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