没有数据思维，却不知道怎么培养？这些面试题给你想要的答案（三）！

点击蓝字 关注我们

数据思维的靠考察也体现在各种各样的业务问题中，具体的答案不是要求必须正确，重要的的是分析思路这类练习题不要，多练练思路，多看看平时的新闻报道，掌握一些基本数据sense 就行。下面我们通过几道常见的面试题来说明这类题怎么回答。

01

如何利用漏斗分析减少电商流失率？

（1）分解漏水过程：弄清楚用户从进入网站到购买经历了几个步骤。一般来说用户会经历浏览首页-中 间页（分类页、搜索页）-产品页-购物车-结算等几个步骤。接着弄明白每个环节流失了多少用户。

 

（2）排查每个环节的漏洞按照漏水的顺序，一个环节一个环节分析下去

 

 a.首页弹出率分析：每天来的新客户占多少？老客户占多少？新老客户的弹出率分别是多少？新老用户的弹出率容易考验网站的基础能力，新客户的弹出率可以检验一个网站 抢客户的能力。对于老客户来说，流程上的用户体验相对不是最讲究，产品的质量和价格是吸引老客户的关键。一般的来说，如果是一个新网站（店铺），拓展新用户比经营老客户更为重要的 话，新老客户的比例最好是在 6：4(甚至7：3)，那么首页就要有一些手段偏向抓 住新客户。如果新用户的弹出率非常高，或者是老用户的弹出率非常高，那么运营者就该反思，是不是网站（店铺）首页的设计没有照顾到新客户或者老客户。

 

 b.渠道流量弹出率分析 流量分几个大渠道进来，每个渠道的弹出率情况如何？流量渠道有多种，主要有付费渠道和免费渠道，每类渠道又可细分为多条路径， 每条路径进来的流量弹出率可能差异非常大。同时，渠道流量的着陆页也会不同，着陆页的弹出率也会不尽相同。针对自己的主要流量渠道排查下去，很容易 发现，哪条渠道在漏水。找到了痛处之后，再找到相应的解决方法就不难了。

 

c.首页被点击最多、最少的地方是否有异常情况？在首页，点击次数异常高或者异常低的地方，应该引起注意。一般来说，首页的“E”(以 E字中间的“一”为界，上部是首页第一屏)部分是最 抓用户眼球的地方，在这个“E”上如果出现点击次数较低的情况，就属于异常情况，应当注意，或者干脆移到“E”外面去；同理，如果在“E”的空白处出现了点击次数较高的情况，也可分析原因，可考虑要不要移到“E”上面来。一般商城（店铺）首页非常长，许多用户不会浏览到首页底部，所以“E”最下面的“一”就往往可去掉，变成了“F”规律。

 

d. 中间页分析中间页一般包括产品目录页、促销页、搜索页。怎么判断促销、目录和搜索是否成功，就看一下走到产品页的用户百分比是多 少，哪一个渠道走得不好，就要改善。

 

 e. 产品页要特别留意用户停留时间到了产品页，用户留不留，与产品描述、质量有非常大的关系。所以，要特别留 心客户停留在产品页的时间，如果许多用户打开产品页不到 3 秒钟就走了，就要留意分析原因了。是不是这个产品没有吸引力？是不是产品描述不准确？

 

f.购物车里多少产品没有付款？许多用户把产品放进购物车，但是并不付款。这时候，要多思考为什么这么多用 户放在购物车里却不付款？如果找不到用户不付款的原因，可以直接向用户进行电话访问。也可分析同时被放在购物车的产品之间关联性。

02

谈一谈如何识别作弊用户？

（1）留存率：有时候渠道刷量会选择在次日、7 日、30 日这些重要时间点上导入用户数据。我们 会发现 APP 在次日、7 日、30日这些关键时间点上的数据明显高于其他时间点。其实真实的用户的留存曲线是一条平滑的指数衰减曲线，如果你发现你的留存曲线存在陡升陡降的异常波动，基本上就是渠道干预了数据。

 

 （2）用户终端：

 a.关注低价设备的排名。一般伪造假用户的工作坊以低端机为主

b.关注新版本操作系统的占比。刷量工作坊一般系统更新较慢

 c.关注 wifi 网络的使用情况。在高速网络的环境，无论是新增用户还是活跃用户， wifi的使用占比都比较大，并且新增用户的 wifi 使用比例会大于启动用户的 wifi 使用比例（流量下载贵）。

d.来源地区

 

（3）用户行为：

a.比较用户行为数据。如果一个 APP 做的时间比较久，访问页面、使用时长、访问间隔、使用频率等这 些行为数据会趋向稳定的。不同 APP 的行为数据是有差异的。可能刷量工作室可以模拟出看似真实的用户行为，但是很难跟你的 APP 的日常数据做的完全一致。此外，一个渠道用户的使用时长、使用频率过高过低都值得怀疑。我们在平时做渠道数据分析时，可以将这些数据跟整个 APP 作比较，或者将安卓市场、应用宝这 些大型应用商店的数据作为基准数据，进行比较。

 

 b.了解新增用户、活跃用户小时时间点数据曲线。很多刷量工作室通过批量导入设备数据或者定时启动的方式来伪造数据。这种情况 下，新增和启动的曲线会出现陡增和陡降。真实用户的新增和启动是一条平滑的曲线。一般来说，用户的新增和启动会在下午 6 点之后达到高峰。而且新增相比启动 的趋势会更加明显。可以将不同渠道的分时数据进行对比，找到异常。

 

（4）转化率分析如果一个用户是真实的流量，他会经历点击、下载、激活、注册、直到触发目标行 为的过程。我们可以将这些步骤做成漏斗模型，观察每一步的转化率。漏斗的步骤越靠后，作弊的难度越大，所获取用户对系统的价值越高，同时我们付出的用户成 本也越高。运营人员需要对目标行为进行监控，在渠道推广时，考察目标行为的转化率，提高渠道作弊的边际成本。

 

 （5）异常特征 设备号异常（频繁重置 idfa）、ip异常（异地访问）、行为异常（突然大量点击广 告、点赞）、数据包不完整等。

03

次日用户留存率下降了 5%该怎么分析 

先判断这个下降是否合理，然后从各个方向头脑风暴

（1）首先采用“两层模型”分析：对用户进行细分，包括新老、渠道、活动、画像 等多个维度，然后分别计算每个维度下不同用户的次日留存率。通过这种方法定位到导致留存率下降的用户群体是谁。

 a.按照获取客户渠道进行分析

 b.按照获取客户时间进行分析

c.按照用户行为进行分析

d.不同群组对产品不同模块使用状况的分析

 

（2）分析留下来用户的核心需求和流失用户的流失原因

内部因素：分为获客（渠道质量低、活动获取非目标用户）、满足需求（新功能改动引发某类用户不满）、提活手段（签到等提活手段没达成目标、产品自然使用周期低导致上次获 得的大量用户短期内不需要再使用等）；

 

 外部因素：采用 PEST分析，政治（政策影响）、经济（短期内主要是竞争环境，如对竞争对手的 活动）、社会（舆论压力、用户生活方式变化、消费心理变化、价值观变化等偏好变化）、技术（创新解决方案的出现、分销渠道变化等） 同类题：如果某天的某电商 app 的 DAU 下降了很多，你怎么分析？某电商什么时候 DAU最高？除了活动日，平常日呢？

· 往期精选 ·

1

【文末免费领资料】从生物医学转行到互联网数据分析师，我做对了什么？

2

没有数据思维，却不知道怎么培养？这些面试题给你想要的答案（二）

3

没有数据思维，却不知道怎么培养？这些面试题给你想要的答案！

DataScienceArt

长按扫描二维码
关注我们 获取更多资讯