1、对测试用例场景覆盖率的认知？
要不要把某些场景自动化，需要综合考虑：业务重要程度、测试资源、执行频率、实现难度
2、自动化脚本的质量，重要的衡量点？
（1）脚本之间互不影响，相互隔离（示例：可按模块进行划分写成不同的py文件）
（2）测试中被测功能互不影响的（初始化，后置操作）
（3）能够快速定位bug位置（log日志定位结果）
（4）脚本易于编写，易于维护、以及易于扩展的
说明：不能无限制的为了降低学习成本而牺牲质量和效率，提升测试人员的技能是关键
3、自动化脚本执行失败的分析原因？
（1）环境错误
（2）网络问题
（3）case之间相互影响
（4）脚本本身的编写bug
（5）UI改动等因素导致
具体的分析方法：
<1>、将失败的测试用例，单挑出来重新脚本执行，查看是否成功，若失败则看下log日志执行到了哪步出现了报错。
<2>、根据自动化测试用例，执行功能测试查看是否OK，此时就可以判定出是脚本执行问题还是功能确实存在bug，或者是UI进行了变动。
<3>、根据如上的分析重新调整脚本后，再次运行查看是否ok（一般对一个脚本的稳定性检验的测试执行次数是3次）
<4>、此时已调整完，可以释放其他用户，重新整体试运行所有脚本，排除对其他脚本模块的影响
4、自动化脚本中的数据管理策略
（1）共享数据
（2）隔离数据
说明：具体的区别点与解释
（1）共享数据----------所有的case或者一些case共同使用的测试数据
优点：速度快，只需创建一次就可以给很多的case使用
缺点：<1>数据是为很多case准备的，写的不明确，很难确定数据对应的case方法
<2>数据本身不能扩展，一处改动影响则很广泛，维护脚本的成本高
（2）隔离数据----------每个case都独享测试数据，case之间互不影响，case执行前创造数据，执行后销毁数据
优点：由于数据在case之间互不影响，因此case的稳定性、可维护性、可读性都大大提高，由于维护性强，因此成了首选方案
缺点：速度慢
5、是否启动UI自动化的影响考量因素
是否启动UI自动化，需结合当前的实际情况，需要考量的因素有：结合公司当前的现状、发版节奏、需求变化、产品生命周期等
6、UI脚本框架设计应遵循的基本规则：po
