说服力。
FAQ
Q: Amazon的PM面试中，LP的重要性真的有那么高吗？
A: 是的，而且比你想象的还要高。在Amazon内部，LP的评分是每一轮面试的必填项，如果你在某一个LP上得分过低，即使其他方面表现优秀，也可能被pass。例如，一个候选人在技术面试中表现出色，但在"Customer Obsession"上得分不足，最终被拒绝。因为Amazon认为，一个不能从顾客需求出发的PM，即使技术再强，也无法在Amazon的文化中生存。LP不是面试的装饰，而是核心的评估标准。
Q: 如果面试官问了一个我完全不熟悉的LP，我应该怎么回答？
A: 你不需要背诵LP的定义，而是要展示你如何在实际工作中应用这些原则。例如，如果面试官问你"如何体现‘Earn Trust’"，你可以回答："在X项目中，我通过透明的沟通和数据支持，获得了团队的信任，最终推动了Y结果。"关键是要将LP与你的具体经历联系起来，而不是生硬地背诵定义。Amazon的面试官更关注你的思维过程，而不是你对LP的记忆程度。
Q: Bar Raiser面试和其他面试有什么不同？
A: Bar Raiser面试的独特之处在于，面试官不来自你申请的团队，他的唯一目标是确保Amazon的聘用标准不被降低。这意味着他的问题可能更加开放和挑战性，例如："你在过去的工作中，有没有遇到过一个情况，你的决策与LP冲突？你怎么处理的？"Bar Raiser会特别关注你的LP应用是否自然和深入。如果你的回答听起来像是在背LP的定义，而不是在真实地应用，那么你可能会被pass。Bar Raiser的权重极高，如果他给了"Strong No"，那么即使前面五轮都通过，你也拿不到offer。因此，准备Bar Raiser面试时，要特别注重LP的自然融入和深度应用。
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。