数分笔试题2-牛客网

小红书数分笔试题四

1、如果在小红书商城中某一商户给一产品定价，如果按照全网最低价500元定价，那么客人就一定会选择在此购买；价格每增加1元，客人的流失的可能性就会增加1%。那么该商户给客人报出最优价格为

计算利润时记得关注成本。这里500当作成本即可算
利润 = 人数*单个利润= a（1-1%）(500+x-500)

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？–求多个几何分布的期望和

参考：https://blog.csdn.net/itnerd/article/details/82891112?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

这道题目是求m个几何分布的和
对于一个几何分布，每次成功概率为p，期望就是1/p，例如对于本题而言，每次独立实验，拿到某一种特定卡片A的概率为1/5，那么期望就是5，也就是说，平均拿5次卡片，就可以拿到其中某一种特定卡片A。这也很好理解
对于本题，多个几何分布的和
假设这里面只有一种卡片，拿一次就拿齐了所有卡片，期望是1
假设这里面有两种卡片，第一次肯定能拿到一种，那么，再拿多少次可以拿到剩下的那种呢，就又变成了一个几何分布，p = 1/2，期望是2，也就是说，再拿2次，就可以拿到剩下的那一种，所以整体期望是3
假设这里面有3种卡片，第一次肯定拿到了一种，期望是1，第二次要拿另外的一种，p = 2/3，期望是3/2，第三次要拿到第三种，p = 1/3，期望是3，所以整体的期望是11/2
以此类推，可以得到，若有m种卡片，出现概率相同，全部拿齐的期望是：

如果每次卡片出现的概率不一样，那么这m个几何分布的p值不一样，需要每一次的加和里面，把相应的概率值更换一下

3、在excel中如何将列a的字符值与列b的字符值合并为一个字符串c—a&b

4、样本均值的方差与总体方差的关系

5、=SUM(“12”,“23”)可以出结果35

6、影响时间序列的因素有四个：长期波动、季节波动、循环波动、不规则波动

7、在软件中新加了一个功能，判断上线后对用户停留时长是否有提升—ABtest

A/B test，就A试验即为首页原版，记录用户浏览时长数据，B试验即为首页增加新模块后，用户浏览时长数据；
保证A、B试验中的用户群年龄、性别、城市等用户属性无显著性差异，设置原假设：H0：两组用户平均浏览时长相等，备择假设：H1：两组平均浏览时长不等，然后对A、B试验记录的用户浏览时长用SPSS做独立样本t检验，看是否存在显著性。

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。

8、sumifs与countifs

=SUMIFS(C2:C10, A2:A10, “Apples”, B2:B10, “>5”)

COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2], …)
=COUNTIFS(A2:A10, “Apples”, B2:B10, “>5”)—筛选A列中含有apples，且B 列中>5的行数

9、月复合增长率

月复合增长率（Compound Monthly Growth Rate）是一种衡量某项指标在每个月复合增长的速度的指标。它通常用于描述金融、投资、销售等领域中某个指标在连续几个月中的增长情况。

月复合增长率的计算公式如下：

月复合增长率 = (（月末值/月初值）^(1/月数) - 1) × 100%
举例：1月销量120，4月销量160，则月复合增长率=（160/120）^(1/3)-1

10、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%，如何分析？

检验数据是否正确
可以先分析是不是今年发生了什么重大事件导致的，比如市场普遍的行情情况。或者去年是因为什么商业活动（比如优惠促销）销量才比较大。
从产品本身来看，分析去年该商品的好评率以及差评率，跟今年该商品进行对比，从中发现是不是商品本身出现问题，不符合用户的需求，导致销量下降。
从用户群体方面入手，查看销量下降主要是新用户还是老用户（再次购买），如果是新用户，是不是渠道引流做得不够好，导致用户流失。
从竞品入手，竞品是不是在搞什么优惠活动，用户跑到竞争对手那里了。

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

11、某APP 7月份DAU比同年5月份上涨了10%，如何分析

DAU–每日活跃用户

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。

另一种思路：

1. 按短期和长期因素拆分
   此处DAU上升现将其拆分为长期因素和短期因素，长期因素表现在用户量的长期趋势，如一年来app的日活指标都是呈上升态，可估算5月到7月按既往趋势的DAU增长量（换算为量而非百分比），比如使用移动平均等预测手法计算；在剔除了趋势增长量的基础上，考虑短期因素，考虑在7月和5月间有无重大社会事件、商业事件，社会事件可以是某种舆论造成App的关注度提升，商业事件可考虑商业合作和商业活动（618），可以以各月的舆论热度作为对比的指标。

2. 按内外部变化拆分
   日活的变化第一是产品本身某个改动点获得认可，可以通过abtest、用户研究等方式来检验；外部变化是市场环境，可以从市场趋势和市场竞争（交互作用）两方面来分析，市场趋势开始提倡或推动本类产品的增长（用户增长潜力），而从分割市场的角度解释市场竞争，一个固定容量的市场，一些产品倒下或增加，必将导致用户量的集中和分散，因此可考虑分析近几个月的行业舆情和竞争对手运营情况。

3. 按时空来拆分
   可以将日活细拆为地区、城市的粒度，然后进行相应的对比，分析具体的日活增长点是某一个城市、还是某些城市还是所有城市，如果是某个或某几个城市，如可以分析这些城市的渗透率的变化，是否和其他日活变化不大的城市的渗透率相差较大，则可以归结于业务推广的功劳。若所有城市日活都在上升，则可以考虑该增长与野夫分析无关，考虑其他因素，如竞品退出、市场趋势、产品改进等有关

12、判断某APP中的功能是否有用的指标

ABtest，对比两个组当天活跃，使用功能转化率情况以及后续留存

跳出率（未点击直接退出的用户数/总曝光数）
次日留存率（第二日还登陆的用户/首次激活总用户数）
访问深度
该功能的使用频率

13、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？

思路1:分工作日与周末，分高峰期与少流量，人均消费
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=62030+61030=5400元，1个休息日营业额=2700元
总营业额=54005+2700*2=32400元

14、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？

还原用户行为轨迹，交通拥堵分析，热点区域确定，各区域停留时长，从而确定用户的行为习惯，进行更好的服务提供、及消费迎合。
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。