1.比較兩個樣本的差異(比如中國和日本的學歷差異)

2.假設現(xiàn)在快手游戲直播業(yè)務的DAU為5000w，其中“觀看時長為20min以上”的用戶有2000w，現(xiàn)在想要提升“觀看時長為20min以上”的用戶占比，應該怎樣做？請你給產(chǎn)品和業(yè)務提出建議？

3.留存率：特指新增用戶的留存率。業(yè)內(nèi)廣泛然日次日、七日、30日留存率依次為40–20–10衡量一個產(chǎn)品健康成長的重要標志。

• 存率計算案例 1月1日，新增用戶200人; 次日留存：第2天，1月2日，這200人里面有100人活躍，則次日留存率為： 100/ 200 = 50% 2日留存：第3天，1月3日;這200名新增用戶里面有80人活躍， 第3日新增留存率為:80/200 = 40%; 7日留存：第8天，1月8日，這200名新增用戶里面有25人活躍， 第7日新增留存率為:25/200 = 12.5%;

• user_id‘用戶編號’，log_time‘登陸時間’，計算次日留存率，七日留存率，30日留存率；

select a.first_log，count(distinct b.user_id)/count(distinct a.user_id) as "次日留存率"，count(distinct b.user_id)/count(distinct a.user_id) as "七日留存率"，count(distinct b.user_id)/count(distinct a.user_id) as "30日留存率"
    from (select user_id,log_time,min(log_time) over (partition by user_id order by log_time) as first_log  from user_log) a 
    left join user_log b on a.user_id=b.user_id and datediff(b.log_time,a.first_log)=1
    left join user_log c on a.user_id=c.user_id and datediff(c.log_time,a.first_log)=6
    left join user_log d on a.user_id=d.user_id and datediff(d.log_time,a.first_log)=29
    group by a.first_log

分析
*   使用開窗函數(shù)比較簡單
*   一定要使用`left join`,而不是`where`,因為只有這樣才能把第二題沒有留下的用戶保留，計算留存率時保證分母。

4.8月份某一天，觀眾側的直播總觀看時長降低，作為快手數(shù)據(jù)分析師，你打算怎么分析？

5.ETL流程

• Extraction-Transformation-Loading的縮寫，中文名稱為數(shù)據(jù)抽取、轉換和加載

  1.數(shù)據(jù)抽取。2.數(shù)據(jù)轉換清洗。3.數(shù)據(jù)加載。4.ETL相關工具

6.手寫文本的熵的代碼(python)

7.小紅書的用戶畫像，如何構建用戶畫像？

https://blog.csdn.net/zw0Pi8G5C1x/article/details/83964888

• 定義：用戶畫像是根據(jù)用戶社會屬性、生活習慣和消費行為等信息抽象出的一個標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”，而標簽是通過對用戶信息分析得來的高度精煉的特征標識。

• 方法：

  • 收集數(shù)據(jù)：用戶注冊登錄信息，用戶行為軌跡

  • 建立標簽計算權值：用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權重。如，紅酒 0.8、李寧 0.6。

    這樣做有兩個問題：一個是用戶的興趣累加是線性的，數(shù)值會非常大，老的興趣權重會特別高；另一個是用戶的興趣有很強的時效性，昨天的點擊要比一個月之前的點擊重要的多，線性疊加無法突出近期興趣。

    [圖片上傳失敗...(image-26384b-1568215233642)]

    image
    
    

    底層標簽一個是每個標簽只能表示一種含義，避免標簽之間的重復和沖突，便于計算機處理；另一個是標簽必須有一定的語義，方便相關人員理解每個標簽的含義.

    [圖片上傳失敗...(image-cf5ae5-1568215233642)]

    模型標簽是標簽體系的核心，也是用戶畫像工作量最大的部分，大多數(shù)用戶標簽的核心都是模型標簽。模型標簽的構造大多需要用到機器學習和自然語言處理技術;

    最后構造的是高級標簽，高級標簽是基于事實標簽和模型標簽進行統(tǒng)計建模得出的，它的構造多與實際的業(yè)務指標緊密聯(lián)系。只有完成基礎標簽的構建，才能夠構造高級標簽。構建高級標簽使用的模型，可以是簡單的數(shù)據(jù)統(tǒng)計，也可以是復雜的機器學習模型。

    • 人口屬性、商業(yè)屬性：很多產(chǎn)品（如QQ、facebook等）都會引導用戶填寫基本信息，這些信息就包括年齡、性別、收入等大多數(shù)的人口屬性，但完整填寫個人信息的用戶只占很少一部分。而對于無社交屬性的產(chǎn)品（如輸入法、團購APP、視頻網(wǎng)站等）用戶信息的填充率非常低，有的甚至不足5%。在這種情況下，我們一般會用填寫了信息的這部分用戶作為樣本，把用戶的行為數(shù)據(jù)作為特征訓練模型，對無標簽的用戶進行人口屬性的預測。這種模型把用戶的標簽傳給和他行為相似的用戶，可以認為是對人群進行了標簽擴散，因此常被稱為標簽擴散模型。其中使用的技術方法主要是機器學習中的分類技術，常用的模型有LR、FM、SVM、GBDT等。

    • 興趣畫像是互聯(lián)網(wǎng)領域使用最廣泛的畫像，互聯(lián)網(wǎng)廣告、個性化推薦、精準營銷等各個領域最核心的標簽都是興趣標簽。興趣畫像主要是從用戶海量行為日志中進行核心信息的抽取、標簽化和統(tǒng)計，因此在構建用戶興趣畫像之前需要先對用戶有行為的內(nèi)容進行內(nèi)容建模。內(nèi)容建模需要注意粒度，過細的粒度會導致標簽沒有泛化能力和使用價值，過粗的粒度會導致沒有區(qū)分度。比如新聞的興趣畫像可以是分類-主題-關鍵詞，依次增加。小紅書可以考慮為，分類-主題-關鍵詞，比如分類為“護膚、醫(yī)美、美發(fā)、推書、服裝、旅游等”，主題比如說“雙眼皮、抽脂、小氣泡”，關鍵詞“南京、女、醫(yī)院、小氣泡、500塊等”

  • 用戶畫像評估和使用

    人口屬性畫像的相關指標比較容易評估，而興趣畫像的標簽比較模糊，興趣畫像的人為評估比較困難，我們對于興趣畫像的常用評估方法是設計小流量的A/B-test進行驗證。

    我們可以篩選一部分標簽用戶，給這部分用戶進行和標簽相關的推送，看標簽用戶對相關內(nèi)容是否有更好的反饋。

    用戶畫像的評估指標主要是指準確率、覆蓋率、時效性等指標。

    • 標簽的準確率指的是被打上正確標簽的用戶比例，準確率是用戶畫像最核心的指標，一個準確率非常低的標簽是沒有應用價值的。準確率的計算公式如下：

      [圖片上傳失敗...(image-64b315-1568215233642)] 其中| Utag |表示被打上標簽的用戶數(shù)，| Utag=true |表示有標簽用戶中被打對標簽的用戶數(shù)。準確率的評估一般有兩種方法：一種是在標注數(shù)據(jù)集里留一部分測試數(shù)據(jù)用于計算模型的準確率；另一種是在全量用戶中抽一批用戶，進行人工標注，評估準確率。由于初始的標注數(shù)據(jù)集的分布和全量用戶分布相比可能有一定偏差，故后一種方法的數(shù)據(jù)更可信。準確率一般是對每個標簽分別評估，多個標簽放在一起評估準確率是沒有意義的。

    • 標簽的覆蓋率指的是被打上標簽的用戶占全量用戶的比例，我們希望標簽的覆蓋率盡可能的高。但覆蓋率和準確率是一對矛盾的指標，需要對二者進行權衡，一般的做法是在準確率符合一定標準的情況下，盡可能的提升覆蓋率。我們希望覆蓋盡可能多的用戶，同時給每個用戶打上盡可能多的標簽，因此標簽整體的覆蓋率一般拆解為兩個指標來評估。一個是標簽覆蓋的用戶比例，另一個是覆蓋用戶的人均標簽數(shù)，前一個指標是覆蓋的廣度，后一個指標表示覆蓋的密度。用戶覆蓋比例的計算方法是：其中| U |表示用戶的總數(shù)，| Utag |表示被打上標簽的用戶數(shù)。人均標簽數(shù)的計算方法是：其中| tagi |表示每個用戶的標簽數(shù)，| Utag |表示被打上標簽的用戶數(shù)。覆蓋率既可以對單一標簽計算，也可以對某一類標簽計算，還可以對全量標簽計算，這些都是有統(tǒng)計意義的。

    • 有些標簽的時效性很強，如興趣標簽、出現(xiàn)軌跡標簽等，一周之前的就沒有意義了；有些標簽基本沒有時效性，如性別、年齡等，可以有一年到幾年的有效期。對于不同的標簽，需要建立合理的更新機制，以保證標簽時間上的有效性。

  • 可視化

• 可用的算法：

• 應用：智能營銷、計算廣告、個性化推薦

8.618后拼多多成交量下降，分析原因并說明需要用哪些數(shù)據(jù)作支撐 ？

• 顧客前期消費過多，短期消費能力下降：618消費超1000元又消費的比率，618消費不足100元又消費的比率

• 受前提優(yōu)惠活動的影響，顧客覺得不再優(yōu)惠：618購物后又購物的比率，商品現(xiàn)價和618的比率

9.估計上海上空下午1-3點飛過的飛機數(shù)量

• 起飛、降落、其他國家通過

• 國際航班和國內(nèi)航班：

  國際航班：全世界200多個國家和地區(qū)假設30%的直航

  國內(nèi)航班：全國有多少個機場，假設有80%可達

  假設1-3點起飛量和降落量占10%

10.某一渠道入口流量下降該如何分析 ，如何判定渠道流量是否優(yōu)秀流量 ,渠道指標你覺得最重要的三個指標是什么?

• 渠道入口一般分為三大類：搜索渠道，引薦渠道，直接渠道，下面是各渠道的影響因素：品牌廣告、熱點事件、內(nèi)部訪問、營銷活動、線下推廣、短信宣傳、app推廣

• 渠道流量的影響因素：統(tǒng)計代碼故障、節(jié)假日正常波動、營銷活動影響、搜索引擎降權、外部推廣影響、服務器異常；

• 三大指標：數(shù)量、質量、收入

12.如果你是天貓數(shù)據(jù)分析師，你在月末報告中你會關注哪些指標？

• 成交額、成交用戶數(shù)、平均客單,訂單數(shù)，累計用戶數(shù)

• pv，uv，新增用戶

• 累計用戶數(shù)，累計銷售額，環(huán)比。

14.抖音新加的購物車功能對我們有什么影響？

15.購物車落地頁是視頻主自己的商城頁，抖音不會分取收益，那么我們?nèi)绾潍@得收益？

16.商業(yè)化廣告帶來的影響？既然你說購物功能會有正面轉化，商業(yè)廣告會有負面轉化，那購物功能作為廣告形式會對我們流量整體帶來怎樣的結果？

17.可視化和數(shù)據(jù)報告