麥肯錫Solve遊戲與PST：全面備考指南

麥肯錫的數字化測評在案例面試前就淘汰了約 70% 的候選人。無論你面對的是傳統的問題解決測試（PST）還是遊戲化的 Solve 評估，備考策略直接決定你能否進入面試輪。

本指南涵蓋兩種測評的所有關鍵資訊：測評內容、評分機制、詳細備考策略、逐周時間規劃，以及那些讓優秀候選人也翻車的常見陷阱。

PST 與 Solve：測評體系全面對比

麥肯錫自 2020 年起逐步將紙質 PST 轉型為數字化 Solve 遊戲。雖然 Solve 已成為全球大多數 office 的預設測評，但亞太和中東部分地區的 office 可能仍使用 PST。根據我們對多個招聘週期候選人經驗的分析：

PST 透過線約為 70%，大約 30-35% 的候選人能夠晉級。Solve 採用演算法評分，追蹤你的滑鼠移動、點選模式、決策序列和時間分配——即使蒙對答案，如果解題邏輯混亂，照樣無法透過。

為什麼麥肯錫要換成 Solve 遊戲

傳統 PST 存在幾個侷限性：

1. 應試漏洞：候選人可以透過背題庫透過測試，而不具備真正的解題能力
2. 文化偏見：閱讀密集型題目對非英語母語者不利
3. 訊號有限：選擇題只能捕捉最終答案，看不到思維過程
4. 作弊風險：紙質測試在監考場景下成本高且仍有漏洞

Solve 遊戲透過測量你如何思考來解決這些問題，而不是隻看你得出什麼結論。遊戲化格式也提供了更好的候選人體驗，併為麥肯錫提供了更豐富的行為資料。

Solve 遊戲：每個小遊戲詳解

Solve 目前包含多種小遊戲，候選人通常會隨機遇到其中兩種。具體分配由演算法決定，可能因人而異。

flowchart TD
    A[麥肯錫 Solve 測評] --> B{小遊戲分配}
    B --> C[生態系統構建]
    B --> D[Redrock 研究]
    B --> E[Sea Wolf]
    B --> F[植物防禦]
    
    C --> G[約束最佳化]
    D --> H[資料解讀]
    E --> I[系統思維]
    F --> G
    
    G --> J[過程分數]
    H --> J
    I --> J
    
    J --> K[最終測評結果]

生態系統構建（最常見）

挑戰內容：你會看到一個地形（山脈、珊瑚礁等環境），以及一個包含30-40個物種的列表。你需要恰好選出8個物種，在給定的環境約束（海拔、溫度、地形型別、溼度）下構建可持續的食物鏈。

真正考察什麼：約束最佳化和系統性假設驗證。演算法會觀察你是否：

• 在動手前理解了所有約束條件
• 系統性地解題（例如從生產者開始）
• 當某個選擇不可行時調整策略
• 高效回溯而非完全重來

詳細攻略：

1. 先花3分鐘只看不動：在選擇任何物種之前，閱讀每個物種卡片，標註每個物種需要的環境條件。按營養級分組（生產者→初級消費者→次級消費者→頂級捕食者）。

2. 從食物鏈一端開始：從生產者（植物/藻類）向上推通常更容易，因為生產者依賴條件更少。先選出2-3個匹配地形的生產者，再找以這些生產者為食且滿足環境約束的初級消費者。

3. 用紙筆記錄：畫一個簡單的矩陣，左列是物種，頂行是4-5個環境約束。這能避免反覆檢查相同資訊。

4. 卡住時只回退一級：如果找不到合適的頂級捕食者，不要重來。替換一個次級消費者，看看是否開啟了新的頂級捕食者選項。

5. 提交前驗證完整鏈：追蹤能量從底到頂的流動。每個消費者必須至少有一個食物來源，且必須滿足所有環境約束。

常見錯誤：

• 先選"有趣"的物種而非策略性選擇
• 沒有讀完所有約束就開始
• 一次失敗就從頭重來（浪費時間，向演算法暴露恢復能力差）
• 忽略互斥規則（某些物種競爭相同生態位）

Redrock 研究（資料解讀）

挑戰內容：你會收到一份包含5-7頁生態研究資料的資料包——圖表、表格、散點圖和文字描述。閱讀期結束後，原始材料可能部分或完全不可見，你必須回答5-6個關於資料的問題。

真正考察什麼：在壓力下提取、綜合和應用定量資訊的能力——這些技能直接適用於盈利能力案例和財務分析。

詳細攻略：

1. 閱讀階段是關鍵：做結構化筆記。不要試圖死記硬背——寫下關鍵數字、趨勢和關係。按資料來源組織筆記（圖表A、表格B等）。

2. 記下刻度和單位：很多錯誤答案源於誤讀座標軸（千vs百萬、月度vs年度）。明確寫下單位。

3. 識別關係：哪些變數相關？哪些表格和哪些圖表對應？在筆記中用箭頭連線相關資料點。

4. 答題階段：每個問題讀兩遍。確定哪個資料來源包含答案。如果筆記做得好，不需要重新搜尋。

5. 注意推斷題：有些問題問的是資料"證明"了什麼vs"暗示"了什麼。正確答案必須被資料直接支援，而非僅僅合理。

常見錯誤：

• 閱讀階段在某個資料來源上花太長時間
• 沒有標註單位和刻度
• 答案中混淆相關性和因果性
• 因為筆記混亂而用完時間

Sea Wolf（系統思維）

挑戰內容：你管理一個海洋生態系統或狼群，在多輪中做出資源分配、領地和生存策略的決策。每輪條件變化（天氣、食物供應、競爭者行為），要求你適應調整。

真正考察什麼：動態決策和系統思維。你能否識別哪些變數最重要、預測二階效應、在條件變化時及時適應？

詳細攻略：

1. 識別反饋迴圈：前幾輪通常建立基線關係。注意當你改變一個變數時會發生什麼連鎖反應。

2. 不要只最佳化一個指標：遊戲通常追蹤多個成功標準（存活率、增長率、領地）。過度追求其中一個通常導致系統崩潰。

3. 不確定時保守決策：環境劇烈變化時，做小幅調整，觀察效果後再大幅行動。

4. 找先行指標：某些環境變化預示後續轉變。提前適應比被動應對得分更高。

植物防禦（約束最佳化）

挑戰內容：類似塔防遊戲，你需要透過戰略性放置防禦植物/有機體來保護棲息地。每次放置消耗資源，威脅來自特定方向且強度不同。

真正考察什麼：約束下的資源分配、戰略規劃和成本效益分析。

詳細攻略：

1. 放置前評估所有威脅：在投入資源前理解挑戰的全貌。
2. 找到瓶頸點：將防禦放在能同時應對多個威脅的位置。
3. 保留資源：不要一次用完所有資源。後續輪次通常引入更強威脅。
4. 根據反饋調整：如果某個防禦不起作用，轉移位置而非堆疊更多資源。

麥肯錫測評的五大核心能力（評分維度）

理解官方評分維度有助於你針對性練習。麥肯錫的測評測量以下五種認知能力：

演算法如何給你打分

雖然麥肯錫不公開具體評分公式，但對候選人結果的分析揭示了幾個模式：

過程重於結果：兩個候選人可能得出相同答案但獲得不同分數。透過系統性探索得出答案的人，得分高於透過隨機試錯碰到答案的人。

時間分配很重要：在複雜決策（多變數互動）上花更多時間、在簡單決策上花更少時間，說明你對問題複雜度有良好判斷。

一致性被獎勵：全程使用清晰、可重複的方法論，得分高於無故中途切換策略。

恢復行為計入評分：犯錯不致命。快速識別錯誤、理解原因、系統性調整——展現了麥肯錫看重的元認知能力。

估計評分權重

基於公開的候選人反饋和第三方分析：

關於透過分數線

麥肯錫沒有公佈 Solve 遊戲的具體透過分數。但根據候選人彙總反饋：

• 測評產生標準化分數（可能基於百分位排名）
• 不同 office 可能因候選人池規模而有不同門檻
• 分數可能與同期其他候選人進行比較
• 沒有"部分透過"——要麼進入面試，要麼不進
• 有些候選人在未透過時仍收到"展現了較強分析能力"的反饋，說明門檻是競爭性的而非絕對的

對於 PST，透過線約為 70%（26 題中答對約 18-19 題），但可能因 office 和申請人池競爭程度而變化。

PST 題型：詳細解析

如果你的目標 office 仍使用 PST，以下是每種題型的全面解析和攻略：

閱讀事實題（佔比38%）

這是你最高價值的備考目標。給定一段文字或圖表，判斷哪個陳述被資訊直接支援。

核心技巧：

• 先讀問題，再掃描文章找相關資料
• 正確答案總是被直接陳述或可計算的——從不需要推斷
• 排除新增了文章中不存在資訊的選項
• 注意限定詞：“總是”、“從不”、“大多數"可能讓原本正確的陳述變錯

事實推斷題（佔比14%）

最難的題型。你必須判斷哪個結論被綜合資料"證明”（而非僅僅暗示）。

核心技巧：

• 正確答案必須是在給定資料下邏輯上不可避免的
• “可能為真"不等於"必須為真”
• 檢查每個展示——答案通常需要綜合2-3個資料來源
• 排除需要未在資料中陳述的假設的選項

應用題（佔比12%）

需要多步計算的商業數學場景，不允許使用計算器。

核心技巧：

• 計算前先寫出問題結構
• 策略性地四捨五入——如果答案選項差異超過10%，不需要精確計算
• 每一步都檢查單位（月度轉年度、單位轉總量等）
• 直接計算複雜時，從答案選項反推

四周備考計劃

根據我們輔導數百位候選人透過兩種測評的經驗，我們推薦結構化的4周備考方法（適合在職人士）。如果你是學生、時間更充裕，可以壓縮到2-3周。

flowchart LR
    W1[第1周：打基礎] --> W2[第2周：技能提升]
    W2 --> W3[第3周：全真模擬]
    W3 --> W4[第4周：調峰休整]
    
    W1 --- W1D[瞭解測評形式\n診斷性評估\n識別薄弱環節]
    W2 --- W2D[心算強化訓練\n資料解讀練習\n策略方法開發]
    W3 --- W3D[完整限時模擬\n每天2-3次\n覆盤過程錄影]
    W4 --- W4D[輕度練習維持\n策略精煉\n測評前休息]

第1周：基礎與診斷（第1-7天）

目標：精確瞭解你面對的測評，確定自己的基線水平。

核心產出：瞭解當前水平，有清晰的技能提升計劃。

第2周：核心技能提升（第8-14天）

目標：建立兩種測評都會考的基礎能力。

核心產出：心算速度提升30%以上；能在60秒內解讀圖表。

第3周：全真模擬（第15-21天）

目標：在逼真條件下練習完整限時測評。

核心產出：跨模擬的一致方法論；在時間限制內完成。

第4周：調峰與休整（第22-28天）

目標：微調狀態，以最佳精神面貌迎接測評。

核心產出：充分休息、信心充足，策略已內化。

心算：基礎中的基礎

PST 和 Solve 都要求在沒有計算器的情況下快速計算。根據我們的經驗，投入心算練習的候選人提分效果最明顯——往往就是透過和淘汰的差距。

必備心算技巧

百分比計算（最常見）：

• 10% = 小數點左移一位：840的10% = 84
• 5% = 10%的一半：840的5% = 42
• 15% = 10% + 5%：840的15% = 84 + 42 = 126
• 1% = 小數點左移兩位：840的1% = 8.4
• 組合運算：840的23% = 20% + 3% = 168 + 25.2 = 193.2

除法捷徑：

• 除以5 = 乘以2再除以10：840/5 = 1680/10 = 168
• 除以8 = 連續除以2三次：840/8 = 420/4 = 210/2 = 105
• 粗略除法：2,350/7 ≈ 2,100/7 + 250/7 = 300 + 36 ≈ 336

複合增長估算：

• 72法則：翻倍年數 = 72/增長率。8%增長，約9年翻倍。
• 5年8%增長：乘以1.08^5 ≈ 1.47（即100 × 1.47 = 147）
• 捷徑：對於低增長率短年限，近似為 1 +（增長率 × 年數）+ 小額調整。8% × 5年 = 40%，加約7%複合效應 ≈ 47%增長。

每日練習安排（15-20分鐘）：

1. 10道百分比題（難度遞增）
2. 5道除法題（2-4位數）
3. 3道複合增長估算
4. 2道多步驟商業數學題（收入 = 價格 × 銷量，利潤率計算）

從我們的心算技巧指南開始系統訓練，逐步提升速度。

各小遊戲專項技巧

生態系統構建：10條實戰建議

1. 前3分鐘只讀不點——什麼都不要選
2. 用紙畫約束矩陣：左列寫物種，頂行寫約束條件
3. 選物種前先數營養級（通常需要3-4個層級）
4. 從匹配最多地形約束的生產者開始
5. 確認選中前檢查捕食-被捕食相容性
6. 卡住時換一個物種，而非推翻重來
7. 標記已排除的物種，避免重複檢查
8. 尋找"關鍵物種"——連線多個食物鏈分支的物種
9. 提交前驗證鏈是否完整（每個消費者都有食物來源）
10. 如有餘時，檢查替代組合是否更穩健

Redrock 研究：8條實戰建議

1. 用前30秒數展示材料數量，瀏覽題目主題
2. **畫一張"資料地圖"**標註每個展示包含什麼資訊
3. 寫下精確數字——任何看起來重要的資料點
4. 用箭頭標記趨勢方向（↑↓→）而非試圖記住數值
5. 識別離群值——這些經常被考到
6. 偏執地檢查座標軸標籤——它們就是為了迷惑你設計的
7. 對比題把數值並排寫下，而非靠腦子記
8. 分配時間：60%用於閱讀/筆記，40%用於答題

Solve 遊戲通用建議

• 穩定的網路連線：儘量用有線網路；延遲可能影響行為資料
• 安靜的環境：打斷會讓你重新定位，在演算法看來像是不一致
• 全屏：減少干擾；測評會追蹤注意力模式
• 如有Demo版本先練習介面操作
• 不要重新整理頁面：可能重置進度

新舊測評詳細對比

對於可能面對任一測評（或想了解演變歷程）的候選人：

不確定面對哪種測評？

如果你還沒收到確認資訊：

1. 向recruiter確認：他們應該告知測評形式
2. 預設準備Solve：大多數office現在用Solve
3. PST技能可遷移：心算和資料解讀對兩種都有幫助
4. 不確定就兩種都準備：技能重疊度約60-70%

常見錯誤及避免方法

策略性錯誤

技術性錯誤

心態性錯誤

練習資源

免費資源

1. 麥肯錫官方練習：麥肯錫偶爾在招聘頁面提供示例遊戲，定期檢查。
2. 生態系統模擬遊戲：涉及食物鏈構建的遊戲幫助發展約束最佳化思維。
3. 心算App：訓練百分比、除法和估算的App能提升PST關鍵速度。
4. 邏輯謎題網站：約束滿足謎題（如高階數獨變體）訓練系統性排除法。
5. 資料解讀練習：政府統計出版物（人口普查資料、經濟報告）提供真實圖表閱讀練習。

結構化備考

• 我們的心算技巧指南系統性地提升計算速度
• 用麥肯錫風格案例練習，培養兩種測評都獎勵的分析思維
• 我們的 AI 模擬面試幫助建立 Solve 遊戲所獎勵的結構化思維

不要浪費時間在這些上

• 高價"破解Solve"課程——演算法定期更新，沒有永久有效的hack
• 論壇背PST題庫——題庫會輪換
• 練習快速點選——演算法測量決策質量，不是點選速度
• 試圖作弊——麥肯錫專門針對這些行為設計了檢測

常見問題解答

麥肯錫 Solve 遊戲需要多長時間？

Solve 遊戲通常需要60-90分鐘完成。你會面對兩個小遊戲，每個大約30-45分鐘。兩個遊戲之間有短暫休息。與PST不同，你不能跳過或在兩個遊戲之間切換——必須順序完成。

麥肯錫 PST 的透過分數是多少？

PST 透過分數約為 70%（26題中答對約18-19題）。但這個門檻可能因office和當期申請人池的競爭程度而變化。競爭特別激烈的office（倫敦、紐約）由於候選人更強，實際透過門檻可能更高。

Solve 遊戲沒透過能重考嗎？

可以，但通常需要等待12-24個月，具體取決於office政策。重新申請時，你將全新參加測評——之前的分數不會保留。利用等待期高效提升：透過案例練習發展分析能力、強化心算、透過工作或學術專案積累解題經驗。

Solve 遊戲會追蹤滑鼠移動嗎？

是的。Solve 遊戲使用行為分析技術追蹤滑鼠移動、點選模式、懸停時長、決策序列和活動間的時間分配。這些資料幫助區分透過系統性分析得出正確答案的候選人和透過隨機探索得出答案的候選人。有意識地移動滑鼠、有目的地點選（而非到處亂點）很重要。

PST 和 Solve 的備考有什麼不同？

準備 PST 時，重點放在心算速度、圖表閱讀效率，以及快速在密集文字中定位特定資訊的能力。用限時選擇題練習。

準備 Solve 時，重點發展系統性解題習慣：始終先理解約束條件，從問題的一端有條理地推進，用紙筆記錄思考過程，練習從錯誤中優雅恢復。PST獎勵快速得出正確答案；Solve獎勵展現結構化的思維過程。

好訊息：約60-70%的底層技能是重疊的。強大的資料解讀和邏輯推理對兩種形式都有幫助。

沒完成 Solve 遊戲會怎樣？

未完成的遊戲會獲得明顯更低的分數。即使是次優解也比不提交好。如果時間快到了，轉向做出快速但有邏輯的決策，而非放棄遊戲。演算法仍能從匆忙但有結構的決策中提取正面過程訊號。半途而廢暗示無法管理時間或確定優先順序——對潛在顧問來說都是危險訊號。

所有麥肯錫 office 的 Solve 遊戲一樣嗎？

不一樣。不同office可能使用不同的小遊戲組合，且每種遊戲型別中的具體場景可能不同。全球測試的底層能力是一致的，但你不應假設會遇到另一位候選人報告的完全相同的遊戲。為所有可能的小遊戲型別做準備，而非只專精一種。

應該用練習平臺或App備考嗎？

練習平臺對熟悉所需思維型別有幫助，但要謹慎。沒有第三方平臺能完美複製麥肯錫的Solve遊戲，實際演算法是專有的。最佳備考組合：（1）理解被測量的是什麼，（2）建立真正的分析能力，（3）在限時條件下練習。聲稱複製了完全相同Solve遊戲的平臺應持懷疑態度——麥肯錫定期更新其測評。

麥肯錫如何在整體申請中使用 Solve 分數？

Solve 遊戲是一個篩選工具，主要用於在案例面試前縮小候選人池。它通常被視為透過/不透過，而非貢獻持續分數。一旦透過測評進入面試，你的案例面試表現決定最終結果。處於臨界線的Solve分數不會在面試中幫助或傷害你——關鍵是是否清了這道門檻。

測評之後

麥肯錫通常在完成測評後1-2周內通知候選人。結果通常透過recruiter郵件傳送，對具體分數資訊有限。

如果你晉級了

恭喜——你透過了諮詢業最嚴格的篩選之一。立即將重心轉向案例面試準備：

• 用麥肯錫風格案例熟悉面試官主導型格式
• 為常見案例型別如盈利能力和市場規模估算開發假設驅動結構
• 用我們的 AI 模擬面試在真實條件下練習
• 檢視我們的麥肯錫PST備考指南瞭解更多麥肯錫評估理念

如果你沒透過

這不代表你的智力或諮詢潛力。測評具有較高隨機性，很多成功的顧問第一次也沒透過。你的行動計劃：

1. 等待要求的期限（根據office不同為12-24個月）
2. 培養真正的分析能力：在工作中承擔資料密集型專案；學習統計學或經濟學
3. 照樣練習案例面試：結構化思維對測評同樣有幫助
4. 考慮其他公司：BCG、貝恩等頂級公司有不同的測評形式，你可能表現更好
5. 以更強的申請重新申請：更好的簡歷+更強的測評表現=更好的整體候選人條件

核心要點

• 麥肯錫 Solve 追蹤的是你的過程，而非答案——系統性方法勝過運氣
• PST 透過率約 30-35%，Solve 選拔性相當
• 安排4周結構化備考（學生可壓縮至2周）
• 心算能力是兩種測評形式的基礎
• 從系統的任一端開始（頂部或底部），切勿從中間入手
• 測評時用紙筆記錄假設驗證過程
• 即使不完美也要完成遊戲——未完成的提交得分最低
• 演算法檢測隨機行為並扣分
• 在真實條件下練習（限時、安靜、全屏）
• 測評前好好休息——疲勞的傷害大於臨時抱佛腳的收益

開始備考

用案例庫中的麥肯錫案例打好分析基礎。這些案例培養的結構化思維和定量推理能力正是 Solve 遊戲和 PST 所獎勵的。

準備好進行真實面試模擬時，試試我們的 AI 模擬面試，在壓力下練習問題結構化和建議輸出——Solve 遊戲透過遊戲化鏡頭測量的正是這些能力。

如需深入瞭解傳統測試形式，請檢視我們的麥肯錫PST備考指南。