数分面试-业务分析篇

01 指标建模

1.1 互联网产品常用指标

1.2 选好数据指标的通用方法论

三部曲

1.从业务的最终目的出发梳理业务模块

拆解:多问几个how

目的:我要卖货

手段:通过图文来买货

支撑手段的手段:通过社区创作的优美的图文来卖货

2.判断业务模块所属类型

业务类型

02 数据分析方法论

2.1 对比分析

绝对值(本身具备价值的数字) eg:销售金融 阅读数

比例值(在具体环境中看比例才具备对比价值) eg:活跃占比 注册转化率

环比: 与当前时间范围相邻的上一个时间范围对比 eg:月环比 10月与9月比

同比: 与历史同时期比较,就是与不同年份(月份)的同一时期作比较，例如2005年7月份与2004年7月份相比，叫同比。

2.2 多维度拆解

数据分析的本质就是用不同的视角去拆分,观察同一个数据指标

2.3 数据涨跌异动如何分析

跌:采取动作,减缓趋势

涨:弄清原因,并放大

常见假设:

活动影响:查对应活动页面及对应动作的数据波动,关注活动是否有地域属性

版本发布:版本号

渠道投放:

策略调整:

服务故障

PV变化分析

一.首先查看是否有产品bug

比如页面加载速度慢,可能会导致用户重复刷新

二.多维度拆分分析

1.分流量来源分析:豆瓣,百度,知乎等 查看异常流量来源的渠道

2.分城市来源分析 查看异常流量来源分布

3.按浏览器类型来分:爬虫一般不会改浏览器名称

4.按浏览器版本进行拆解:爬虫有时候不会传浏览器版本号

产品日活DAU下降分析

第一步:确认数据真实性

确定是否是数据报表统计或者数据源头的问题

第二步: 分维度确定异常原因

新老用户,登陆平台,版本,登陆渠道,用户所在区域,时间(假期,日夜,产品周期性)

计算影响系数：每一项数据都要和以往正常值做对比，算出影响系数。

影响系数=(今日量-昨日量)/(今日总量-昨日总量)

老用户影响系数=(77.89-78)/(78.8-79.5)=0.16

新用户影响系数=(0.98-1.5)/(78.8-79.5)=0.84

影响系数越大，说明此处就是主要的下降点

以上是几种常见的初步拆分维度，通过初步拆分，定位原因大致范围。

第三步:异常范围定位后，进一步做假设

假设维度:

产品侧:功能,策略方面

技术侧:系统性能,加载速度,关键行为路径上是否出现重大bug

运营侧:运营策略,push效果,拉新渠道,投放推广,近期活动

2.4 留存分析

日留存-了解某一个渠道的质量

周留存/月留存-观察整个大盘:以周/月为单位,衡量产品的健康情况,观察用户在平台上的粘性

月留存用来验证产品长期价值

精准留存分析

1.过滤进行过指定行为的用户ID,再计算

Case:比较用户阅读某种类型小说后的留存率 VS 用户大盘留存率

用来分析不同内容渠道的质量以及用户粘性分析

2.将用户分为不同的群体后,观察其之间留存的区别

适用场景:评估产品功能粘性,验证产品长期价值

维度:

流量来源:了解不同渠道引流的用户长期表现怎么样

登陆平台:仅使用网站端产品的用户留存率显著低于移动应用端,这时考虑如何完成这部分网页到应用的转换

行为分群：

以视频网站为例可以分为

视频观看者:驱动他们留存的因素更多的是能不能找到自己喜欢的视频。

视频评论者:这部分人不光看视频,也会留言,相比普通的视频观看者,他们参与度更高,留存率也会更高。驱动他们留存的因素除了视频的质量,可能还包括和创造者以及其他评论者之间的互动。

视频创造者:很小比例的用户,驱动他们留存的因素是粉丝数,与粉丝互动和金钱收入。

2.5 功能内容价值评估

1.如果上线后的目标与价值清晰明确,涉及具体指标变化,例如用户增长,GMV增长等

以上线付费漫画功能为例

1.在一定时间内,我们可以通过漏斗分析,对比看过付费漫画后到购买VIP会员的转化率以及看过同期漫画后到购买VIP会员的转化率

2.如果用户行为在这个功能上转化关系很复杂,比如我看付费漫画,前面剧情不怎么精彩,我可以等到下周再更新,但是一旦漫画剧情get到我的点,我可能立马付费成为VIP会员,这种情况下,只靠短期时间窗口内的漏斗分析是不够的,我们可以通过用户分群对比,比较VIP和普通用户中看过付费漫画的比例

3.上线后关注其对产品价值的提升

4.上线以探索更长期的产品潜力

对比上线前后一段时间 使用频次以及使用场景是否改变

03 专题-电商数据分析

3.1 电商指标体系

1.三大族谱:财务+经营+体验

聚焦生意本质:财务指标

助力业务增长:经营指标 KPI+KSF

从满意到忠诚:体验指标 NPS体系

电商核心指标

3.2 用户数据分析

1.内功心法:拆分与整合

拆分:通过多维度的拆分,还原真实的用户结构,认识平台用户,拆分要结合业务场景,拆分方法多种多样

整合:结合用户需求与产品定位,在全量用户中找出特定场景的目标用户

2.用户分新老

销售额 = 新用户销售额 + 老用户销售额

新用户:在平台进行用户生命周期的首笔消费

老用户:已经在平台支付过的用户在此进行消费

新用户(保质保量获新客)关注点:

来源渠道分析 用户质量评估 首单流程体验 获客商品分析

老用户(保持活跃持续消费)关注点:

用户价值评估 用户活跃度分析 用户品类偏好 用户优惠敏感度 售后服务体验 用户传播能力

用户内容偏好及贡献

销售额拆分案例

销售额 = 新用户销售额 + 老用户销售额

新用户销售额可以按不同渠道和不同拉新措施来拆分

老用户销售额可以按照不同活跃度用户和不同层次用户来拆分,例如近期高活跃用户为什么销售额减少,是否是流失用户召回策略问题导致老用户销售额降低等等

GMV分析思路

原文链接：https://zhuanlan.zhihu.com/p/116017580
推荐阅读：数据分析中常用的9个Excel函数
拼多多2020届数据分析面试题合集（上）
数据分析面经分享（京东，美团，阿里，拼多多，vivo，滴滴）
我拿到了腾讯最爱考的数据分析面试题