2020年电商公司小红书数据分析岗位笔试题

来自：微信公众号数据蛙（ID：datafrog01）

2020年小红书数据分析笔试题

这里给大家介绍电商小红书数据分析岗位的笔试题，一共有6道题目如下:
题目一：计算好评率
题目二：用户行为分析
题目三：使用ABTest对新算法进行评估
题目四：销量下降了怎么办
题目五：请你估算营业额（费米思想）
题目六：思维拓展

题目一：计算好评率

需要统计2019年3月1日至2019年3月31日，用户“小张”提交的“母婴”类目下“DW”品牌的好评率（好评率=‘好评’评价量/总评价量），写出sql语句进行查询。

用户评价详情表：：
id（评价id，主键）
create_time (创建时间，格式‘2019-01-01’)
user_name（用户名字）
goods_id (产品id，外键)
sub_time (‘提交时间’，格式‘2019-01-01 23：10：01)
sat_name (评价类型，包括’好评‘，’中评‘，’差评‘)

商品详情表：b字段
goods_id (外键)
goods_name (商品类目)
brand_name (品牌名称)

解题思路
1.好评率=“好评”评价量/总评价量
2.要求**的好评率，则要使用where条件筛选指定商品的情况
3.又因为条件要指定商品名，所以要两个表做关联

select
count（1） as all_comments
sum(case when sat_name='好评' then 1 else 0 end)as good_comments
sum(case when sat_name='好评' then 1 else 0 end)/count(1) as good_rate
from redbk_userjudge as a
left join redbk_goodsinfo as b
on a.goods_id=b.goods_id
where b.goods_name='母婴'
and b.brand_name='DW'
and a.user_name='小张'
and a.sub_time>='2019-03-01'
and a.sub_time<='2019-03-31';

题目二：用户行为分析

有订单事务表：redbk_orders

有收藏事务表：redbk_favorites

请用一句sql语句取出所有用户对商品的行为特征，特征分为已购买，购买未收藏，收藏未购买，收藏且购买

解题思路：
1.需要得到user_id和item_id的购买和收藏的组合情况，使用这两个主键进行关联。
2.根据是否可以关联来判断是否购买和是否收藏。
3.使用full join外连接，但是sql使用union。

select
a.user_id,
a.item_id,
1   as  '已购买',
case when b.item_id is null then 1 else 0 end as '购买未收藏',
0 as '收藏未购买',
case when a.item_id=b.item_id then 1  else 0 end as '收藏且购买'
from redbk_orders a
left join redbk_favorites b
on a.user_id=b.user_id
and a.item_id=b.item_id
union
select
a.user_id,
a.item_id,
case when b.item_id is not null then 1 else 0 end as  '已购买',
0 as '购买未收藏',
case when b.item_id is null then 1 else 0 end as '收藏未购买',
case when a.item_id=b.item_id then 1  else 0 end as '收藏且购买'
from redbk_favorites a
left join redbk_orders b
on a.user_id=b.user_id
and a.item_id=b.item_id
order by user_id,item_id
;

题目三：使用ABTest对新算法进行评估

经过一番研究后，我们开发出了商品页面上“相关商品”模块的一个新的推荐算法，并且打算通过AB Test（50%用户保留原先的算法逻辑为控制组，50%用户使用新的算法逻辑为实验组）来对新的算法效果进行评估。假设你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？（假设需要数据都可取到）请按重要性列出最重要的三个指标并给出你的分析过程/思考。

思路：

指标： 销售额、点击量、转化率

分析过程：

1.设原假设为使用新的推荐算法后上述指标降低或不变，备择假设为使用新的推荐算法后上述指标增加。

2.选择显著性水平临界值为5%，选择2周时间采集数据。

3.使用T检验，计算P值。

4.分析结论，如果P值小于5%，那么原假设不成立，备择假设成立，即使用新算法后指标提升。

反之无法推翻原假设，不能证明使用新算法后指标提升.

针对AB Test的拓展阅读，我们也提供了相应的文献，欢迎大家在最后的链接领取相关资料。

题目四：销量下降了怎么办

此题为业务题：

如果我们发现，某店铺的X品类在今年3月的销量，比去年3月的销量下降了50%，如果你是负责此次分析的数据分析师，你会如何分析？请写出你的分析思路/过程/想法。

解题思路：

1.先定位问题：外部市场环境，内部问题：渠道、新老用户、地区、时间段、某个商品

2.进行指标成分拆解
销售额 = 访客数 * 下单率 * 客单价 – 退货金额
访客数 = 新客户 + 老客户， 新客户 = 渠道的流量 * 转化率
下单率 = 页面访问量 * 转化率
订单取消率 = 订单取消数/订单总数

3.针对指标的变化进行提建议

促销活动、商品优化、渠道优化

题目五：请你估算营业额（费米思想）

小红书上海办公室楼下有一便利店，面积约为20平方米，主要提供零食及饮料。请预估该便利店每周的营业额是多少？

解题思路：

费米思想的两个步骤：

1.把问题进行拆解，直到拆解到不能拆解需要估算的基本问题

2.对基本问题的估算，不要估算其本身，而是先估算其上下界，然后在10倍的范围内估算出数值。
营业额 = 消费人数 * 平均消费金额 （区分工作日和周末）
消费人数 = 营业时间 * 单位时间消费人数 （区分高峰时段 + 低峰时段）

估算：

每天按照12h营业时间计算，其中客流量大有4h，客流量小8h（正常估）。

休息日平均营业额=1/4工作日平均营业额（正常估）。

工作日流量大的时候，每3分钟接待一人次，人均消费8元（高估）。

一个店10平米，我们假设50%的比例，那就是10个平米可以站下5个人（低估）。

那这样工作日高峰时间段每小时消费人数= 1h/3min * 5 = 20 * 5 = 100 个，非高峰就算30个（高估）

那工作日一天 营业额 = 4 h * 100 个 * 8元 + 8 h * 30 个 * 8元 = 5120

一周的营业额 = 5120 * 5 + 5120/4 * 2 = 28160

题目六：思维拓展

如果APP有一个功能是用户的位置信息能够每隔1分钟上传一次数据库，那么怎么发挥它的作用？

1.根据定位信息可以获取用户的生活区域，从而分析出用户的消费水平，推荐相应价格区间适合用户消费的商品。

2.可以分析用户的活动习惯，例如如果用户经常出入健身房可以推荐运动器材，如果用户经常出入服装店，美容店餐厅等地可以为用户推荐服装，美容项目等。

3.推测用户的职业，比如教师，医生，程序员等，为他们推荐符合他们职业需求的商品。

4.用户位置实时地向用户推荐周边的生活服务，比如提供附近的商店，附近的住宿等等。还原用户行为轨迹，交通拥堵分析，热点区域确定，各区域停留时长，从而确定用户的行为习惯，进行更好的服务提供、及消费迎合。