weixin_48365923的博客

1.使用留存分析新用户质量用户留存指的是新会员/用户在经过一定时间之后，仍然具有访问、登录、使用或转化等特定属性和行为，留存率：留存用户占当时新用户的比例留存率按照不同的周期分为三类，以登录行为认定的留存为例：（1）日留存，细分：·次日留存率：（当天新增的用户中，第2天还登录的用户数）/第一天新增总用户数·第3日留存率：（第一天新增用户中，第3天还有登录的用户数）/第一天新增总用户数·第7日留存率：（第一天新增用户中，第7天还有登录的用户数）/第一天新增总用户数·第14日留存率：（第一天新增

会员流失预测模型常见的属于流失的状态定义示例：·会员已经退订公司的促销活动；·会员打电话要求将自己的信息加入通知黑名单；·会员已经连续6个月没有登录过网站；·针对会员发送的关怀激励活动中没有任何有效反馈和互动；·会员最近1年内没有任何订单。上述流失状态可以归为两类：一类是会员有明确的表达，不再希望接收到公司的相关信息；另一类是会员没有明确的表示，但是在业务关注的主要领域内，没有得到有效反馈。**算法：**会员流失预测模型的实现方法属于分类算法，常用算法包括逻辑回归、支持向量机、随机森林等

会员数据化运营·会员的生命周期状态是什么；·会员的核心诉求是什么；·会员的转化习惯和路径是什么；·会员的价值如何；·如何扩大市场覆盖、获得更多的新会员；·如何更好地维系老会员；·应该在什么时间、采取何种措施、针对哪些会员做哪些运营活动；·在特定运营目标下，应该如何制定会员管理策略，包括行为管理、体验管理、增值服务、信息管理、营销管理、客户关怀等。应用场景会员营销·以信息化的方式建立基于会员的客户关系管理系统，促进所有会员数据的信息化；·通过特定方法将普通用户拓展企业会员，并提高新

会员价值度模型RFM1，定义RFM模型是根据会员最近一次购买时间R（Recency）、购买频率F（Frequency）、购买金额M（Monetary）计算得出RFM得分，通过这三个维度来评估客户的订单活跃价值，常用来做客户分群或价值区分。该模型常用于电子商务（即交易类）企业的会员分析。基本实现过程：步骤1 设置要做计算时的截止时间节点（例如2017-5-30），用来做基于该时间的数据选取和计算。步骤2 在会员数据库中，以今天为时间界限向前推固定周期（例如1年），得到包含每个会员的会员ID、订单时

1，全中国一年要消费多少猪肉（需求端）公式1：全中国一年的猪肉消费量=每天消费猪肉量全国人数一年的天数**公式2：**每天消费的猪肉量=每天消耗的肉量猪肉在肉类食材中的占比联想自己：一份辣椒炒肉能够干掉一餐米饭，结合买菜经验，我一餐的肉量（注意，是肉量，不是猪肉量）约100G。在这里联想一下在西餐店吃牛排，一块牛排的重量约100G-120G。那么可以更加确信的得到：每天消耗的肉量=100G2餐=200G再仔细思考：肉类=猪肉+牛羊+鸡鸭+水产+……，而猪肉是大部分最常食用的肉类，那大胆的给出估算：

面试准备任务：提前准备好所有行业的指标体系（电商、内容、游戏、风控…），参考人人都是产品经理或者《精益数据分析》的文章内容自行思考。问题：如果让你构建指标体系，监控知乎每天的数据，你会怎么做？第一，互联网公司的运作离不开用户和商业变现：【基础】指标定义成了流量和收入。第二，因为互联网公司行业五花八门，电商、短视频、新闻、游戏等等需要关注的东西各不相同，各具特色，所以【附加】指标则是根据产品的具体特征来回答的，就像知乎作为一个问答社区，我选择的【附加指标】就是内容和互动。综上从用户流量、收入、内容、互

分析GMV/日活/转化率/客单价/跳转率/CPC/毛利率……等各种指标的波动问题“如果告诉你GMV同比下降了20%，你要怎么分析？”“日活跃人数周环比下降了15%，怎么用数据分析得到原因？”“转化率同比下降15%，会从哪些角度进行考虑”1，分析电商平台GMV同比下降20%,【提出问题】——>【作出假设】——>【验证假设】——>【得到结论】第一步：验证数据的准确性。很多时候会由于底表数据质量问题导致数据失误，不需要上升到分析阶段。第二步：在排除数据自身错误的前提下，展开多维度

1，假设检验假设检验是用统计数据来判断命题真伪的方式。我们常常会假设两个命题：H0：备受质疑的命题H1：有待验证的问题P值就是在H0假设成立的情况下，得到样本观察结果或更极端的观察结果出现的概率。简单的理解成P代表了对H0命题的支持程度。所以P值越小，H0命题正确的概率就越小，H1命题正确的概率越大。我们有常常会指定显著性水平α=0.05，当P<α时，H0命题成立的概率<0.05，这是一个受到统计学支持的假命题。2，置信区间和置信度在假设检验的过程中，我们往往采用样本数据特征来估计整