你是怎么理解漏斗分析的
- 简单来说，漏斗分析就是评估
连续业务流程的节点转化率。 - 最优的漏斗分析步骤不要超过5步，这样既能分析出关键的转化节点，也避免了在设置流程中过于繁琐。
- 漏斗分析中，全部节点转化率不能小于1%，否则整个业务流程是没有意义的。
- 转化率的计算方式有2种：一种是以第一步作为后续步骤计算的基线，一种是以上一步作为下一步计算的基线。
- 漏斗分析不仅要看转化和流失，还要考虑每一步的停留时间。（运营的小伙伴会根据停留时间，制定不同的营销策略）
- 除此之外，还要看用户画像。用户画像细分：
1、属性画像：年龄、性别、地区等。这是静态的，粒度较粗，用于用户分群营销和产品画像。
2、兴趣画像：即时兴趣、短期兴趣、长期兴趣，主兴趣等。这是动态的，粒度很细，用于推荐策略和推荐下发。
注册类指标和活跃类指标你会看哪一个，为什么
- 题目考察的核心点是：北极星指标+虚荣指标
- 北极星指标：指当前业务中唯一重要的指标，是业务的核心和方向
- 虚荣指标：指大部分累计（只增不减）的指标，例如：注册用户数。
- 回答这个题目的时候可以结合产品的生命周期来分析，例如初期阶段，主要目标是获取用户，这个阶段把注册类指标当作北极星指标来看。当产品步入成熟期，则要重点关注留存和活跃，可能活跃类指标就是北极星指标。
- 可以与面试官详细沟通业务场景，再做具体分析。
头条新上了一个付费专栏，但是这个专栏收入一直不高，请分析一下原因
分析思路一：
- 和面试官沟通，负责人对于专栏收入高低的评判标准是怎样的？怎样算高，怎样算低？
- 专栏上线前是否有做过调研，预测的收入水平大概是怎样的？
- 付费专栏上线后，整体收入的增长趋势是怎样的？
- 整个专栏的收入构成都有哪些部分？
- 评估收益的维度有哪些，把维度拆解，判断是哪一个维度导致的收入不高。
- 与每一个指标对应的团队(策略)去沟通，例如运营团队是否在广告或投放策略是有调整。
先详细了解业务细节，最后明确整个问题全貌后，再进行详细的分析。
分析思路二：
- 用户：头条的主要用户，该付费板块针对的头条用户是否有付费倾向和需求？这个可以分析付费内容用户和其他头条盈利业务用户的同与不同，结合用户画像，分析一下；
2.内容：结合付费板块随时间变化的点击率，转化率，购买率，看看是否是内容设置的原因，如果一开始分转化率是比较高的，而后逐渐降低，就有可能是内容不够有吸引力的原因；
- 付费内容的位置，呈现形式等指标；这个主要看该模块的点击率，影响点击率的客观因素有，该付费内容的位置，放在主页靠前，靠后，还是中间？是图片形式的窗口呈现，还是视频or文字or组合？这个的分析方法是，对比和该付费模块一样外在条件的免费，同类内容，看一看是不是这个原因。
最后就针对不同类型，不同内容的付费板块，可以做进一步的具体分析。
如何理解数据分析中的“指标”和“维度”
一、指标定义：反映业务特征和变化的数据。关键点：
- 反映业务特征，有业务含义（意义）
- 通过指标反映业务变化
- 指标是数据
二、指标的组成部分
- 指标是有类型的：用户类指标？业务类指标？还是行为类指标等等。
- 指标是有名称的：例如“日活”就是一个指标名称
- 指标是有技术口径和业务口径的：拿APP的日活为例：业务口径就是每天打开APP的用户数。技术口径就是怎么取出来的？可能就是一段SQL代码
- 指标是有关联维度的：例如日活，关联了“每天”这个时间维度
- 指标是有更新频率的：指标加工有时间周期，表现形式为（T+X）
多数互联网公司指标更新频率是（T+1）。意思是指昨天的指标今天才能看到。
- 数据是从哪来的。
三、维度：是描述指标的角度
举个例子：
2018年8月8日（时间维度）北京地区（地域维度）a产品（产品维度）的日活（业务指标）
4P营销理论
4P营销理论是密西根大学教授杰罗姆-麦卡锡在20世纪60年代提出的。这个理论将营销组合的要素分为产品（product）价格（price）促销（promotion）渠道（place）四要素。使得营销简化并方便记忆。
产品：通常我们理解的产品是有形的，看得见摸得着的食物，这是狭义的定义。实际上产品可以是任何在市场存活的，满足用户某种需求的东西，它可以是实物，也可以是服务、技术、组织、智慧等或以上若干种的组合。
价格：价格指产品的销售价格。产品的定价关系到目标利润的达成及销售效率的提升等，定价不仅和产品的成本有关，还与产品的品牌溢价、市场的贸易壁垒、市场供求相关。
促销：指通过发放优惠券、打折、满减、包邮、在某某基础上减免其中一件商品的最低价等手段来促进用户消费。从而促进销售的增长。
渠道：渠道是产品从生产者到达用户所经过的各个环节，比如某医疗公司的保险产品的销售渠道可以包含健康管理类咨询公司、银行、国企等。比如某APP推广包含地推、应用商店推广、和运营商合作等，这些均为渠道。
----以上内容摘自“中国统计网-爱数据学院”
