CDA數(shù)據(jù)分析師 出品

各位同學大家好，我目前就職于某頭部互聯(lián)網(wǎng)電商大廠的產(chǎn)品運營部門。

今天我給大家分享一下頭部互聯(lián)網(wǎng)電商大廠的面試流程，我的一些日常工作內(nèi)容，另外再給大家介紹一些相關工作案例。

01、頭部互聯(lián)網(wǎng)電商大廠的

面試流程是怎樣的

首先讓我們看到面試流程。

就我所在的公司為例，當我們投遞簡歷后，首先HR會對你的簡歷做篩選，再HR這一關過了之后再投遞給技術(shù)，接著技術(shù)或者業(yè)務會對你進行面試，技術(shù)這邊覺得合適后，還會有Boss會面，主要考察你的邏輯或者表達各種能力。Boss面完之后，最后還有HRBP，可能跟你談一些未來職業(yè)規(guī)劃，具體福利等內(nèi)容。

但對于大多數(shù)人而言，投簡歷給頭部大廠時，簡歷篩選階段可能就是一個非常大的問題。

其實大廠內(nèi)部也是非常缺人的，但是在簡歷篩選部分大廠有自己的標準，要求比較高。所以說HR簡歷篩選和技術(shù)用人需求是有所矛盾的。

有一種解決辦法就是，可以通過內(nèi)推。如果在大廠有認識的人，可試著把你的簡歷發(fā)給他，可以讓他直接發(fā)給技術(shù)或者業(yè)務，這樣面試官直接對你進行面試。如果說技術(shù)認可的話，技術(shù)再把你的簡歷投遞給HR，直接告訴HR說這個人我要了，HR再對你進行相應的錄用。因此這種方式能夠一定程度上解決第一階段簡歷篩選的問題。

再聊聊我自己的情況，當時CDA佟老師直接把我的簡歷推給了現(xiàn)在我所在的公司。公司對我進行了技術(shù)相關的面試。他們會問的非常細，你簡歷上的每一條你寫的技能，還有你的工作經(jīng)歷，只要和他業(yè)務相關都會問。而且會深挖，比如說當時我在簡歷上寫到我會爬蟲，除了問問一些爬蟲相關知識以外，他還會問到你有沒有了解一些反扒的東西。還有隨機森林等機器學習相關的內(nèi)容。另外還有我在簡歷上寫到，我之前做過圖片的文字識別，里面用到了OCR技術(shù)，那么面試官就會問你，OCR技術(shù)它的底層原理是什么，會類似這樣深挖地去問你。

02、大廠的日常工作模式是怎么樣的

關于日常工作的內(nèi)容，首先是一些流程性的。比如說有早會，然后有周會，日報和周報這些也是每天要提交的。

在我初到公司的這幾周，我學到更多的應該是一種流程。我的leader會讓我梳理各種的工具包。首先是各種的sop，每個節(jié)點都梳理一個工具包。只看流程，每一個流程跑通，跑通之后就再無限的復制。每一個流程的節(jié)點都會讓我梳理一些工具包。比如說下層業(yè)務的工具包，宣傳物料的工具包，平臺使用的工具包等等。

無論對內(nèi)還是對外，都要根據(jù)所處的流程，按流程一步步走?；旧隙际前催@種流程式的工作。

03、大廠數(shù)據(jù)分析案例介紹

下面再給大家介紹一些數(shù)據(jù)分析的案例。

基于RFM模型的用戶精細化管理

這在企業(yè)中會怎樣應用呢？

用戶畫像包含了基本屬性和高級屬性，RFM模型就是它高級屬性里面的一部分。

首先用畫像的基本屬性，像用戶登錄名、用戶級別、性別、年齡、婚姻狀況、學歷、職業(yè)等這些指標都是可以輕易獲得的。

此外一些深層需要挖掘的指標。比如說是否有小孩，小孩多大，小孩的性別，以及家庭是否有車，購買力怎么樣。

還有RFM挖掘出來的一些信息，比如說用戶屬于RFM模型里面哪個分組，然后它的標準化得分是多少，是不是我們的價值用戶，以及其忠誠度等信息，這些都是需要我們建立RFM模型這樣的算法來把深層指標給挖掘出來的。

再給大家介紹一個用戶畫像和精準營銷相關的案例。比如電商平臺A和B培訓機構(gòu)合作推出課程，A平臺要幫B機構(gòu)做營銷活動--短信營銷。短信營銷的話就需要B機構(gòu)提供一些用戶的基本屬性，比如年齡、職業(yè)、學歷、城市等等基本信息。然后再給A平臺這邊提供一些案例，比如說在A平臺搜索過Python、MySQL、Excel、數(shù)據(jù)分析等關鍵詞的一些場景，把這些場景交給A平臺專門負責短信營銷的部門，把這些指標交付過去，那邊對把A平臺的指標體系和B機構(gòu)的指標體系做匹配。

接下來是RFM模型這些概述性的知識，大家應該都在課程中應該都學過了。

它的主要用途就是幫助賣家更好了解自己的客戶，然后便于精準的指定營銷活動提升轉(zhuǎn)化率，還有幫助賣家分析進行的銷售情況。

這里是我公司用畫像體系的一部分，它的標簽名稱，一些算法和應用場景模型解釋等等。

首先用戶登錄名的主要就是營銷定位人群。

這個怎么解釋呢？比如說剛才的短信營銷，A平臺這邊從用戶畫像庫里面提取出來的，每一個用戶名對每一個人。然后主要是用來營銷定位一個人群，然后用戶級別主要用的是一些統(tǒng)計算法，然后主要用的場景就是可以定位人群，或者是進行行為劃分。模型解釋就是根據(jù)用戶購物的評論和累積成長等，對用戶進行一個等級劃分，應該跟支付寶的會員級別應該是比較像的。

用戶年齡、婚姻狀況、學歷、職業(yè)等都是通過一些算法，這些通過算法把它劃分出來，還有一些具體的應用場景我們就不做細說了。

電商銷量預估

銷量預估一個典型的應用場景是企業(yè)進銷存的一個庫存管理。

對于電商公司來說，它要解決的一個非常大的痛點就是進銷存，就是我要保證倉庫的貨物夠我賣，同時我又不能過多的進貨，因為倉儲能力和資金是有限的。

另外還要面臨一個問題，像一些大促活動比較，比如雙11、618這些大促，我還要保證我這個時候的庫存能滿足需求，不能出現(xiàn)供不應求的情況。

如果說要做經(jīng)銷層管理的話，你就要用到銷售預測。

銷量預測它基本上有三種算法，統(tǒng)計算法、計學算法和深度學習算法。

統(tǒng)計算法的話，比如同年1月環(huán)比移動平均法。一年中有很多個月份，要預測某一個月份的銷量，那么就根據(jù)就近原則，離這個月份更近的月，它的權(quán)重就更大，遠一點權(quán)重就次之。

所以說就可以建立一個這樣的權(quán)重之后，除以所有的權(quán)重總和，那么就可以得到較為近似的銷量預測。

有一些數(shù)據(jù)它可能季節(jié)性波動比較大，然后我們還可以用到的就是比如一年同月同比移動平均法。就是不同年份的同一個月份，它的銷量可以來消除季節(jié)性誤差，還是根據(jù)就近原則，可能離今年更近的這些日期，它的一個權(quán)重就會更高。

其實就是機器學習算法的一個預測，比如下面這個表格。

有10個用戶，已知他的搜索次數(shù)，有它的瀏覽次數(shù)，那么根據(jù)這些數(shù)據(jù)我就可以來預測他是否購買，可以用到一些算法，比如LightGBM、Prophet等算。

具體的建模流程，就首先采集數(shù)據(jù)，然后數(shù)據(jù)清洗數(shù)據(jù)預處理和特征工程。這些數(shù)據(jù)清洗、數(shù)據(jù)預處理和特征工程，它主要目標都是為了對數(shù)據(jù)集做一個清洗，清洗之后把模型指標給提取出來，列出來之后就開始進行模型開發(fā)，建完模之后進行模型調(diào)優(yōu)，之后對我們的數(shù)據(jù)進行驗證和迭代。

接著就是深度學習算法。

比如說LSTM這個算法，有一個之前做的案例，判斷大黃蜂報告真實性。背景是一個地方出現(xiàn)了一個新物種，我有這個物種在歷史上的一些停留的地點，那么我需要根據(jù)這些停留的地點來預測他下一次可能出現(xiàn)的地點。當時就建立了LSTM這個模型來進行預測，準確率還是蠻高的。實際預測出來的跟真實的數(shù)據(jù)值只相差了700多米，這是美國一個州的范圍，精度是相當高的。

C2M反向定制和新品分析

C2就是傳統(tǒng)的電商模式，就是工廠到消費者，品牌公司把設計好的產(chǎn)品交給工廠，由工廠來通過終端來送給消費者，確保產(chǎn)品的合理，同時質(zhì)量服務都有保障，為消費者提供性價比比較高的產(chǎn)品。

像自營類的F2C電商，例如網(wǎng)易嚴選、淘寶新選、京東京造，開放平臺類的F2C電商，如網(wǎng)易考拉工廠店、拼工廠。C2M是用戶直連制造，是一種新型的工業(yè)互聯(lián)網(wǎng)電子商業(yè)模式，被稱為“短路經(jīng)濟”，它主要是彌補傳統(tǒng)的F2C電商模式的一些不足，比如說自營模式它的品牌是屬于自己，它能彌補剛才我們說的不不足。

傳統(tǒng)F2C有一些特點，首先就是我設計的一些產(chǎn)品，然后這些自己擁有這些品牌。

然后第二個特點就是先生產(chǎn)后銷售，然后面臨一些庫存壓力。第三就是重產(chǎn)品設計，重品牌定制化，產(chǎn)品嚴重快時尚品。第四個就是需要輿情洞察，用戶行為分析來設計新品。

主要是下層的營銷和運營層來輔助和上層，從設計到生產(chǎn)再到同樣市場。新品分析的重要性，新品當然代表了新技術(shù)、新設計、新功能、新體驗和更好的利潤，新品將成為品牌商提前占領行業(yè)的先機，然后成為品牌競爭中強有力的一環(huán)等等。

根據(jù)大數(shù)據(jù)顯示，2018-2020年新品發(fā)布量是迅迅猛增長的，2020年1月的單月新品發(fā)布量超過2018年全年，2021年第一季度單季新品發(fā)布量已接近2019年全年發(fā)布量的90%，所以說新品迭代速度是比較快的。

觸點分析

首先什么是觸點？一切被用戶觸達，甚至感覺到對象都可以稱之為觸點。就像你進入電商平臺，然后有一些什么秒殺、優(yōu)惠券、發(fā)現(xiàn)好物、領券中心、每日特價為你推薦等這些都是觸點。

觸點可以理解為被你點擊的東西，它的主要作用是把你的行為給數(shù)據(jù)化，通過來設計一個又一個的觸點，就可以知道你的行為。你每點一下，然后后臺都是有記錄的，然后他就會分析哪些觸點更能吸引你。

觸點的應用，更好增加用戶體驗，目標是如何通過觸點來滿足用戶的需求，如何設計觸點來獲取用戶的信任，然后如何設計觸點使之更高效，降本。

觸點與需求的因果關系，先有需求還是先有觸點？

這個沒有一個必然的關系，你首先根據(jù)需求設計觸點，但是進行分析的時候，觸點記錄的數(shù)據(jù)進行分析的時候可能產(chǎn)生新的需求，然后你還需要優(yōu)化迭代觸點。

消費者資產(chǎn)模型

首先這個模型的概念，用戶對一件商品的認知和理解，就是一定通過某種感官觸達的，也就是我們的第一個認知，比如蛋糕店附近有香味，這就是為了來觸發(fā)你的味覺。大眾汽車廣告公司結(jié)尾的時候，是為了來觸達你的聽覺。店鋪的裝修為了來觸達你的視覺。

然后首先觸達，觸達之后，然后你對這個品牌有些認知之后，再吸引之后，然后再采取行動，采取行動之后再讓你維護這個品牌。然后品牌用戶的資產(chǎn)的意義在于讓平臺和品牌商知曉自己的用戶到底有多少，在哪里轉(zhuǎn)化，過程是否健康，從而做出針對性的營銷動作。

這些還這剛才說的4個指標：認知，我認知用戶有多少；吸引，從認知到我吸引過來的用戶多少；然后哪些用戶采取了行動，最后哪些用戶變成了忠誠用戶。

這有一個案例，比如說今年有一個品牌的ROI非常低，然后需要我們?nèi)ピ\斷問題。

那么怎么來發(fā)現(xiàn)哪里出問題了，這就需要這就可以用到C模型。C模型的話，首先有多少用戶，活動期4A關系加深率?？梢钥吹秸J知到興趣丟失了10%，那么這個是丟失的，就是認知到興趣，然后再到行動，反正各個環(huán)節(jié)你都可以有一些指標來定義，定義的話哪個環(huán)節(jié)出問題了，你就可以直接發(fā)現(xiàn)，然后進行調(diào)整。

以上就是我本次的分享，希望對大家有所幫助。