# 1. PM 让你优化体验但体验不可量化，你看怎么推动 A 把体验拆解为可观测的代理指标并建立基线，用数据驱动优化 ✓ 正确答案 B 体验不可量化就应该放弃优化，直接照抄竞品方案 C 体验优化属于主观审美，无法用任何指标衡量 D 只要 PM 认可优化方向，就无需任何数据支撑
# 2. PM 让你提升 ARPU 但你不知道怎么做，你看怎么推动 A 先把 ARPU 拆解为付费渗透率、客单价与用户结构，再定位瓶颈杠杆 ✓ 正确答案 B 提升 ARPU 只能靠提高客单价这一条路 C ARPU 与用户数无关，不需要考虑分母 D 提升 ARPU 只能靠拉新用户
# 3. PM 让你提升 DAU 但你不知道用户从哪来，你看怎么推动澄清 A 提升 DAU 只能靠增加付费投放 B 先澄清数据口径与渠道归因，再按新增、留存、回流拆解 DAU 来源 ✓ 正确答案 C DAU 与留存无关，只关心当天登录人数 D 无法知道用户来源时就不需要做任何分析
# 4. PM 让你提升 GMV 但你不知道哪个品类，你看怎么推动 A 提升 GMV 必须所有品类同时发力均衡投入 B GMV 与毛利无关，冲量即可 C 先按品类拆解 GMV 的贡献度与增速，用矩阵定位高价值品类再聚焦 ✓ 正确答案 D 品类优先级应由工程师单方面决定，无需与 PM 对齐
# 5. PM 让你提升 LTV 但 LTV 要看长期数据，你看怎么推动 A 用留存模型外推预测 LTV，并用 D7/D30 留存等领先指标做短期代理 ✓ 正确答案 B LTV 必须等完整生命周期结束后才能计算 C LTV 与留存率无关 D LTV 无法计算，只能靠直觉判断
# 6. PM 让你提升 NPS 但不知道怎么影响，你看怎么推动 A NPS 只能靠做更多营销活动来提升 B NPS 无法被任何产品动作影响 C NPS 与产品体验无关，完全由品牌决定 D 通过文本分析挖掘推荐/贬损根因，结合行为数据定位驱动因子并转为改进项 ✓ 正确答案
# 7. PM 让你降低 CAC 但 CAC 受营销影响大，你看怎么推动 A 按渠道分析获客效率，优化付费投放转化并提升自然裂变，兼顾获客质量 ✓ 正确答案 B 降低 CAC 只能靠削减营销预算 C CAC 与用户质量无关，只数拉新人数即可 D 降低 CAC 是营销部门的事，工程师无法参与
# 8. PM 让你优化 UI 但 UI 不是瓶颈，你看怎么推动 A 用数据定位真正瓶颈，量化不同方向的收益，让 PM 基于 ROI 决策优先级 ✓ 正确答案 B 直接拒绝 PM，坚持不做 UI 优化 C 无条件执行 PM 所有要求，即使知道是低效投入 D 私下抱怨 PM 不懂业务，但表面照做
# 9. PM 要做一个项目但不确定性大（结果难预测），你怎么看怎么推动 A 不确定性大的项目应该直接放弃，不值得投入 B 用 MVP 和 go/no-go 门槛验证核心假设，用分阶段决策控制成本 ✓ 正确答案 C 不确定性大就需要一次性投入最大资源做全功能 D 先做再说，不需要任何验证机制
# 10. PM 要做一个项目但收益周期长（1 年后才赚钱），你怎么看怎么推动 A 一年后才赚钱的项目没有价值，应直接拒绝 B 长期项目应一次性投入全部资源 C 把长期收益拆解为短期里程碑与领先指标，分阶段投入并定期复盘 ✓ 正确答案 D 长期收益无法追踪，只能靠运气
# 11. 你发现了一个安全漏洞但 leader 说"不是我们的责任"，你怎么看怎么推动 A leader 说不是我们的责任就彻底不管 B 责任争议未解决前绝不采取任何行动 C 安全漏洞只要没人抱怨就无需处理 D 先量化漏洞风险并临时止损，用证据链推动责任归属，必要时升级处理 ✓ 正确答案
# 12. PM 要分析用户行为但合规要求 opt-out，你看怎么推动 A opt-out 意味着用户完全没有数据保护 B 合规机制与数据分析不可兼得 C opt-out 下应提供清晰退出入口、排除退出用户数据并做最小化收集 ✓ 正确答案 D opt-out 下可以忽略用户退出意愿
# 13. PM 要收集用户 cookie 但合规要求 opt-in，你看怎么推动 A 实现同意管理机制，同意前不收集，并优化同意率与校准分析偏差 ✓ 正确答案 B opt-in 下可以绕过同意直接收集 cookie C opt-in 与合规无关，是可选做法 D 同意率低就放弃收集，无需任何补救
# 14. PM 要跨产品共享用户 ID 但合规要求用户授权，你看怎么推动 A 跨产品共享用户 ID 无需用户授权，是内部数据操作 B 设计授权流程与 scope 控制，未授权用户数据保持隔离 ✓ 正确答案 C 用户授权只会降低数据价值，应尽量规避 D 共享数据可以无限期保留
# 15. 你想做依赖升级但维护团队小（只有 1 人），你怎么看怎么推动 A 按风险优先级评估升级必要性，采用小步可回滚策略并争取资源 ✓ 正确答案 B 小团队资源不足，任何依赖升级都应放弃 C 依赖升级应一次性全部升级，越早越好 D 维护团队小就无法做升级，只能等团队扩大
# 16. 安全要求 CORS 严格但业务跨域需求，你看怎么推动 A 业务需要跨域就必须开放通配符 CORS B 有跨域需求就应该完全绕过 CORS C CORS 与安全无关，无需限制 D 用精确 origin 白名单 + 后端代理实现业务跨域，同时保持严格安全策略 ✓ 正确答案
# 17. 安全要求 CSP 但业务需要内联脚本，你看怎么推动 A 用 nonce/hash 机制允许受控内联脚本，并分阶段收紧 CSP ✓ 正确答案 B 有内联脚本需求就应该完全禁用 CSP C CSP 与内联脚本没有冲突 D 内联脚本完全安全，无需任何策略
# 18. 安全要求 CSRF token 但业务 API 性能下降，你看怎么推动 A 因为性能下降就删掉 CSRF 防护 B 所有请求都应做完整 CSRF 校验，无法优化 C 用无状态签名校验、按请求类型分级校验并缓存优化，降低 CSRF 开销 ✓ 正确答案 D CSRF 防护与性能完全无关
# 19. 安全要求 DDoS 防护但业务说成本高，你看怎么推动 A 防护成本高就该放弃 DDoS 防护 B DDoS 攻击很少发生，不值得投入 C 所有业务都必须用最高防护等级 D 用量化损失对比 + 分级防护 + 按需计费，在控制成本的同时保护核心资产 ✓ 正确答案
# 20. 安全要求 IP 白名单但业务需要远程访问，你看怎么推动 A 有远程访问需求就应彻底取消 IP 白名单 B 远程访问与访问控制无关 C IP 白名单是最安全的方式，任何远程需求都不能妥协 D 用 VPN/零信任结合身份认证的方案，在安全可控前提下满足远程访问 ✓ 正确答案
# 21. 安全要求 MFA 但业务说影响转化率，你看怎么推动 A 因为影响转化率就完全放弃 MFA B 用分级/自适应 MFA 与无感认证方式，安全与转化率兼顾 ✓ 正确答案 C 所有登录都必须强制 MFA，不做任何妥协 D MFA 与转化率无关
# 22. 安全要求 WAF 但业务说误杀，你看怎么推动 A 因为误杀就彻底关闭 WAF B 误杀是安全防护必要的代价，无需处理 C 用观测模式过渡、规则精细化与白名单，在保障安全的同时降低误杀 ✓ 正确答案 D WAF 误杀与规则配置无关
# 23. 安全要求 XSS filter 但业务复杂渲染，你看怎么推动 A 用上下文输出编码 + 白名单 sanitizer + CSP 组合，兼顾安全与功能 ✓ 正确答案 B 复杂渲染场景无法做 XSS 防护，只能放弃 C 黑名单 XSS filter 是唯一正确的防护方式 D XSS 防护与渲染方式无关
# 24. 安全要求 session 存储但业务 session 丢失，你看怎么推动 A session 丢失是因为安全存储本身，应放弃安全存储 B 安全存储必然导致 session 丢失 C session 丢失是正常现象，无需解决 D 定位丢失根因（配置/存储/过期），用安全且高可用的存储实现 ✓ 正确答案
# 25. PM 让你优化 ROI 但 ROI 分母不清，你看怎么推动 A 先统一投入/收益口径，建立可复现模型，再拆解 ROI 杠杆 ✓ 正确答案 B ROI 分母不清就无需计算，直接凭直觉优化 C ROI 只与收益有关，与投入无关 D ROI 是一个固定公式，无需对齐口径
# 26. PM 想 A/B 测试但 hash 分桶不准（用户跨组），你怎么看怎么推动 A 用户跨组不影响 A/B 实验结论 B 用稳定用户 ID 做 hash 键并保证分桶幂等，确保同一用户只在一个组 ✓ 正确答案 C 分桶不用考虑一致性，随机即可 D 只要实验组对照组人数相等就有效
# 27. PM 想 A/B 测试但 leader 说"先上线再说"，你怎么看怎么推动 A leader 说先上线就放弃所有实验论证 B 直接拒绝 leader 并坚持必须做实验 C A/B 实验只会拖慢上线，没价值 D 用 A/B 的因果验证价值与快速实验方案说服 leader，降低上线风险 ✓ 正确答案
# 28. PM 想 A/B 测试但 learn 效应（用户学习），你怎么看怎么推动 A learn 效应不影响实验结论，观察几天即可 B 实验只看首次点击即可判断效果 C learn 效应越小越好，应完全消除 D 延长实验覆盖用户学习适应期，同时看短期与长期指标 ✓ 正确答案
# 29. PM 想 A/B 测试但 novelty 效应（新功能短时好奇），你怎么看怎么推动 A novelty 效应能让长期效果更好，应放大 B 上线初期的爆量数据就是长期价值 C 延长观察期让好奇红利消退，用长期留存指标判断真实价值 ✓ 正确答案 D novelty 效应不存在，无需考虑
# 30. PM 想 A/B 测试但业务方不接受输（"只接受赢"），你怎么看怎么推动 A 业务方只接受赢，输的实验就应该强行上线 B 实验输就说明实验无效，应该重做 C 实验的目的是学习，用预注册假设与 go/no-go 标准坚持数据诚实 ✓ 正确答案 D 为了不让业务方难受，可以粉饰实验结果
# 31. PM 想 A/B 测试但实验 duration 不够（统计功效不足），你怎么看怎么推动 A 先做功效分析计算所需样本量，再决定实验时长，保证结论可靠 ✓ 正确答案 B 实验时间短没关系，结论也够用 C 统计功效与实验结论无关 D 实验时间越长越浪费资源，应尽快结束
# 32. PM 想 A/B 测试但实验 metric 有歧义（多种解释），你怎么看怎么推动 A 实验前统一指标口径并预注册主次指标，保证结果可解释 ✓ 正确答案 B 指标有歧义没关系，看哪个结果好看就解释哪个 C 指标定义与结论无关 D 实验结束后再决定用什么指标
# 33. PM 想 A/B 测试但实验需 break compliance（合规），你怎么看怎么推动 A 为了实验价值可以适当突破合规要求 B 实验可以不告知用户，因为用户不会注意到 C 合规只影响文档，不影响实验运行 D 合规是不可逾越的底线，应在合规框架内调整实验设计 ✓ 正确答案
# 34. PM 想 A/B 测试但实验需 override 用户行为（伦理），你怎么看怎么推动 A 实验应遵循无害原则与知情同意，拒绝操纵用户的实验 ✓ 正确答案 B 为了实验效果可以操纵用户行为 C 用户不会发现，可以悄悄改变行为 D 伦理只针对大公司，小实验无所谓
# 35. PM 让北极星指标是 DAU 但你判断用户质量更重要，你怎么看怎么 argue A DAU 就是唯一重要的北极星指标，无需质疑 B 北极星指标只能有一个，不能有其他指标 C 用户质量无关紧要，只看 DAU 数量 D 用数据说明 DAU 可能虚胖，用留存等质量指标做护栏并组成指标体系 ✓ 正确答案
# 36. PM 让北极星指标是 GMV 但你判断毛利更重要，你怎么看怎么 argue A 用数据说明 GMV 可能靠补贴冲量虚火，用毛利做护栏指标 ✓ 正确答案 B GMV 越高越好，毛利不重要 C 毛利与 GMV 完全无关 D 只要 GMV 增长，亏损无所谓
# 37. PM 把北极星指标定为产品功能活跃度，但你判断转化流程优化更关键，如何用具体场景与数据 argue 而不是空谈指标 A 空谈"转化更重要"就足以说服 PM B 功能活跃度与转化完全无关 C 用漏斗数据定位转化瓶颈，量化活跃度与转化优化的 ROI 对比 ✓ 正确答案 D 北极星指标定了就不能改，不能 argue
# 38. PM 让北极星指标是用户数但你判断 ARPU 更重要，你该如何用具体场景说明而不是单看指标 A 用免费用户占比与收入对比场景说明用户数可能虚胖，需用 ARPU 衡量价值 ✓ 正确答案 B 用户数越多平台越成功，ARPU 不重要 C 用户数与商业价值无关 D 只要用户数增长，就不需要关注 ARPU
# 39. PM 要做一个项目但 ROI 不清晰，你看怎么推动 A ROI 不清晰的项目就应该拒绝 B ROI 不清晰时直接大规模投入，边做边看 C 用假设与验证框架 + MVP 验证收益，用 go/no-go 门槛控制风险 ✓ 正确答案 D ROI 无法判断时只能靠运气
# 40. 你发现了一个安全漏洞但 PM 说"功能优先"，你怎么看怎么推动 A PM 说功能优先就彻底不管漏洞 B 评估漏洞严重度，用风险损失说服业务方，必要时坚持安全优先 ✓ 正确答案 C 安全漏洞永远可以等，功能优先没错 D 安全漏洞与功能开发无关
# 41. PM 要 AB 测试用户数据但合规要求 opt-in，你看怎么推动 A 为了实验数据可以忽略 opt-in 合规要求 B opt-in 与 A/B 实验无关 C 只对同意用户收集数据，评估同意偏差并在合规框架内设计实验 ✓ 正确答案 D 没有同意也能用用户数据做实验
# 42. PM 要保留用户数据但合规要求定期删除，你看怎么推动 A 为了业务价值可以无限期保留用户数据 B 按数据分级保留 + 自动删除 + 匿名化，在合规范围内最大化数据价值 ✓ 正确答案 C 合规要求删除就必须删光所有数据 D 数据保留期限与合规无关
# 43. PM 要用用户数据进行 AI 训练但合规要求用户授权，你看怎么推动 A 训练 AI 不需要用户授权，可以任意使用数据 B 设计授权流程并做脱敏处理，明确用途边界与撤回机制 ✓ 正确答案 C AI 训练是内部活动，与合规无关 D 只要匿名化就无需任何授权
# 44. PM 要给第三方 SDK 访问用户数据但合规要求脱敏，你看怎么推动 A 最小化授权 + 脱敏 + 用途约束 + 审计，保障数据共享安全合规 ✓ 正确答案 B 第三方 SDK 需要什么数据就开放什么 C 第三方集成无需考虑脱敏 D 用户数据可以随意共享给第三方
# 45. 你发现了一个依赖漏洞但 PM 说"紧急发布"，你怎么看怎么推动 A PM 说紧急发布就带漏洞直接上线 B 评估漏洞风险，高危则优先修复或加临时缓解，安全发布优先于紧急 ✓ 正确答案 C 依赖漏洞与发布无关，可以先发布 D 漏洞只在特定条件才触发，可以完全忽略
# 46. 你发现了一个依赖漏洞但 leader 说"功能优先"，你怎么看怎么推动 A leader 说功能优先就完全搁置漏洞修复 B 依赖漏洞可以永远搁置，不影响业务 C 评估漏洞风险，用"安全债累积"论证及时修复，高危优先 ✓ 正确答案 D 安全漏洞处理与功能开发无关
# 47. 你发现了一个依赖漏洞（critical）但需要修复很久（不兼容），你怎么看怎么推动 A critical 漏洞修复时间长就直接放弃，等有时间再说 B 不兼容升级无法做，critical 漏洞只能接受 C critical 漏洞不紧急，可以慢慢修 D 先做临时缓解止血，再分阶段规划不兼容升级根治 ✓ 正确答案
# 48. 你想做依赖升级但 CI 坏了（跑不起来），你怎么看怎么推动 A CI 坏了也能放心升级依赖，凭经验即可 B CI 与依赖升级无关 C 先修复 CI 恢复验证能力，再升级依赖并用自动化测试保障 ✓ 正确答案 D 依赖升级不需要任何测试验证
# 49. 你想做依赖升级但 PM 说"等下一个 feature 一起做"，你怎么看怎么推动 A 根据升级风险与紧迫性决定捆绑或独立排期，关键升级应独立 ✓ 正确答案 B 升级必须永远等 feature 一起做 C 依赖升级不该占用任何发布机会 D 升级与 feature 捆绑会降低风险
# 50. 你想做依赖升级但 license 变更（GPL），你怎么看怎么推动 A license 变更不重要，可以无视直接升级 B 评估 GPL 传染性对商业产品的影响，必要时选替代库或保持旧版 ✓ 正确答案 C GPL 许可证完全无害 D license 变更只影响开源项目，不影响商业产品
# 51. 你想做依赖升级但 vendor 不积极（不修漏洞），你怎么看怎么推动 A vendor 不修漏洞就继续等着，反正总会修 B 第三方依赖是否维护与自己无关 C 评估依赖风险，寻找替代方案、自主维护或加临时缓解 ✓ 正确答案 D 漏洞不修也没关系，因为很难被利用
# 52. 你想做依赖升级但依赖已经 deprecated（没人维护），你怎么看怎么推动 A deprecated 依赖不影响使用，可以一直用 B 评估废弃依赖影响，制定迁移计划并选择活跃替代库 ✓ 正确答案 C 已废弃依赖没有任何风险 D 依赖是否废弃与自己无关
# 53. 你想做依赖升级但升级后有 bug，你看怎么推动 A 升级出 bug 就永远不升级了 B 评估 bug 严重度，必要时回滚，快速定位修复并复盘改进流程 ✓ 正确答案 C 升级 bug 只能人工排查，无法改进 D 升级后出 bug 说明升级本身是错的
# 54. 你想做依赖升级但有 breaking change（API 变），你怎么看怎么推动 A API 有 breaking change 就直接放弃升级 B 破坏性变更无法处理，只能接受旧版本 C breaking change 无需评估，直接升级即可 D 评估变更影响，用兼容层分阶段迁移并结合测试与灰度控制风险 ✓ 正确答案
# 55. 安全要求 HTTPS 但业务成本高，你看怎么推动 A 用免费证书与自动化运维降低 HTTPS 成本，逐步覆盖全站 ✓ 正确答案 B HTTPS 成本高就放弃，用 HTTP 即可 C HTTPS 与安全无关，可做可不做 D 证书成本无法降低，只能放弃
# 56. A/B 实验中实验组对照组、样本量、显著性水平与效应量等核心概念如何理解？ A 显著性水平越高，样本量需求越小 B 实验组与对照组无需随机分配 C 效应量越大，需要的样本量越大 D 样本量取决于显著性水平、功效与最小可检测效应量 ✓ 正确答案
# 57. A/B 实验与准实验、观察性因果推断（DID/PSM）的边界差异？ A A/B 实验与观察性推断因果强度相同 B PSM 可以完全消除所有混淆偏差 C A/B 是因果金标准，DID/PSM 用于无法随机化的场景但依赖假设 ✓ 正确答案 D DID 不需要任何对照或时间数据
# 58. A/B 实验与因果推断的常见误区（过早停止/多重比较/幸存者偏差/混淆变量）有哪些，如何设计严谨的实验与结论？ A 提前停止实验可以更早得到结论，无副作用 B 幸存者偏差不影响实验结论 C 用预注册、预定样本量、多重比较校正与全样本分析规避常见偏误 ✓ 正确答案 D 混淆变量与因果推断无关
# 59. 产品功能上线前如何用 A/B 实验做决策，指标选取、分层实验与长期影响怎么考虑？ A 功能上线只需看一个短期指标即可决策 B 实验无需分层，所有实验混在一起即可 C 用主指标+护栏指标选取、分层实验设计并评估长期影响来做决策 ✓ 正确答案 D 长期影响无法评估，只能看短期
