迅雷0919数据分析笔试~
今天的笔试感觉质量很高啊！做的是激情澎湃。
虽然最后时间所剩无几，但是还是想简答聊聊对这场笔试的看法！
首先，今天的这场笔试不同以往的很多公司发的都是行测知识，都做吐了。这才考的有点像数分笔试题啊！！！
这场笔试考分为选择题和问答题两种题型，设计的知识点主要是跟机器学习相关的知识点（都是些基础概念，不难）；
sql,excel,python的简单考察；还有一些行测考的规律题，数理统计方面的题也有，比如概率论，假设检验，贝叶斯；涉及到业务的比如考察留存率（在后面问答题也有涉及）的问题。
下面再来详细介绍下五个问答题吧（有些忘了具体题目了）。
1.找一个你熟悉的PC端工具app，试着从使用场景角度分析用户画像。
淘宝再熟悉不过了吧？！
对用户在淘宝上的一些购物行为进行分析，比如用户在淘宝上通过主动搜索关键词“少女护肤”，“大学生专用”等词，
可以推断出用户大概是18~24岁的学生党；
通过她的一些浏览，加购行为，比如经常在淘宝省钱卡渠道浏览特价商品，加购了一些活动款，可以判定是一个比较注重活动折扣的女孩；
再通过观察她的消费行为数据，每月消费金额可以判断她的一个消费力度。
进而通过RFM模型以及淘宝划分的八大人群中给她归类，并执行相应的营销策略。
2.通常一个app产品会进行各种形式的广告投放，通常的广告投放有哪些？如果让你设计广告投放的效果评估体系，请问你如何从数据的角度去设计数据指标体系？
看到这题心里是乐开了❀花！因为我上一家实习公司就是做的广告投放。
通常的广告投放的方式主要有信息流广告，搜索广告，媒体广告以及社交类广告（比如前阵子很火的贪玩蓝月，是兄弟。。。）
所涉及到的指标包括用户数据指标，比如日增新用户，留存；行为类数据指标（展现，点击，加购，购买）
产品类数据指标（成交金额，成交量，客单价以及转化率）；推广类数据指标（广告投放的消耗，点击成本，加购成本）
再从用户接触到广告的几个阶段进行指标相应的匹配，以ROI作为北极星指标衡量最后广告投放所带来的收益。
针对往期的数据进行一个异动分析以及归因分析，并且有的产品它的实施转化率比较低（比如冰箱，我们看到广告后可能第一时间不会购买，毕竟这么贵重的物品需要时间商榷）
因此，就要考虑加购成本以及客户的平均价值等指标
3.用户登录表如下所示，请用SQL计算出每个用户的“最长连续登录天数”以及“最近连续登录的最大天数”
离谱的是没有给用户登录表，要自己定义（我真的会谢）。
第一问很简单，两种方法，row_number函数或者lag/lead函数，可以自行百度用法。
第二问我暂时没有好的想法哎，可能没碰到吧？（后续想到了再在评论区做回复吧）
4.如何做行业竞品分析？你认为迅雷有哪些竞品？如果是你你会从哪些方面分析？
上段实习正好也做过竞品分析。将其思路运用到行业上！
做行业竞品分析首先要考虑需要为自身产品带来什么帮助，然后选择行业类类似的竞品，进而确定分析维度，
收集竞品信息，并对竞品数据进行差异化分析，得出相应的结论。
迅雷的竞品。额，投这家公司，竟然不知道这家公司的企业文化，要回去写检查！！！当时只是答了迅雷是做游戏以及文档编辑类的。
如果是我做竞品分析，我会从以下几个方面分析：
1. 产品的基础定位（在行业所处的价格带，风格，主打的人群，行业的容量），
2. 价格体系（日常价，不同的活动价等）
3. 优惠机制（优惠阶梯，立减，赠品）
4. 产品核心卖点，次级卖点，卖点表达方式（文案，表达逻辑，视觉呈现）
5. 流量结构（免费流量，付费流量，类目流量，品牌流量，自主流量）
6. 流量数据（数量量级，客单，转化，加购）
7.用户体验（功能设计，外观，包装，物流，评价）
5.已知某APP的核心指标：最近90天的日活跃用户数据，最近90天的新增用户数据，你如何进行分析？SQL思路是什么？
想到了同期群分析，就是“同一时刻的群体”，按照不同时间的新增用户，活跃用户划分，分析留存率（活跃率）。
可以计算出次日留存，七日留存，30日留存，90日留存等指标。
横向上，随着时间的推移，每天的一个新增用户在之后每天的留存情况，留存率依次递减，最后在某个稳定的水平。
纵向上，对比不同阶段新增和留存情况，分析新增用户增长情况，以及留存情况。
最后再用假设检验，相关分析等方法来判定用户流失的具体原因。
至于SQL思路，我只是简单的说根据日活，新增用户数据计算出我们想要的留存率指标。。。
笔试结束了，我的一个半小时的时间也奉献给迅雷，其中还不包括总结和反思。
哎，拿时间换经验和成长，倒也没什么不好的！
秋招继续加油哦！
类似资料：