
CDA數(shù)據(jù)分析師 出品
各位同學(xué)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(yùn)營(yíng)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(guān)工作案例。
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(dāng)我們投遞簡(jiǎn)歷后,首先HR會(huì)對(duì)你的簡(jiǎn)歷做篩選,再HR這一關(guān)過了之后再投遞給技術(shù),接著技術(shù)或者業(yè)務(wù)會(huì)對(duì)你進(jìn)行面試,技術(shù)這邊覺得合適后,還會(huì)有Boss會(huì)面,主要考察你的邏輯或者表達(dá)各種能力。Boss面完之后,最后還有HRBP,可能跟你談一些未來(lái)職業(yè)規(guī)劃,具體福利等內(nèi)容。
但對(duì)于大多數(shù)人而言,投簡(jiǎn)歷給頭部大廠時(shí),簡(jiǎn)歷篩選階段可能就是一個(gè)非常大的問題。
其實(shí)大廠內(nèi)部也是非常缺人的,但是在簡(jiǎn)歷篩選部分大廠有自己的標(biāo)準(zhǔn),要求比較高。所以說(shuō)HR簡(jiǎn)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(rèn)識(shí)的人,可試著把你的簡(jiǎn)歷發(fā)給他,可以讓他直接發(fā)給技術(shù)或者業(yè)務(wù),這樣面試官直接對(duì)你進(jìn)行面試。如果說(shuō)技術(shù)認(rèn)可的話,技術(shù)再把你的簡(jiǎn)歷投遞給HR,直接告訴HR說(shuō)這個(gè)人我要了,HR再對(duì)你進(jìn)行相應(yīng)的錄用。因此這種方式能夠一定程度上解決第一階段簡(jiǎn)歷篩選的問題。
再聊聊我自己的情況,當(dāng)時(shí)CDA佟老師直接把我的簡(jiǎn)歷推給了現(xiàn)在我所在的公司。公司對(duì)我進(jìn)行了技術(shù)相關(guān)的面試。他們會(huì)問的非常細(xì),你簡(jiǎn)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(wù)相關(guān)都會(huì)問。而且會(huì)深挖,比如說(shuō)當(dāng)時(shí)我在簡(jiǎn)歷上寫到我會(huì)爬蟲,除了問問一些爬蟲相關(guān)知識(shí)以外,他還會(huì)問到你有沒有了解一些反扒的東西。還有隨機(jī)森林等機(jī)器學(xué)習(xí)相關(guān)的內(nèi)容。另外還有我在簡(jiǎn)歷上寫到,我之前做過圖片的文字識(shí)別,里面用到了OCR技術(shù),那么面試官就會(huì)問你,OCR技術(shù)它的底層原理是什么,會(huì)類似這樣深挖地去問你。
關(guān)于日常工作的內(nèi)容,首先是一些流程性的。比如說(shuō)有早會(huì),然后有周會(huì),日?qǐng)?bào)和周報(bào)這些也是每天要提交的。
在我初到公司的這幾周,我學(xué)到更多的應(yīng)該是一種流程。我的leader會(huì)讓我梳理各種的工具包。首先是各種的sop,每個(gè)節(jié)點(diǎn)都梳理一個(gè)工具包。只看流程,每一個(gè)流程跑通,跑通之后就再無(wú)限的復(fù)制。每一個(gè)流程的節(jié)點(diǎn)都會(huì)讓我梳理一些工具包。比如說(shuō)下層業(yè)務(wù)的工具包,宣傳物料的工具包,平臺(tái)使用的工具包等等。
無(wú)論對(duì)內(nèi)還是對(duì)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。
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(xì)化管理
這在企業(yè)中會(huì)怎樣應(yīng)用呢?
用戶畫像包含了基本屬性和高級(jí)屬性,RFM模型就是它高級(jí)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(jí)別、性別、年齡、婚姻狀況、學(xué)歷、職業(yè)等這些指標(biāo)都是可以輕易獲得的。
此外一些深層需要挖掘的指標(biāo)。比如說(shuō)是否有小孩,小孩多大,小孩的性別,以及家庭是否有車,購(gòu)買力怎么樣。
還有RFM挖掘出來(lái)的一些信息,比如說(shuō)用戶屬于RFM模型里面哪個(gè)分組,然后它的標(biāo)準(zhǔn)化得分是多少,是不是我們的價(jià)值用戶,以及其忠誠(chéng)度等信息,這些都是需要我們建立RFM模型這樣的算法來(lái)把深層指標(biāo)給挖掘出來(lái)的。
再給大家介紹一個(gè)用戶畫像和精準(zhǔn)營(yíng)銷相關(guān)的案例。比如電商平臺(tái)A和B培訓(xùn)機(jī)構(gòu)合作推出課程,A平臺(tái)要幫B機(jī)構(gòu)做營(yíng)銷活動(dòng)--短信營(yíng)銷。短信營(yíng)銷的話就需要B機(jī)構(gòu)提供一些用戶的基本屬性,比如年齡、職業(yè)、學(xué)歷、城市等等基本信息。然后再給A平臺(tái)這邊提供一些案例,比如說(shuō)在A平臺(tái)搜索過Python、MySQL、Excel、數(shù)據(jù)分析等關(guān)鍵詞的一些場(chǎng)景,把這些場(chǎng)景交給A平臺(tái)專門負(fù)責(zé)短信營(yíng)銷的部門,把這些指標(biāo)交付過去,那邊對(duì)把A平臺(tái)的指標(biāo)體系和B機(jī)構(gòu)的指標(biāo)體系做匹配。
接下來(lái)是RFM模型這些概述性的知識(shí),大家應(yīng)該都在課程中應(yīng)該都學(xué)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(zhǔn)的指定營(yíng)銷活動(dòng)提升轉(zhuǎn)化率,還有幫助賣家分析進(jìn)行的銷售情況。
這里是我公司用畫像體系的一部分,它的標(biāo)簽名稱,一些算法和應(yīng)用場(chǎng)景模型解釋等等。
首先用戶登錄名的主要就是營(yíng)銷定位人群。
這個(gè)怎么解釋呢?比如說(shuō)剛才的短信營(yíng)銷,A平臺(tái)這邊從用戶畫像庫(kù)里面提取出來(lái)的,每一個(gè)用戶名對(duì)每一個(gè)人。然后主要是用來(lái)營(yíng)銷定位一個(gè)人群,然后用戶級(jí)別主要用的是一些統(tǒng)計(jì)算法,然后主要用的場(chǎng)景就是可以定位人群,或者是進(jìn)行行為劃分。模型解釋就是根據(jù)用戶購(gòu)物的評(píng)論和累積成長(zhǎng)等,對(duì)用戶進(jìn)行一個(gè)等級(jí)劃分,應(yīng)該跟支付寶的會(huì)員級(jí)別應(yīng)該是比較像的。
用戶年齡、婚姻狀況、學(xué)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(lái),還有一些具體的應(yīng)用場(chǎng)景我們就不做細(xì)說(shuō)了。
電商銷量預(yù)估
銷量預(yù)估一個(gè)典型的應(yīng)用場(chǎng)景是企業(yè)進(jìn)銷存的一個(gè)庫(kù)存管理。
對(duì)于電商公司來(lái)說(shuō),它要解決的一個(gè)非常大的痛點(diǎn)就是進(jìn)銷存,就是我要保證倉(cāng)庫(kù)的貨物夠我賣,同時(shí)我又不能過多的進(jìn)貨,因?yàn)閭}(cāng)儲(chǔ)能力和資金是有限的。
另外還要面臨一個(gè)問題,像一些大促活動(dòng)比較,比如雙11、618這些大促,我還要保證我這個(gè)時(shí)候的庫(kù)存能滿足需求,不能出現(xiàn)供不應(yīng)求的情況。
如果說(shuō)要做經(jīng)銷層管理的話,你就要用到銷售預(yù)測(cè)。
銷量預(yù)測(cè)它基本上有三種算法,統(tǒng)計(jì)算法、計(jì)學(xué)算法和深度學(xué)習(xí)算法。
統(tǒng)計(jì)算法的話,比如同年1月環(huán)比移動(dòng)平均法。一年中有很多個(gè)月份,要預(yù)測(cè)某一個(gè)月份的銷量,那么就根據(jù)就近原則,離這個(gè)月份更近的月,它的權(quán)重就更大,遠(yuǎn)一點(diǎn)權(quán)重就次之。
所以說(shuō)就可以建立一個(gè)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(yù)測(cè)。
有一些數(shù)據(jù)它可能季節(jié)性波動(dòng)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(dòng)平均法。就是不同年份的同一個(gè)月份,它的銷量可以來(lái)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(gè)權(quán)重就會(huì)更高。
其實(shí)就是機(jī)器學(xué)習(xí)算法的一個(gè)預(yù)測(cè),比如下面這個(gè)表格。
有10個(gè)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(lái)預(yù)測(cè)他是否購(gòu)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(yù)處理和特征工程。這些數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理和特征工程,它主要目標(biāo)都是為了對(duì)數(shù)據(jù)集做一個(gè)清洗,清洗之后把模型指標(biāo)給提取出來(lái),列出來(lái)之后就開始進(jìn)行模型開發(fā),建完模之后進(jìn)行模型調(diào)優(yōu),之后對(duì)我們的數(shù)據(jù)進(jìn)行驗(yàn)證和迭代。
接著就是深度學(xué)習(xí)算法。
比如說(shuō)LSTM這個(gè)算法,有一個(gè)之前做的案例,判斷大黃蜂報(bào)告真實(shí)性。背景是一個(gè)地方出現(xiàn)了一個(gè)新物種,我有這個(gè)物種在歷史上的一些停留的地點(diǎn),那么我需要根據(jù)這些停留的地點(diǎn)來(lái)預(yù)測(cè)他下一次可能出現(xiàn)的地點(diǎn)。當(dāng)時(shí)就建立了LSTM這個(gè)模型來(lái)進(jìn)行預(yù)測(cè),準(zhǔn)確率還是蠻高的。實(shí)際預(yù)測(cè)出來(lái)的跟真實(shí)的數(shù)據(jù)值只相差了700多米,這是美國(guó)一個(gè)州的范圍,精度是相當(dāng)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(fèi)者,品牌公司把設(shè)計(jì)好的產(chǎn)品交給工廠,由工廠來(lái)通過終端來(lái)送給消費(fèi)者,確保產(chǎn)品的合理,同時(shí)質(zhì)量服務(wù)都有保障,為消費(fèi)者提供性價(jià)比比較高的產(chǎn)品。
像自營(yíng)類的F2C電商,例如網(wǎng)易嚴(yán)選、淘寶新選、京東京造,開放平臺(tái)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(jì)”,它主要是彌補(bǔ)傳統(tǒng)的F2C電商模式的一些不足,比如說(shuō)自營(yíng)模式它的品牌是屬于自己,它能彌補(bǔ)剛才我們說(shuō)的不不足。
傳統(tǒng)F2C有一些特點(diǎn),首先就是我設(shè)計(jì)的一些產(chǎn)品,然后這些自己擁有這些品牌。
然后第二個(gè)特點(diǎn)就是先生產(chǎn)后銷售,然后面臨一些庫(kù)存壓力。第三就是重產(chǎn)品設(shè)計(jì),重品牌定制化,產(chǎn)品嚴(yán)重快時(shí)尚品。第四個(gè)就是需要輿情洞察,用戶行為分析來(lái)設(shè)計(jì)新品。
主要是下層的營(yíng)銷和運(yùn)營(yíng)層來(lái)輔助和上層,從設(shè)計(jì)到生產(chǎn)再到同樣市場(chǎng)。新品分析的重要性,新品當(dāng)然代表了新技術(shù)、新設(shè)計(jì)、新功能、新體驗(yàn)和更好的利潤(rùn),新品將成為品牌商提前占領(lǐng)行業(yè)的先機(jī),然后成為品牌競(jìng)爭(zhēng)中強(qiáng)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(zhǎng)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(shuō)新品迭代速度是比較快的。
觸點(diǎn)分析
首先什么是觸點(diǎn)?一切被用戶觸達(dá),甚至感覺到對(duì)象都可以稱之為觸點(diǎn)。就像你進(jìn)入電商平臺(tái),然后有一些什么秒殺、優(yōu)惠券、發(fā)現(xiàn)好物、領(lǐng)券中心、每日特價(jià)為你推薦等這些都是觸點(diǎn)。
觸點(diǎn)可以理解為被你點(diǎn)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(lái)設(shè)計(jì)一個(gè)又一個(gè)的觸點(diǎn),就可以知道你的行為。你每點(diǎn)一下,然后后臺(tái)都是有記錄的,然后他就會(huì)分析哪些觸點(diǎn)更能吸引你。
觸點(diǎn)的應(yīng)用,更好增加用戶體驗(yàn),目標(biāo)是如何通過觸點(diǎn)來(lái)滿足用戶的需求,如何設(shè)計(jì)觸點(diǎn)來(lái)獲取用戶的信任,然后如何設(shè)計(jì)觸點(diǎn)使之更高效,降本。
觸點(diǎn)與需求的因果關(guān)系,先有需求還是先有觸點(diǎn)?
這個(gè)沒有一個(gè)必然的關(guān)系,你首先根據(jù)需求設(shè)計(jì)觸點(diǎn),但是進(jìn)行分析的時(shí)候,觸點(diǎn)記錄的數(shù)據(jù)進(jìn)行分析的時(shí)候可能產(chǎn)生新的需求,然后你還需要優(yōu)化迭代觸點(diǎn)。
消費(fèi)者資產(chǎn)模型
首先這個(gè)模型的概念,用戶對(duì)一件商品的認(rèn)知和理解,就是一定通過某種感官觸達(dá)的,也就是我們的第一個(gè)認(rèn)知,比如蛋糕店附近有香味,這就是為了來(lái)觸發(fā)你的味覺。大眾汽車廣告公司結(jié)尾的時(shí)候,是為了來(lái)觸達(dá)你的聽覺。店鋪的裝修為了來(lái)觸達(dá)你的視覺。
然后首先觸達(dá),觸達(dá)之后,然后你對(duì)這個(gè)品牌有些認(rèn)知之后,再吸引之后,然后再采取行動(dòng),采取行動(dòng)之后再讓你維護(hù)這個(gè)品牌。然后品牌用戶的資產(chǎn)的意義在于讓平臺(tái)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(duì)性的營(yíng)銷動(dòng)作。
這些還這剛才說(shuō)的4個(gè)指標(biāo):認(rèn)知,我認(rèn)知用戶有多少;吸引,從認(rèn)知到我吸引過來(lái)的用戶多少;然后哪些用戶采取了行動(dòng),最后哪些用戶變成了忠誠(chéng)用戶。
這有一個(gè)案例,比如說(shuō)今年有一個(gè)品牌的ROI非常低,然后需要我們?nèi)ピ\斷問題。
那么怎么來(lái)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(dòng)期4A關(guān)系加深率。可以看到認(rèn)知到興趣丟失了10%,那么這個(gè)是丟失的,就是認(rèn)知到興趣,然后再到行動(dòng),反正各個(gè)環(huán)節(jié)你都可以有一些指標(biāo)來(lái)定義,定義的話哪個(gè)環(huán)節(jié)出問題了,你就可以直接發(fā)現(xiàn),然后進(jìn)行調(diào)整。
以上就是我本次的分享,希望對(duì)大家有所幫助。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場(chǎng)景的分 ...
2025-09-10