这个问题看起来是在问“要不要砍需求”但本质上面试官想考察的是你在业务目标、技术约束和资源成本之间做平衡的能力。很多候选人会下意识回答“那就优化方案、降低复杂度”但如果只停留在这一层其实是远远不够的。因为现实工作中算法团队说“成本高”往往不是简单的开发难而是涉及算力、数据质量、模型效果不确定性甚至长期维护成本。面试官真正想看三点第一你是否具备“拆解问题”的能力而不是被技术团队一句话带跑第二你是否能基于业务目标做取舍而不是一味妥协第三你有没有推动跨团队达成一致的能力。参考回答当算法团队反馈实现成本过高时我不会直接调整方案而是先去明确“高成本”具体体现在哪。比如是算力消耗大、训练周期长还是数据获取困难、效果不稳定。不同原因对应的策略是完全不同的。接下来我会回到业务目标本身重新判断这个功能的优先级和必要性。很多时候一个功能之所以“必须做”是因为我们默认了某种最优解比如必须用复杂模型才能实现。但实际上业务要的不是“最先进的算法”而是“能解决问题的方案”。如果核心目标只是提升转化率5%那是否可以用规则策略、轻量模型甚至AB测试替代这一步的关键是把“技术方案”还原成“业务价值”。如果这个功能确实重要我会尝试推动“分阶段落地”。比如先做一个简化版本用规则或低成本模型快速上线验证效果再决定是否投入更复杂的算法。这种方式可以降低试错成本同时也给算法团队更清晰的数据反馈避免一开始就投入大量资源但效果不确定。同时我也会和算法团队一起评估“ROI”。也就是这个高成本投入最终能带来多大的业务收益。如果投入和产出明显不匹配那就需要果断调整甚至放弃如果ROI合理但短期资源不足可以考虑延后排期或者争取更多资源支持。在这个过程中沟通方式也非常关键。我不会用“业务要求必须实现”去压技术团队而是通过数据和目标对齐让大家站在同一个视角下做决策。比如把业务收益、用户影响、竞品情况一起摆出来让技术团队理解为什么这个需求值得投入同时我也会尊重他们在实现层面的专业判断。这个问题的关键不在于“怎么降成本”而在于你是否具备一个成熟产品经理的核心能力在不确定性中做判断在约束条件下做最优解。面试遇到问题的小伙伴可点击面试一对一辅导此外我建立了各大城市的产品交流群想进群小伙伴加微信chanpin626我拉你进群。加过微信chanpin628或yw5201a1的别加分享内容一样有一个号就行关注微信公众号产品刘可领取大礼包一份。RECOMMEND推荐阅读5年狂赚200亿字节为什么还是选择卖掉AI产品经理面试题如何设计一个模型效果评估指标体系淘宝闪购杀红了眼把美团甩在身后手把手教你做数据产品经理点击“阅读原文”查看更多干货