2020年電商數(shù)據(jù)分析筆試題【小紅書數(shù)據(jù)分析】

時(shí)間：2023-03-15 23:24:01 | 來源：電子商務(wù)

時(shí)間：2023-03-15 23:24:01 來源：電子商務(wù)

2020年小紅書數(shù)據(jù)分析筆試題

這里給大家介紹電商小紅書數(shù)據(jù)分析崗位的筆試題。題目涉及的數(shù)據(jù)，是存在到數(shù)據(jù)蛙數(shù)據(jù)庫中，數(shù)據(jù)獲取聯(lián)系小青蛙（datafrog01），一共有6道題目如下:
題目一：計(jì)算好評(píng)率
題目二：用戶行為分析
題目三：使用ABTest對(duì)新算法進(jìn)行評(píng)估
題目四：銷量下降了怎么辦
題目五：請(qǐng)你估算營(yíng)業(yè)額（費(fèi)米思想）
題目六：思維拓展

題目一：計(jì)算好評(píng)率

需要統(tǒng)計(jì)2019年3月1日至2019年3月31日，用戶“小張”提交的“母嬰”類目下“DW"品牌的好評(píng)率（好評(píng)率=‘好評(píng)’評(píng)價(jià)量/總評(píng)價(jià)量），寫出sql語句進(jìn)行查詢。

用戶評(píng)價(jià)詳情表：：
id（評(píng)價(jià)id，主鍵）
create_time (創(chuàng)建時(shí)間，格式‘2019-01-01’)
user_name（用戶名字）
goods_id (產(chǎn)品id，外鍵)
sub_time ('提交時(shí)間'，格式‘2019-01-01 23：10：01)
sat_name (評(píng)價(jià)類型，包括’好評(píng)‘，’中評(píng)‘，’差評(píng)‘)

商品詳情表：b字段
goods_id (外鍵)
goods_name (商品類目)
brand_name (品牌名稱)

解題思路
1.好評(píng)率=“好評(píng)”評(píng)價(jià)量/總評(píng)價(jià)量
2.要求**的好評(píng)率，則要使用where條件篩選指定商品的情況
3.又因?yàn)闂l件要指定商品名，所以要兩個(gè)表做關(guān)聯(lián)

select count（1） as all_comments sum(case when sat_name='好評(píng)' then 1 else 0 end)as good_comments sum(case when sat_name='好評(píng)' then 1 else 0 end)/count(1) as good_ratefrom redbk_userjudge as aleft join redbk_goodsinfo as bon a.goods_id=b.goods_idwhere b.goods_name='母嬰' and b.brand_name='DW' and a.user_name='小張' and a.sub_time>='2019-03-01' and a.sub_time<='2019-03-31';

題目二：用戶行為分析

有訂單事務(wù)表：redbk_orders

有收藏事務(wù)表：redbk_favorites

請(qǐng)用一句sql語句取出所有用戶對(duì)商品的行為特征，特征分為已購買，購買未收藏，收藏未購買，收藏且購買

解題思路：
1.需要得到user_id和item_id的購買和收藏的組合情況，使用這兩個(gè)主鍵進(jìn)行關(guān)聯(lián)。
2.根據(jù)是否可以關(guān)聯(lián)來判斷是否購買和是否收藏。
3.使用full join外連接，但是sql使用union。

select a.user_id, a.item_id, 1 as '已購買', case when b.item_id is null then 1 else 0 end as '購買未收藏', 0 as '收藏未購買', case when a.item_id=b.item_id then 1 else 0 end as '收藏且購買'from redbk_orders a left join redbk_favorites b on a.user_id=b.user_id and a.item_id=b.item_idunion select a.user_id, a.item_id, case when b.item_id is not null then 1 else 0 end as '已購買', 0 as '購買未收藏', case when b.item_id is null then 1 else 0 end as '收藏未購買', case when a.item_id=b.item_id then 1 else 0 end as '收藏且購買'from redbk_favorites a left join redbk_orders b on a.user_id=b.user_id and a.item_id=b.item_idorder by user_id,item_id;

題目三：使用ABTest對(duì)新算法進(jìn)行評(píng)估

經(jīng)過一番研究后，我們開發(fā)出了商品頁面上“相關(guān)商品”模塊的一個(gè)新的推薦算法，并且打算通過AB Test（50%用戶保留原先的算法邏輯為控制組，50%用戶使用新的算法邏輯為實(shí)驗(yàn)組）來對(duì)新的算法效果進(jìn)行評(píng)估。假設(shè)你是此次實(shí)驗(yàn)的數(shù)據(jù)分析師，請(qǐng)問你會(huì)如何評(píng)估控制組和實(shí)驗(yàn)組的表現(xiàn)？（假設(shè)需要數(shù)據(jù)都可取到）請(qǐng)按重要性列出最重要的三個(gè)指標(biāo)并給出你的分析過程/思考。

思路：

指標(biāo)： 銷售額、點(diǎn)擊量、轉(zhuǎn)化率

分析過程：

1.設(shè)原假設(shè)為使用新的推薦算法后上述指標(biāo)降低或不變，備擇假設(shè)為使用新的推薦算法后上述指標(biāo)增加。

2.選擇顯著性水平臨界值為5%，選擇2周時(shí)間采集數(shù)據(jù)。

3.使用T檢驗(yàn)，計(jì)算P值。

4.分析結(jié)論，如果P值小于5%，那么原假設(shè)不成立，備擇假設(shè)成立，即使用新算法后指標(biāo)提升。

反之無法推翻原假設(shè)，不能證明使用新算法后指標(biāo)提升.

針對(duì)AB Test的拓展閱讀，我們也提供了相應(yīng)的文獻(xiàn)，歡迎大家在最后的鏈接領(lǐng)取相關(guān)資料。

題目四：銷量下降了怎么辦

此題為業(yè)務(wù)題：

如果我們發(fā)現(xiàn)，某店鋪的X品類在今年3月的銷量，比去年3月的銷量下降了50%，如果你是負(fù)責(zé)此次分析的數(shù)據(jù)分析師，你會(huì)如何分析？請(qǐng)寫出你的分析思路/過程/想法。

解題思路：

1.先定位問題：外部市場(chǎng)環(huán)境，內(nèi)部問題：渠道、新老用戶、地區(qū)、時(shí)間段、某個(gè)商品

2.進(jìn)行指標(biāo)成分拆解
銷售額 = 訪客數(shù) * 下單率 * 客單價(jià) - 退貨金額
訪客數(shù) = 新客戶 + 老客戶， 新客戶 = 渠道的流量 * 轉(zhuǎn)化率
下單率 = 頁面訪問量 * 轉(zhuǎn)化率
訂單取消率 = 訂單取消數(shù)/訂單總數(shù)

3.針對(duì)指標(biāo)的變化進(jìn)行提建議

促銷活動(dòng)、商品優(yōu)化、渠道優(yōu)化

題目五：請(qǐng)你估算營(yíng)業(yè)額（費(fèi)米思想）

小紅書上海辦公室樓下有一便利店，面積約為20平方米，主要提供零食及飲料。請(qǐng)預(yù)估該便利店每周的營(yíng)業(yè)額是多少？

解題思路：

費(fèi)米思想的兩個(gè)步驟：

1.把問題進(jìn)行拆解，直到拆解到不能拆解需要估算的基本問題

2.對(duì)基本問題的估算，不要估算其本身，而是先估算其上下界，然后在10倍的范圍內(nèi)估算出數(shù)值。
營(yíng)業(yè)額 = 消費(fèi)人數(shù) * 平均消費(fèi)金額 （區(qū)分工作日和周末）
消費(fèi)人數(shù) = 營(yíng)業(yè)時(shí)間 * 單位時(shí)間消費(fèi)人數(shù) （區(qū)分高峰時(shí)段 + 低峰時(shí)段）

估算：

每天按照12h營(yíng)業(yè)時(shí)間計(jì)算，其中客流量大有4h，客流量小8h（正常估）。

休息日平均營(yíng)業(yè)額=1/4工作日平均營(yíng)業(yè)額（正常估）。

工作日流量大的時(shí)候，每3分鐘接待一人次，人均消費(fèi)8元（高估）。

一個(gè)店10平米，我們假設(shè)50%的比例，那就是10個(gè)平米可以站下5個(gè)人（低估）。

那這樣工作日高峰時(shí)間段每小時(shí)消費(fèi)人數(shù)= 1h/3min * 5 = 20 * 5 = 100 個(gè)，非高峰就算30個(gè)（高估）

那工作日一天 營(yíng)業(yè)額 = 4 h * 100 個(gè) * 8元 + 8 h * 30 個(gè) * 8元 = 5120

一周的營(yíng)業(yè)額 = 5120 * 5 + 5120/4 * 2 = 28160

題目六：思維拓展

如果APP有一個(gè)功能是用戶的位置信息能夠每隔1分鐘上傳一次數(shù)據(jù)庫，那么怎么發(fā)揮它的作用？

1.根據(jù)定位信息可以獲取用戶的生活區(qū)域，從而分析出用戶的消費(fèi)水平，推薦相應(yīng)價(jià)格區(qū)間適合用戶消費(fèi)的商品。

2.可以分析用戶的活動(dòng)習(xí)慣，例如如果用戶經(jīng)常出入健身房可以推薦運(yùn)動(dòng)器材，如果用戶經(jīng)常出入服裝店，美容店餐廳等地可以為用戶推薦服裝，美容項(xiàng)目等。

3.推測(cè)用戶的職業(yè)，比如教師，醫(yī)生，程序員等，為他們推薦符合他們職業(yè)需求的商品。

4.用戶位置實(shí)時(shí)地向用戶推薦周邊的生活服務(wù)，比如提供附近的商店，附近的住宿等等。還原用戶行為軌跡，交通擁堵分析，熱點(diǎn)區(qū)域確定，各區(qū)域停留時(shí)長(zhǎng)，從而確定用戶的行為習(xí)慣，進(jìn)行更好的服務(wù)提供、及消費(fèi)迎合。

參考

• 文章需要的數(shù)據(jù)源聯(lián)系:datafrog01

• 題目講解視頻鏈接如下: