Netflix SAE 面試經驗全紀錄｜Technical + Case 雙考場，節奏太快像打 boss 戰

前陣子剛結束 Netflix SAE 面試，整個過程從技術篩選到 superday 一共經歷了五輪。
整體感覺：難度中等但節奏超快，尤其最後 VO 連面五場，體力與腦力都拉滿。
下面詳細說說每一輪的內容和我的感受。

第一輪：技術篩選

這一輪主要是線上筆試形式，透過 CodeSignal 進行。題型偏技術，SQL 佔比非常高。
雖然題目整體不難，但坑點在於－沒有提供資料表 schema！
所以你只能根據題幹猜字段，或是一列列 print 看要 join 哪個字段，挺考經驗的。

題目範例：

Question 1:
You are given two tables: users and subscriptions. Write a query to find the number of users who have at least two overlapping subscription periods.

Return user_id and count of overlapping periods.

Note: Two periods overlap if their start and end dates intersect.

這題關鍵在自連接，判斷兩個 subscription 的時間區間是否重疊。邏輯上簡單，但如果沒 schema，得先試著 print 資料格式，非常花時間。

另一個題是計算使用者平均行為的變體：

Question 2:
Find the average watch time per active user per week from the viewing_activity table. Only include users who watched more than 5 hours in that week.

這類題很典型，Netflix 愛考「資料聚合+ 分組過濾+ 時間視窗」邏輯。整體感覺：

• SQL 難度在 LeetCode medium 左右；
• 沒有太多花哨算法；
• 重點是數據邏輯要清晰。

第二轮：SQL + Data Structure + Business Case

第二輪更偏綜合能力，一開始有點像 take-home test + technical discussion 的結合。

Part 1: SQL
一道 medium 難度的題，考察多表 join、group by、window function。

Question 3:
Given tables shows, episodes, and ratings, write a query to find the top 3 shows with the highest average episode rating in the last 90 days.

重點在於：

1. 時間過濾 (WHERE date > CURRENT_DATE - INTERVAL '90 days')
2. join 三表
3. group by show_id，再依平均分數排序

Part 2: Data Structure
Coding 題偏簡單，像 LeetCode easy-medium 難度。

Question 4:
Given an array of integers, return True if the array can be split into two subarrays with equal sum.

就是考 prefix sum 的經典題。 Netflix 很少出複雜演算法題，更多考你怎麼把邏輯講清楚、命名規範、邊界考慮到。

Part 3: Business Case
這是我最喜歡的一部分。面試官給了個很生活的場景：

Case:
Netflix noticed a drop in engagement in one of its regional markets. How would you investigate the cause using data?

他們想聽的不是最終答案，而是你的「分析框架」。
我當時是這麼講的：

• Step 1: 確認問題（Engagement 指標下降多少、定義是什麼）
• 步驟 2：拆解維度（地區、內容類型、設備、方案）
• Step 3: 排查假設（內容品質、價格變動、使用者分佈）
• Step 4: 設計驗證（實驗或 cohort 分析）

面試官一直點頭，表示這一輪更看邏輯思考。

第三輪：Hiring Manager 面

這一輪是偏輕鬆的 behavioral + fit 環節，面試官是直接主管。
聊的主要是工作經驗和業務理解，例如：

• 你主導過的 A/B 實驗是什麼？如何定義成功指標？
• 當業務方不同意實驗結果時你會怎麼處理？
• 你在過去的分析中遇到哪些 trade-off？

Netflix 的 manager 很重視溝通表達，尤其喜歡聽你「怎麼 influence non-technical stakeholders」。
我這輪氛圍不錯，更多像雙向交流。

最終輪：虛擬現場（Superday）

重點！
VO 共有 5 面，每面 45 分鐘，幾乎連著排，中間休息不到 10 分鐘。
節奏快到像連打五場 ranked。

第一面：跨職能（銷售團隊）

主要測試你能不能跨團隊溝通。
舉例題目：

“How would you communicate an A/B test result that shows negative impact on sales?”

這裡支持你「將資料翻譯成業務語言」。
他們會 follow-up：“如果 Sales 不接受你的結果呢？”
核心在態度和溝通策略。

第二面：領導階層（總監級）

全是 behavioral 問題，例如：

“Tell me about a time when you had to make a decision with incomplete data.”
“How do you prioritize analysis requests when resources are limited?”

Netflix 很重視文化契合（Freedom & Responsibility），這一輪完全是看你和公司理念是否 match。

第三、第四面：Analytics Deep Dive

這兩輪是純 case 面，難度高，但可準備。

Case Example 1:
Design an experiment to test if a new recommendation algorithm improves engagement.

• What’s your hypothesis?
• How do you define the success metric?
• How do you handle sample size and bias?

Case Example 2:
Given an A/B test result with p-value = 0.07, what would you do next?

這部分就是典型的實驗分析思維。面試官想看你是否理解統計顯著性背後的業務意義，而不是死背概念。

第五面：人力資源/文化契合

HR 面就是收尾，比較輕鬆。主要問：

• 為什麼想加入 Netflix？
• 你怎麼看 Netflix 的文化？
• 團隊合作中你扮演什麼角色？

語氣都很和善，最後聊到喜歡的劇（我提了《Black Mirror》和《Mindhunter》，氣氛很好）。

如何在 Netflix / Meta / Amazon 的 VO 穩過 Case 面？

如果你也在準備 Netflix、Amazon、Meta 這類 data-heavy 的 VO，
可以試試 Programhelp 的遠距無痕助攻服務，讓專業團隊替你把關，我們會在不干擾平台的前提下提供即時語音提醒、答題結構引導與案例應答優化，幫你像這位學員一樣，穩穩拿下 dream offer。

jor jor

See Full Bio