快手2019年春招这场笔试我印象最深的就是经济学家试卷居然出现在一个短视频平台的招聘里。当时很多人看到这个岗位都是一脸懵短视频平台要经济学家干什么但回过头看这恰恰是平台经济发展到一定阶段的必然结果。写这篇东西是给那些准备投递互联网平台经济学相关岗位的同学看的也顺便聊聊这类跨界笔试到底在考什么。1. 经济学家试卷出现在短视频平台一场必然的跨界2019年的快手已经不是那个只做GIF工具的团队了它已经成长为日活过亿的短视频社区。当一个平台拥有海量用户、海量创作者、海量内容的时候整个生态的复杂程度就已经超出了普通运营人员的经验判断范畴。这时候经济学的分析框架就成了理解这个生态的重要工具。1.1 平台为什么需要经济学家而不是数据分析师很多人会混淆数据分析师和经济学家这两个角色。数据分析师的核心工作是描述现状——DAU掉了几个点、完播率升了多少、哪个地区的用户次日留存最低。但经济学家要做的是解释机制——为什么DAU会掉、用户行为的底层激励是什么、平台策略改变之后会不会引发连锁反应。这就是经济学思维的价值所在它关心的不是发生了什么而是为什么会这样发生以及接下来会怎样。我在2019年也关注过这类岗位的笔试题目整体感觉是快手不是想招一个纯学术派的经济学家而是想找一个能用经济学框架解决实际业务问题的人。试卷的底层逻辑是——如果给你平台的真实数据你能不能像经济学家一样思考而不是像产品经理一样拍脑袋。1.2 这场笔试的考察逻辑与传统经济学考试的区别传统经济学科班考试比如中级微观、宏观经济学那套考的是你对理论模型的记忆和理解。给你一道IS-LM模型的题你把曲线画对、交点算对分数就到手了。但这套逻辑放到互联网平台场景里就失效了。平台的用户不是理性人创作者不是追求利润最大化的厂商内容生态也不是一个完全竞争市场。快手那套试卷的考察逻辑我分析下来大概是三层递进第一层是经济学直觉。给你一个平台现象你能不能快速判断背后是哪类经济学问题在起作用——是供需问题、博弈问题、信息不对称问题还是外部性问题。第二层是框架迁移能力。把教科书里的经典模型迁移到平台场景里比如把劳动经济学里的补偿性工资差异迁移到创作者激励体系设计上。第三层是政策思维。经济学家在平台内部某种意义上承担着政策制定者和政策评估者的双重角色。给你一个规则调整方案你能不能预判它对不同用户群体的差异化影响。1.3 经济学家在内容平台的真实工作场景在进入题目拆解之前先说说经济学家在短视频平台到底做什么。这有助于理解笔试题目为什么这样出。我观察到的核心工作场景有四个第一个场景和供需匹配有关。平台有海量内容和海量用户如何让合适的内容遇到合适的人是经济学匹配问题的一种特例。经济学家要做的是理解推荐系统的经济学含义而不是自己去调模型参数。第二个场景涉及创作者生态。优质创作者是平台的稀缺资源如何设计激励体系让他们持续生产内容这是典型的机制设计问题。给多少钱、给多少流量、什么条件下给都需要经济学分析来支撑。第三个场景是平台规则的政策评估。比如一条新规会不会导致中小创作者流失头部效应会不会加剧这需要经济学思维来做事前推演和事后评估。第四个场景涉及货币化策略。广告加载率提高到什么程度会让用户流失付费功能怎么定价这些问题本质上都是经济学问题。理解了这些背景也就不难理解为什么一家短视频公司会在校园招聘里专门设一个经济学家岗位。2. 考点方向拆解试卷背后隐藏的核心经济学工具结合我对各大互联网平台经济类笔试的观察这类试卷的核心考点集中在几个方向。不是说会考这些理论的名词解释而是说你要会用这些工具来分析实际业务问题。2.1 供需分析内容生态的供给曲线与需求曲线经济学入门第一课讲的就是供需。但放到平台上这个供需关系比教科书复杂得多。在这里供给是创作者生产的内容需求是用户的内容消费。有意思的是这两条曲线之间还存在着动态反馈——用户看到更多好内容会更愿意留在平台创作者看到用户增长会有更强动力去创作。笔试如果涉及这个方向大概率会让你分析某个因素变化后供需曲线如何移动。举例来说平台提高了创作者分成比例供给曲线会向右移动因为更多的潜在创作者会被吸引进来但同时也可能改变平台自身的成本结构这又是另一个层面的分析问题了。在这个考点上比较容易犯的错误是只做定性分析不做定量估算。真正的高手会把问题拆解成可以量化的变量——如果你说供给增加那你要说清楚是哪个维度的供给增加了、增加的弹性大概是多少、短期和长期的效应有什么不同。2.2 网络效应与边际成本平台经济的核心属性一个短视频平台的价值很大程度上取决于它有多少人在用。这不是一句空话而是一个叫网络效应的经济学概念。每个新用户加入不仅自己获得价值也让其他用户获得更大的价值——内容更多了、互动更多了、社区氛围更浓厚了。这是典型的正的网络外部性。笔试题目很可能让你用网络效应解释平台为什么要补贴用户。表面上看补贴是亏钱的——每拉一个新用户平台都要付出真金白银。但从网络效应的角度看一个新用户带来的不仅仅是自己的消费价值还通过丰富内容生态提升了所有用户的使用价值。这时候补贴就可以理解为平台在为用户的外部性买单。另一个和平台经济紧密相关的概念是边际成本。传统制造业增加一单位产品的边际成本是正的因为要消耗原材料。但数字平台的边际成本趋近于零——多一个人看视频几乎不增加平台的运营成本。这就引出了一些有趣的定价问题既然是零边际成本为什么有些功能还要付费答案在于稀缺性不来自内容本身而来自注意力、推荐位、认证标识这些限制性资源。2.3 博弈论创作者、平台与用户的三方博弈如果你问一个游戏公司的经济学家最常用的分析工具是什么大概率会听到博弈论。因为游戏公司天天都在设计玩家之间的互动规则。短视频平台的运营本质上相似——你要搞清楚创作者和平台之间、创作者和创作者之间、用户和创作者之间到底是什么样的博弈关系。举个具体的例子。平台设计一个活动激励创作者投稿。如果奖励是按播放量排名发放的那头部创作者会倾向于垄断排名中小创作者可能直接选择不参与。这时候这个激励机制就没有达到预期效果。更好的方案可能是设计一个随机抽奖流量扶持的组合机制让每个参赛者都有一个正的预期收益。这里面涉及的正是博弈论里的激励相容问题——机制设计要让每个参与者的最优策略刚好是平台希望他们采取的策略。笔试出题人很可能会给你一个业务场景让你分析里面的博弈结构和可能的均衡结果。这时候切忌只给出合作双赢这种空泛结论而是要把参与人、策略空间、收益矩阵都写清楚用博弈论的分析框架来推理。2.4 行为经济学用户不是理性人传统经济学假设人是理性的——知道自己的偏好会做最优决策。但真实世界的用户远远不是这样。行为经济学告诉我们用户有各种各样的认知偏差锚定效应、损失厌恶、现状偏好、从众心理……这些偏差在短视频平台的用户行为里体现得淋漓尽致。一个典型的场景是用户刷短视频时的停不下来现象。如果你用传统理性人框架分析根本解释不通——一个用户明明知道自己应该去睡觉了为什么还是不停往下滑这里面有损失厌恶在起作用吗有。人对下一个视频可能很有趣的期待让他们觉得停止滑动会错失什么这种错失恐惧本身就是一种认知偏差。笔试出题人如果考察行为经济学大概率会给你一些用户行为数据让你判断这里面体现了什么行为经济学原理以及平台能怎么利用或纠正这些偏差。这里有一个需要拿捏好的度利用用户认知偏差来提升用户时长到底是优化用户体验还是诱导沉迷回答这个问题要把握好分寸——可以说平台利用行为经济学优化内容推荐、让用户更容易找到自己真正喜欢的内容但不要过度讨论如何让人上瘾这类灰色地带。从经济学角度陈述行为经济学工具是可以用于正向改善用户体验的。比如通过默认选项的设计引导用户设置好自己的内容偏好减少信息轰炸通过损失厌恶设计提醒机制帮助用户控制使用时间——这类表述既安全又有专业深度。2.5 长尾理论与收入分配创作者生态的隐形问题短视频平台的创作者生态是一个典型的幂律分布少数头部创作者获得大部分流量大量尾部创作者只能分到很少的关注。这种分布是否符合社会公平平台内部要不要做一定的平衡这既是一个经济学问题也是一个公共政策问题。用长尾理论来分析尾部创作者虽然单个流量不大但基数巨大整体贡献的内容量是相当可观的。如果没有这些尾部创作者平台的供给端会严重不足。所以平台需要关注头部创作者的需求但也不能忽视尾部创作者的生存状态——尾部创作者的活跃度决定了整个生态的丰富度和可持续性。笔试如果涉及创作者生态很可能会让你设计一个既不过度打击头部积极性又能让尾部创作者获得机会的机制。这里有一个通用的回答框架在固定流量池里做动态调节头部创作者依靠自然流量获取大部分曝光但平台周期性举办新人扶持计划给尾部创作者提供一定比例的冷启动流量同时用纵向流动机制保持生态的活力。3. 从题目到答案平台经济笔试的高分答题思路分析完考点我们来聊聊具体的答题方法。这道题问的是经济学家试卷但核心不是考经济学教科书知识而是考察你能否用经济学思维分析平台真实面临的问题。以下是我拆解出来的答题方法论。3.1 拿到题目后先做的事识别问题类型和约束条件很多同学拿到题目就开始动笔这是一个容易丢分的习惯。正确做法是先花几分钟判断这道题属于哪类经济学问题然后快速列出解题的基本框架。具体来说可以做三件事第一件事判断这是描述性问题还是决策性问题。描述性问题问的是为什么会这样决策性问题问的是我们应该怎么做。这两种问题的答题逻辑完全不同。第二件事找出题目中的关键约束条件。比如预算有限用户规模是1亿只能在现有推荐框架下调整这些约束条件直接影响你的分析结论。第三件事明确分析的单位和对象。是站在平台角度、创作者角度还是用户角度不同视角下的最优策略可能完全相反。以常见的题目为例请分析短视频平台上同质化内容过多的原因并提出解决方案。如果按传统思路可能会直接说推荐算法的问题用户偏好问题创作者跟风问题。但如果你用经济学框架来答就不会这么零散。你会说同质化内容过多本质上是一个供给侧的激励扭曲问题——创作者观察到某类内容需求量大且供给成本低于是大量涌入平台算法又因为他们能吸引用户而给予更多推荐形成了正反馈。但要解决这个问题不能光靠算法调整还要调整创作者的激励结构比如让优质但冷门的内容获得额外的流量奖励。3.2 经济直觉 vs 数据支撑如何平衡定性与定量分析平台经济学笔试的另一个难点是到底要写多少理论公式和计算我见过两类截然相反的同学。一类是理论派上来就写效用函数、拉格朗日乘子、需求价格弹性公式看上去很专业但和实际业务完全脱节。另一类是业务派只谈业务逻辑全篇没有一个经济学概念看起来像产品经理面经。这两类都拿不到高分。正确的平衡方式是什么我总结下来是定性为主、定量为辅。经济学思维的价值在于帮你建立起问题分析的结构化框架而不在于精确计算。平台的真实业务场景里你很难知道需求曲线的确切函数形式但这不妨碍你判断价格提高会减少需求这个方向性的结论。在实际作答时可以这样做当你提出一个判断用经济学概念来说明逻辑比如这里存在正网络外部性所以用户规模增长会带来更大的用户规模当你提出一个方案用简单的数字估算来验证可行性比如如果我们把分成比例从30%提高到50%在内容供给端可能带来约XX%的增量但平台毛利会下降XX%。能让阅卷人感受到你既有经济学思维又有落地意识这是高分的基础。3.3 从现象到机制如何避免答案正确但逻辑松散笔试批改最看重的不是你的结论是否正确而是你的推理过程是否严密。这里面有一个关键技巧从现象到机制不要停留在现象层。举个例子。题目问你为什么短视频平台的用户时长在下降一个就事论事的回答是因为竞品上线了新功能抢走了用户注意力。这个回答对吗对了一半但没有任何经济学深度。一个经济学视角的回答应该这样展开第一步把用户时长下降拆解为两个机制——一个是用户离开效应即用户减少了打开频率另一个是浏览效率提升效应即用户在更短时间内找到了想看的内容。第二步针对这两个机制分别分析。如果用户打开频率下降那可能是竞争对手的差异化竞争导致用户偏好转移也可能本身属于负网络效应比如内容社区的品质感下降出现了劣质内容驱逐优质内容。第三步给出可检验的含义。如果是浏览效率提升机制起作用那么时长下降的同时应该能观察到用户满意度或留存率的提升如果用户时长和满意度同时下降那大概率就是竞争和生态恶化引起的。这样的回答层层递进逻辑链条完整每一步都有经济学概念作为支撑也和平台业务结合紧密。阅卷人未必能判断你的结论是对是错但能看出你是一个有分析框架的人。3.4 政策建议的写法给出可执行的分析而不是正确的废话试卷最后一道题往往是开放性的政策建议题比如请为平台设计一套创作者激励方案。这类题最容易写出正确的废话——比如要公平对待创作者要持续优化算法要加强社区治理。这些听着没错但没有任何信息量。高分的政策建议通常满足三个标准。第一个标准是有取舍。好的政策一定是有代价的如果只看收益不看代价说明你没想清楚。所以在提建议的时候要主动说明这个方案可能会带来什么负面影响但相比旧方案的什么问题这个代价是可以接受的。第二个标准是分优先级。不要一口气给十个建议而是根据成本收益比和落地难度给出优先级排序说明短期该做什么、中期该做什么、长期该做什么。第三个标准是有预判。你要能想到政策实施之后可能出现的各方反应——如果这样做头部创作者会怎样应对用户会怎样适应竞争对手会不会跟进把这些预判写出来说明你真的有经济学的均衡思维。3.5 避开三个经典的答题陷阱结合很多人的答题情况我总结出三个典型陷阱建议你在笔试时格外注意。第一个陷阱是学生思维——把问题想成一道有标准答案的习题努力回忆教材结论然后直接写上去。平台经济学的问题几乎都没有标准答案你能直接套用教材结论本身就说明你对场景理解不深。对策是把每个题目都当成一次给CEO写分析报告的练习。第二个陷阱是技术幻觉——觉得只要把算法模型说得越复杂就越显得专业。拜托考的是经济学家不是机器学习工程师。算法只是实现手段经济学才是分析框架。你要回答的是为什么要这样设计机制而不是怎么实现这个算法。第三个陷阱是平均思维——对所有用户、所有创作者一视同仁给出的建议是一刀切的方案。真实的平台生态充满异质性头部用户和小白用户的需求完全不同游戏类内容和知识类内容的生态逻辑也完全相反。能识别出用户分层和内容分层的方案才是一个有洞察力的经济学方案。4. 典型题型实战推演从成本结构到外部性这一节我用具体的题目来推演一下答题过程帮大家把前面讲的方法论落到实处。虽然我没有拿到快手2019年的真实考卷但这些题目类型和答题思路是我在分析各大互联网公司经济类笔试时总结出来的通用规律拿来练手完全够用。4.1 平台成本结构题流量补贴应该补贴给谁这类题目的一般问法是平台推出一项流量补贴计划应该如何分配资源拿到这道题第一步要做的是拆解补贴这个行为的经济学含义。补贴本质上是在降低某类使用者的边际成本从而调整供给或需求的数量。补贴给谁取决于你想刺激哪一侧。如果我们把补贴理解为对用户的补贴——比如降低用户获取内容的成本它直接抬升了内容消费的需求曲线如果把补贴理解为对创作者的补贴——比如让创作者获得更多流量它抬升的是优质内容的供给动力。所以补贴方向的选择本质上是判断当前平台的瓶颈是在需求侧还是在供给侧。在快手的场景下我觉得这个问题可以这样拆解对于新用户而言流量补贴可以表现为新人推荐池——新作者发布内容后进入一个保底曝光池帮忙渡过早期的冷启动阶段对于老用户而言流量补贴可以表现为作者荣誉认证——通过身份标识提升作品的点击率而不是直接灌流量。用经济学的语言说前者是降低交易成本后者是降低不确定性。4.2 供需判断题热门内容供给不足怎么办另一种常见题目是描述一个现象让你判断原因和对策。比如平台上某类热门内容的需求很大但创作者供给不足。用供需框架来看供给不足无非三个原因一是创作门槛过高成本端问题二是收益激励不足收益端问题三是信息不对称创作者不知道这里有需求。对应的解决方案也应该从这三个方向去思考——降低创作工具的使用门槛、提高该类内容的流量分成或现金奖励、建立需求反馈机制让创作者明确看到用户需要什么。这一连串分析的价值在于你能说明白为什么你的方案能起作用、它是降低了哪个环节的成本、提升哪个环节的收益。这个逻辑链条本身就是经济学家区别于普通人的核心竞争力。4.3 收入模式题广告加载率应该控制在哪里平台收入模式相关的题目经常会让应试者分析广告与用户体验的平衡。这种题一般这样问提高广告加载率是否总是能提高平台收入从经济学角度来答这个问题实质是一个价格与需求量的权衡。广告位是平台的一种资源加载率就是它的价格。加载率过高相当于价格过高用户会因为体验变差而减少使用时长相当于需求量下降加载率过低相当于价格过低虽然流量多了但每个流量的变现效率太低。一个加分的答案要更进一步计算一下最优加载费率在哪里。你可以写平台总收益 广告费率 × 用户总时长 × 广告填充率。广告费率上升的过程中用户总时长会下降。那么问题就变成了存在一个最优的广告费率使得两者乘积最大化。把这层关系说清楚然后给出定性结论理论上存在一个最优加载率高于或低于这个水平都会让收入减少。4.4 外部性问题题低质内容泛滥怎么办平台内容生态治理是另一个高频考题如果低质内容泛滥应该怎么办经济学上把这种现象归入负外部性范畴——低质内容的生产者获得了流量和收益但它破坏了用户体验和平台生态成本却由所有用户和创作主体共同承担。负外部性的标准解法不外乎三种课税、管制和明晰产权。放在平台场景里课税可以理解为对低质内容进行流量惩罚——比如降低低质内容的推荐权重相当于让低质内容的生产者付出流量税。管制可以是平台建立内容分级标准——什么内容可以推荐什么内容必须限流什么内容直接下架。明晰产权则是建立创作者信用体系——创作者的每一次违规行为都被记录在案并影响后续的流量分配和签约机会。这三种手段不是互相排斥的一个高分的答案会建议组合使用。你不但要说出用什么手段还要说明为什么这个组合是最优的每一种手段又是重点解决了什么问题。4.5 行为经济学题用户为什么停不下来行为经济学类题目的套路是给你一个用户行为现象让你从非理性角度分析。比如为什么用户本来打算只刷五分钟结果刷了一个小时这道题的常规分析路径有几个。首先是可得性偏差和注意力经济——视频流的设计让下一个内容总是立刻可得用户不需要额外付出决策成本就能获得新刺激这会让人产生下一个一定更好的预期。其次是沉没成本谬误——用户已经投入了这么多时间这时候停下来意味着之前的时间都浪费了于是继续刷下去。再次是完成效应——如果视频都很短用户倾向于把这一条看完再走但一条接一条的完成永远没有尽头。这里可以引出更深的思考平台为什么不做强制提醒来打断用户答案在于中断用户会触发损失厌恶用户会觉得平台在剥夺自己继续看的权利体验反而更差。更好的设计是温和提示可控设置——让用户自己设定时间上限到点后平台温和地打断用户既不觉得自己被强制又获得了自我控制的成就感和安全感。这就是行为经济学里的助推nudge思维不是强制改变行为而是通过设计让用户更容易做出对自己长期更有利的选择。5. 备考策略与能力积累如何系统准备这类跨界笔试这一部分写给正在准备类似岗位的同学。不是说临时刷几套题就能上岸而是要有一个系统性的积累过程。5.1 建立经济学直觉-平台业务的思维方式最有效的准备方式不是刷题而是建立经济学直觉和平台业务的映射关系。具体怎么做我的做法是每天分析一个平台功能背后的经济学逻辑。比如打开快手看到关注页和发现页的排列逻辑就能想到信息匹配效率的问题看到创作者服务中心的分成规则就能想到激励机制设计的问题看到评论区排序可能隐藏着高赞优先的机制就能想到这是利用社会化过滤来降低信息筛选成本。坚持这个习惯一个月你会发现自己看到任何平台功能都会本能地问三个问题——它解决了什么问题它的成本是谁在承担如果调整它会有什么连锁反应这种思维模式才是笔试甚至未来工作里最重要的核心竞争力。5.2 建立自己的答题框架库笔试的时间有限临场从零推理效率很低。我建议你提前积累自己的答题框架库。每个框架先写一个核心逻辑再配上快手或其他平台的真实案例考场上遇到类似场景可以直接调取。至少要有这几个框架供需分析框架识别供需两侧、判断瓶颈在哪一侧、给出调节建议激励设计框架明确激励对象、分析激励强度弹性、预判策略应对网络效应框架区分同边网络效应和跨边网络效应、判断正负外部性平台治理框架明确治理目标、权衡公平与效率、设计可持续的治理约束机制行为经济学应用框架识别认知偏差类型、区分利用和引导、评估对用户长期价值的影响每个框架里放一两个你熟悉的快手或同类平台的案例。案例不在多在于你能把为什么讲清楚。5.3 关注平台经济学的核心文献和讨论话题如果时间充裕可以读一些平台经济学方向的经典文献和行业报告。但不是让你逐字啃理论而是看它的分析框架和结论是怎么来的。我推荐几个方向供参考平台双边市场理论相关讨论、用户生成内容平台的激励研究、注意力和注意力市场经济学、创作者经济可持续性研究。读这些内容的时候不要停留在获取知识层面要经常问自己这个理论用在快手的创作者生态上会怎样。5.4 做一套自己给自己出的模拟卷最后建议你模拟一套笔试题按照实际考试的时间和篇幅来要求自己。出一套模拟卷可以从这些方向出题某新功能要上线你要分析它对平台生态的整体影响某个创作者的投稿数据上升了你要判断原因并给出建议平台要不要提高广告加载率提升多少合适某个内容品类增速很快但质量参差不齐你是否建议给这个品类更多流量扶持。模拟的时候注意几个细节第一按真实考试的时间控制节奏不要超时第二按实际问题经济框架政策建议的结构写答案不要只答一步就停第三写完反复问自己如果我是批卷老师我看到哪个地方会觉得这个人有真正的经济学思维。6. 现实中的经济学家校招竞争格局与能力要求最后谈谈这场笔试之外的现实。2019年前后不只是快手不少头部互联网公司都开始设立经济学家或类似研究型岗位。这背后的大背景是平台经济已经到了需要精细化治理的阶段靠拍脑袋做决策已经走不通了。6.1 这类岗位的竞争格局坦白说这类岗位的招聘名额非常少但竞争相当激烈。竞争者不仅是经济学科班出身的毕业生还有来自金融、统计、计算机等专业的跨界选手。名校背景是加分项但远非决定项。我见过本科学校一般但分析能力极强的学生拿到的offer也见过名校硕士在笔试环节就败下阵来。关键的区别在于你能不能把经济学理论和业务问题用某种方式真正连接起来。能连接起来的人哪怕是二本学历也有机会连接不起来的人哪怕是名校硕士也会在笔试中暴露短板。6.2 笔试之后面试会问什么过了笔试面试通常会更深入。面试官大概率会拿笔试里的某道题让你现场展开——你说要优化创作者激励体系具体怎么优化激励机制是有成本的预算约束下你优先调整哪一块计划上线后你预期创作者和用户各有什么反应这些问题本质上还是在考察你的经济学思维是不是真的能落地而不只是停留在书面表达上。面试中还有一个高频问题你怎么理解经济学家在互联网公司的角色这个问题没有标准答案。我的理解是经济学家的角色不是提方案的人那是产品经理的事而是建立分析框架的人。当一个业务问题出现时经济学家提供的价值不是直接告诉他该怎么做而是帮他搭建一个分析问题的框架让各种方案的成本收益都变得清晰可见。如果你能在面试中把这一层理解讲透会是非常加分的。6.3 时间规划提前多久开始准备诚实的建议是至少提前三个月开始准备。第一个月用来打底子——系统梳理微观经济学、平台经济学和行为经济学的核心概念第二个月用来做连接训练——每天用经济学框架分析一个行业案例积累框架库第三个月进行实战模拟——做真题、写模拟卷、找同学互相批改重点训练限时输出能力和逻辑表达能力。有经济学基础的同学可以直接从第二阶段开始跨专业的同学建议把第一阶段的时间适当延长。核心目标只有一个在考试时具备看到任何平台现象都能迅速用经济学框架分析的应试能力。6.4 心态准备考不上也不亏最后说一点务实的就算没有通过这场笔试投入在经济学思维上的时间也不会白费。平台经济已经渗透到生活的每个角落——不管将来你做产品、做运营、做内容还是做商业分析理解用户激励、网络效应、供需匹配这些底层逻辑都会让你比别人看得更远。我认识一些当年没过笔面的朋友后来在其他公司的商业分析、用户研究、产品岗位做得非常出色。经济学训练给他们的不是一份工作而是一种看问题的框架和视角。从我个人的实际体会来说准备这类笔试最有价值的收获其实不是最后那个offer而是过程中建立的用经济学思考真实世界的习惯。这个习惯一旦建立你看待产品、用户和商业的方式都会变得不太一样。希望这篇文章能帮你少走点弯路笔试顺利。