牛客数据分析刷题01.18

小红书2020校招数据分析笔试题卷四

1、
抽样估计的优良标准有三个,即:无偏性、一致性和有效性。
影响时间序列的因素有四个,即:长期趋势、季节变动、循环波动和不规则波动。

2、在一次集卡活动中，有5种不同的卡片以相同的概率出现，每分享一次笔记就可以得到一张卡片，集齐所有卡片所需点赞的笔记数量的期望，与以下哪个结果最为接近？
首先考虑从拥有0种到拥有任意1种卡片需要抽取的卡片数量的期望，易知E0=1=5/5；
再考虑从拥有1种卡片到拥有任意2种卡片需要抽取的卡片数量的期望，此时每抽取一张卡片，有4/5的概率完成此事件，因此期望E1=5/4；
依次类推，收集5种卡片的期望是E=1+5/4+5/3+5/2+5/1≈11.42

3、调查全公司1000名员工平均交通费用支出情况，采取不重置抽样，从其中抽取100名进行调查。根据以往调查可知总体方差s²为100，则样本均值的方差为 （）
样本方差为：S=σ2/n=100/100=1
所以求样本均值方差为：S*((N-n)/(N-1))=1*((1000-100)/(1000-1))=100/111

4、机器学习判别式模型和生成式模型
生成式：贝叶斯，高斯混合模型，EM模型，HMM，贝叶斯网络
判别式：线性回归，逻辑回归，支持向量机，knn

5、常见的聚类算法
(1) K-means聚类、K-中心点聚类、CLARANS算法,DIANA算法、BIRCH算法、Chameleon算法
(2) EM算法
(3) OPTICS算法、DBSCAN算法

6、小红书在首页上线了一个新的模块，目的是为了提升用户的浏览时长，请设计一套分析方案，衡量模块上线后对用户停留时长是否有提升？
采用假设检验的方法衡量模块上线后对用户停留时长是否有提升
假定，用户停留时长为stay_time
将用户均匀分为两组，一组为对照组，一组为实验组。
对照组不上线新模块，实验组上线新模块，采集对照组和实验组用户每天的浏览时长，分别为stay_time_X0，stay_time_X1

（1）原假设：用户停留时长没有提升，即，stay_time_X0 = stay_time_X1
备择假设 ：用户停留时长提升，即，stay_time_X0 < stay_time_X1
（2）选取5%为显著性水平临界值
（3）计算最小样本量，采集数据
考虑到指标的周期性，时间周期选取2周。
采集实验开始前一天，两组用户的数据，是否存在明显差异，如无，继续观察前两天的数据，是否存在异常。
如无异常，继续采集数据。
（4）使用T检验，计算p值
（5）得出结论：若p值<5%，则推翻原假设，备择假设成立，新的模块能显著提升用户停留时长。反之，不能推翻原假设，不能判断新的模块是否能提升用户停留时长。

7、月复合增长率（年是同样的道理）
=(现有价值/基础价值)^(1/月份数) - 1=（160/120）^(1/3)-1

8、经过一番研究后，我们开发出了商品页面上“相关商品”模块的一个新的推荐算法，并且打算通过AB Test（50%用户保留原先的算法逻辑为控制组，50%用户使用新的算法逻辑为实验组）来对新的算法效果进行评估。假设你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？（假设需要数据都可取到）请按重要性列出最重要的三个指标并给出你的分析过程/思考。
（1）指标
—用户实际的gmv
—进入商品详情页后加购/立即购买的转化率
—ctr(相关商品卡片的点击/曝光)
（2）分析过程
假设检验
1.设原假设为使用新的推荐算法后上述指标降低或不变，备择假设为使用新的推荐算法后上述指标增加
2.选择显著性水平临界值为5%,采集数据
选择周期时间为2周，在数据采集前检查两组数据是否有明显差异，若无，继续采集数据
3.使用T检验，计算P值
4.分析结论，如果P值小于5%，那么原假设不成立，备择假设成立，即使用新算法后指标提升，
反之无法推翻原假设，不能证明使用新算法后指标提升

9、如果我们发现，某店铺的X品类在今年3月的销量，比去年3月的销量下降了50%，如果你是负责此次分析的数据分析师，你会如何分析？请写出你的分析思路/过程/想法。
解1：
检验数据是否正确
指标拆分
销量=日均销量30=订单数（1-订单取消率-退货率）30
退货率=退货数/订单总数，进一步分析退货原因：质量问题/恶意退货/客服服务问题
订单取消率=订单取消数/订单总数，进一步分析订单取消原因，竞品性价比高/服务好/店面设计好/店铺评分高
订单数=咨询数1-咨询流失率）+加入购物车*（1-购物车流失率）+直接下单 咨询流失定位原因回复不及时/不准确
用户群体，老用户销量 新用户销量 不同渠道转化率
将指标与同期进行对比，定位问题
同时关注关键指标GMV是否下降明显

解2：
1、查明数据来源的可信性，查看数据时候正确
2、数据正确，的确下降的前提下，展开以下分析：
用户分析：
（1）将用户分为新用户和老用户，定位是哪个用户群体出了问题
（2）假设是老用户出了问题，分析老用户的回购率，流失率以及活跃度，分析是哪个环节出了问题
（3）定位了环节，再考虑从渠道方面展开分析，看看是哪个渠道出了问题；
产品分析：
（1）产品是否更新了，不符合消费者喜好或者还未让消费者接受
（2）产品的价格是否有变动
（3）产品周期性
市场分析：
（1）同质品类的竞争者有什么活动，互补品品类的商品有什么变化
（3）有什么政策上的变化
（4）市场上技术的发展趋势

10、某APP 7月份DAU比同年5月份上涨了10%，作为数据分析师，你会从哪些方面分析DAU增长的原因？ 请列举至少两种以上拆分思路。
step1：确定数据是否存在异常：基于历史数据，利用移动平均等预测方法，预测7月DAU数值，与2-3倍标准差做对比，判断实际数值是否处于正常范围。（也就是判断DAU上涨10%这是一个趋势，还是一个问题，是长期因素导致的，还是短期内社会事件等因素导致的。）

step2：拆分数据维度：人群拆分、渠道拆分、地理拆分、内外部拆分（拆分的核心是找出哪些影响因素导致了数值的异常，从各个维度判断是整体因素还是某类因素）。
① 人群拆分：新老用户维度、性别维度、年龄维度、职业维度等等。
② 渠道拆分：从新用户的的引入渠道、APP的跳转入/跳转出渠道、分享渠道、付费渠道等。
③ 地理拆分：从地区、城市、线级等粒度，拆分数据，分析DAU增长点是发生在某类城市、还是整体市场的变化。如果是在某个或某类城市的变化，则进一步分析其DAU增长原因。同时对比其渗透率与DAU变化较小的城市渗透率，判断这类城市的变化对整体DAU变化的影响程度。
④ 内外部拆分：内部主要指产品本身的改动点是否获得用户认可，包括产品模块的改动、产品运营策略的改动，可通过A/B Test、用户调研等方式进行检验。 外部可以从市场趋势、市场竞争、外部舆论、社会事件、节假日、PEST模型等因素考虑，可利用舆论热度、关键词搜索量、ADX等指标衡量趋势类因素，也可从分隔市场角度解释市场竞争因素（在固定容量的市场环境中，一些产品的倒下或爆红，将导致用户量的集中和分散）。

step3/4/5/6/7/8/9：具体维度考察技术、产品、运营，进一步细化DAU增长原因，分析问题，预测8月趋势变化，并为后续运营策略提优化建议。

11、经过一番研究，我们决定在新用户首次激活APP时增加一个短视频介绍页面来增加用户对产品的感知，并且打算通过AB Test（50%为控制组，50%的用户首次激活时会看到短视频介绍）来进行评估。假如你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？请列出你认为重要的指标，给出分析过程和可能用到的统计方法。
指标：用户激活量，注册激活率，短视频点击率，跳出率，短视频观看时长，
统计方法：T检验

1.监测短视频页面的跳出率，跳出率高则说明用户对这个功能比较反感

2.监测视频的播放时长，时长短则表明用户接受这个功能但内容没有吸引用户，可以通过改进内容来优化

12、小红书上海办公室楼下有一便利店，面积约为20平方米，主要提供零食及饮料。请预估该便利店每周的营业额是多少？
按照工作日5天和周末2天区分
营业额=5工作日平均营业额+2休息日平均营业额
每天按照12h营业时间计算，其中客流量大有6h，客流量小6h，客流量小的每小时营业额=1/2客流量大的每小时营业额。休息日平均营业额=1/2工作日平均营业额。
工作日流量大时，每三分钟接待一人次，人均消费30元
1个工作日营业额=6x20x30+610*30=5400元，1个休息日营业额=2700元
总营业额=5400x5+2700x2=32400元

13、如果APP有一个功能是用户的位置信息能够每隔1分钟上传一次数据库，那么怎么发挥它的作用？
1.App可以根据定位信息获取用户的生活区域，从而分析出用户的消费水平，推荐相应价格区间适合用户消费的商品。
2.App可以根据定位信息获取用户的生活以及活动习惯，例如如果用户经常出入健身房可以推荐运动器材，如果用户经常出入服装店，美容店餐厅等地可以为用户推荐服装，美容项目等。
3.App可以根据定位信息分析用户的职业，比如教师，医生，程序员等，为他们推荐符合他们职业需求的商品。