DoorDash 面試在外送 / Marketplace 類公司裡是業務感最強的一檔：你的題目幾乎一定和訂單調度、Dasher 路徑、商家匹配、配送時長預測之一相關。演算法不算特別難，但沒有業務直覺的同學會卡在 follow-up。本文按 OA → Phone Screen → Onsite 四輪的完整流程，給出每個階段的高頻題型、三段式答題套路、以及容易被打成 lean no hire 的踩雷點。
DoorDash 招聘流程
| 階段 | 內容 | 時長 |
|---|---|---|
| Apply | 履歷 + 推薦 | – |
| OA | HackerRank 1–2 題 | 60–90 min |
| Phone Screen | Coding（業務場景） | 45 min |
| Onsite | Coding × 2 + System Design + Behavioral | 4 × 45 min |
| Team Match | 與 hiring manager 1:1 | 30 min |
OA 階段：HackerRank 高頻題型
題型一：訂單調度模擬
給定訂單流（每條帶 prep_time, ready_at, distance），找出在 deadline 前能交付的最大訂單數。
要點：Earliest Deadline First + heap：
import heapq
def max_orders(orders):
orders.sort(key=lambda o: o[2])
heap = []
cur = 0
for prep, ready, deadline in orders:
cur = max(cur, ready) + prep
heapq.heappush(heap, -prep)
if cur > deadline:
cur += heapq.heappop(heap)
return len(heap)
時間複雜度：O(n log n)
題型二：Dasher 路徑最佳化（圖論）
N 個 city 之間有 directed road，dasher 起點 S，求到所有可達 city 的最短路徑之和。
要點：單源最短路徑 Dijkstra：
import heapq
from collections import defaultdict
def total_shortest(N, edges, S):
g = defaultdict(list)
for u, v, w in edges:
g[u].append((v, w))
dist = {S: 0}
heap = [(0, S)]
while heap:
d, u = heapq.heappop(heap)
if d > dist[u]:
continue
for v, w in g[u]:
nd = d + w
if nd < dist.get(v, float("inf")):
dist[v] = nd
heapq.heappush(heap, (nd, v))
return sum(dist.values())
時間複雜度：O((V + E) log V)
Phone Screen：業務場景 Coding
DoorDash 的 Phone Screen 喜歡用真實業務場景包裝演算法題，例如：
- 「我們要給每個 dasher 推薦最近的 5 個 restaurant」→ top-k by distance
- 「找出 30 分鐘內可以連續送 3 單的 dasher」→ interval merge
- 「即時算每個 zone 的活躍訂單數」→ time-window 滑動視窗
三段式答題套路
不論拿到哪道題，都用澄清 → 暴力 → 最佳化：
1. 澄清（3–5 min）
- 資料規模
- 時間視窗
- 一致性要求
- "real-time" vs "batch"
2. 暴力解（5–8 min）
- 寫出 O(n²) 或 O(n m) 的程式碼
- 給複雜度
3. 最佳化（25–30 min）
- 提出 1–2 個最佳化思路
- 寫最優解 + edge case
- follow-up 準備
Onsite 四輪拆解
Coding Round 1：演算法 + 業務
高頻題型：
- Closest 城市 / Two Pointer
- Dasher 調度 / Greedy + heap
- Concatenated 字串 / 雜湊
- Alive Nodes / Path Sum / Tree DFS
Coding Round 2：偏 design 的 coding
例如「實作一個 Rate Limiter / In-memory KV / 簡化版 TTL cache」。要求：
- 寫出完整介面
- 至少 2 種實作並討論 tradeoff
- 考慮並發
System Design：DoorDash 業務系統
經典題型：
| 題目 | 關鍵取捨 |
|---|---|
| Design Order Dispatch System | Push vs Pull / Geo-sharding |
| Design Delivery ETA Service | ML model 線上 vs 離線 |
| Design Live Dasher Tracking | WebSocket vs Polling / GPS 上傳頻率 |
| Design Surge Pricing | 即時計算 vs 預先計算 |
Behavioral：DoorDash 價值觀
DoorDash 的 BQ 特別看 4 個價值觀：
| 價值觀 | 觸發關鍵字 |
|---|---|
| Get 1% Better | 持續學習 / 量化改進 |
| One Team, One Fight | Cross-functional collaboration |
| Customer Obsession | 客戶視角 / NPS / churn |
| We're Owners | 主動 + accountability |
資料 / 增長崗位的額外重點
DoorDash 的 Data Scientist / Analyst 面試還會有：
- SQL 2–3 道（視窗函數 + cohort 分析）
- A/B Testing 設計（power calculation + p-value）
- Marketplace Economics（兩邊市場彈性 / surge pricing）
- Product Sense case
常見踩雷
- Coding 寫完就靜默等面試官給回饋，沒主動提 test case
- System Design 不畫圖，光講話
- BQ 用別家（Amazon）模板答 DoorDash，沒體現 4 個價值觀
- 不熟悉 marketplace 業務，「兩邊市場」概念都講不清
我們見過的 DoorDash 高分模式
oavoservice 學員中拿到 DoorDash strong hire 的，普遍特徵是：Coding 全過 + System Design 畫出 5 個核心元件 + BQ 至少踩中 3 個價值觀關鍵字。我們 VO輔助 流程會模擬全流程 + 錄影複盤 + 標註 hire / no hire 信號。
具體方案與報價，加微信 Coding0201 溝通。
FAQ
DoorDash OA 通過率多少？
社群回饋 SDE Intern OA 通過率約 30–40%，NG OA 通過率約 25%。Phone screen 通過率約 50%。
DoorDash 必須有外送 / Marketplace 經驗嗎？
不必須，但加分。關鍵是能講清兩邊市場動態（dasher supply vs order demand），即使從 Uber / Lyft / Instacart 類比也可以。
DoorDash 給 NG 還是 Intern 多？
2026 春招 Intern 多於 NG，但 NG 薪資更高（base + RSU + sign-on）。Intern 轉正率約 70%。
DoorDash Onsite 後多久出結果？
通常 1–2 週。Team Match 可能再加 1–2 週。Offer 決定後 negotiate 視窗約 1 週。
正在準備 DoorDash / Uber / Instacart / Grubhub 等 Marketplace 公司面試？
oavoservice 長期追蹤外送、共享出行類公司的 OA + VO 真題。mentor 來自一線 SDE / DS 團隊，可提供 OA 題型訓練、System Design 業務系統專項、價值觀 BQ 模板、SQL & A/B testing 強化 等 VO輔助 服務。
👉 立即加微信：Coding0201，取得 DoorDash 完整備考方案。
聯絡方式
Email: [email protected]
Telegram: @OAVOProxy