
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。
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。
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。
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。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03