矽谷新創 Asana：我們是這樣面試工程師的|數位時代 BusinessNext

三大技術問題

寫程式（Coding）

在 Asana 可以攜帶自己的筆電、或由公司提供，也能使用慣用的語言與編碼軟體。Asana 不會要求應徵者在測驗中真的編譯（compile）或執行（run）程式，糾結在繁冗測試跟文件的日常軟體開發過程不是他們的目的，重點是應徵者如何推衍問題、思考解決方案。完成問題之後，也會與你一起討論解決問題的方法與過程，包括來不及付諸實踐的想法。

演算法與資料結構（Algorithms and Data Structures）

大部分技術面試都包含演算法問題，Asana 特別注重資料結構。懂不懂得針對特定工作使用恰如其分的資料結構，是最根本的技能，因為那是 效率（effiency） 的關鍵。Asana 並不奢求應徵者記住所有資料結構的執行方式，而是希望評估在夥伴的協助下，您能否順利進行。同時 Asana 也很重視應徵者是否 細心謹慎（thoroughness） 、並且能夠抓出自己的錯誤，即使是處理 edge case 的時候。

模型化與設計（Modeling and Design）

在這部分，Asana 最看重的莫過於 有條不紊（clarity） ，並對「 簡潔（simplicity） 」有所堅持。應徵者必須針對真實的問題設計出技術解決方案，這個問題通常是開發 Asana 時實際遇到的狀況，應徵者應能把疑難雜症拆解成小問題。無論您偏好以什麼方式解決，除了要能闡述自己的解題方式，而且也要能夠清晰說明選擇這麼做的原因。

三大人格特質

除了考驗硬實力的技術問題之外，Asana 也會觀察應徵者是否俱備「善於溝通、同理心與不間斷的學習能力」三個特質：能否與面試官協作與交換想法、接收到意見的態度；能否理解使用者可能產生的困惑，以及能否坦然面對自己不太理解的地方、虛心向學。

同時，Asana 也具體提供了準備面試的方法：

第一，善用網路資源：HackerRank、Interviewing.io、Coding Interview Tips 三個網站提供的面試技巧都可以多多參考。

第二，過去的經驗就是最好的包裝：面試者可以根據應試者過往的經驗，將面試過程調整為最能激發應試者潛能的模式。

第三，問個好問題：不只是面試者要出考題，應徵者也最好提出幾個問題反問面試者，以確認自己適不適合 Asana 的工作文化。

Each of these companies has teams that pay for (and use) Asana. Notice how many are killing it. Coincidence?! :-) pic.twitter.com/EcdkUwHXvX

— Justin Rosenstein (@rosenstein) 2016年1月7日

▲ Asana 客戶涵蓋各種類型，不乏大型企業、或矽谷當紅新創公司

Asana 是 Facebook 共同創辦人、第一代技術長 Dustin Moskovitz 在 2008 年所成立的專案管理服務公司，因其清楚乾淨的介面頗受歡迎，從媒體業如《紐約客》雜誌到教育體系哈佛大學、以及估值一再突破天際的 Uber、美國職棒聯盟 MLB 都是他們的客戶，至今有 13,000 家企業付費。前一陣子剛巧宣布完成 C 輪投資，募得 5000 萬美金，由 Y Combinator 總裁 Sam Altman 領投。

在亞馬遜爆出「一週工作 80 小時、白領血汗做到哭」的負面新聞時，Dustin Moskovitz 曾寫了一篇「認真工作、好好生活」的文章，強調工作與生活的平衡，無須賣命還是能夠創造高產值。Asana 在美國工作評價網站 Glassdoor 上的評分也是 5 顆星滿分，工作環境到底是不是真的這麼美好，既然都把「密技」公開了，心動的工程師不妨去一探究竟吧！

參考資料：

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。