CDA數據分析師 出品

各位同學大家好，我目前就職于某頭部互聯網電商大廠的產品運營部門。

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

01、頭部互聯網電商大廠的

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，接著技術或者業務會對你進行面試，技術這邊覺得合適后，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規劃，具體福利等內容。

但對于大多數人而言，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簡歷篩選和技術用人需求是有所矛盾的。

有一種解決辦法就是，可以通過內推。如果在大廠有認識的人，可試著把你的簡歷發給他，可以讓他直接發給技術或者業務，這樣面試官直接對你進行面試。如果說技術認可的話，技術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在我所在的公司。公司對我進行了技術相關的面試。他們會問的非常細，你簡歷上的每一條你寫的技能，還有你的工作經歷，只要和他業務相關都會問。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，那么面試官就會問你，OCR技術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。每一個流程的節點都會讓我梳理一些工具包。比如說下層業務的工具包，宣傳物料的工具包，平臺使用的工具包等等。

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

03、大廠數據分析案例介紹

下面再給大家介紹一些數據分析的案例。

基于RFM模型的用戶精細化管理

這在企業中會怎樣應用呢？

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培訓機構合作推出課程，A平臺要幫B機構做營銷活動--短信營銷。短信營銷的話就需要B機構提供一些用戶的基本屬性，比如年齡、職業、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、數據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，不能出現供不應求的情況。

如果說要做經銷層管理的話，你就要用到銷售預測。

銷量預測它基本上有三種算法，統計算法、計學算法和深度學習算法。

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

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

有一些數據它可能季節性波動比較大，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性誤差，還是根據就近原則，可能離今年更近的這些日期，它的一個權重就會更高。

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，有它的瀏覽次數，那么根據這些數據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，就首先采集數據，然后數據清洗數據預處理和特征工程。這些數據清洗、數據預處理和特征工程，它主要目標都是為了對數據集做一個清洗，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，建完模之后進行模型調優，之后對我們的數據進行驗證和迭代。

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，那么我需要根據這些停留的地點來預測他下一次可能出現的地點。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據值只相差了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就是傳統的電商模式，就是工廠到消費者，品牌公司把設計好的產品交給工廠，由工廠來通過終端來送給消費者，確保產品的合理，同時質量服務都有保障，為消費者提供性價比比較高的產品。

像自營類的F2C電商，例如網易嚴選、淘寶新選、京東京造，開放平臺類的F2C電商，如網易考拉工廠店、拼工廠。C2M是用戶直連制造，是一種新型的工業互聯網電子商業模式，被稱為“短路經濟”，它主要是彌補傳統的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F2C有一些特點，首先就是我設計的一些產品，然后這些自己擁有這些品牌。

然后第二個特點就是先生產后銷售，然后面臨一些庫存壓力。第三就是重產品設計，重品牌定制化，產品嚴重快時尚品。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，從設計到生產再到同樣市場。新品分析的重要性，新品當然代表了新技術、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的先機，然后成為品牌競爭中強有力的一環等等。

根據大數據顯示，2018-2020年新品發布量是迅迅猛增長的，2020年1月的單月新品發布量超過2018年全年，2021年第一季度單季新品發布量已接近2019年全年發布量的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、優惠券、發現好物、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據化，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，你首先根據需求設計觸點，但是進行分析的時候，觸點記錄的數據進行分析的時候可能產生新的需求，然后你還需要優化迭代觸點。

消費者資產模型

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，這就是為了來觸發你的味覺。大眾汽車廣告公司結尾的時候，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，然后需要我們去診斷問題。

那么怎么來發現哪里出問題了，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，反正各個環節你都可以有一些指標來定義，定義的話哪個環節出問題了，你就可以直接發現，然后進行調整。

以上就是我本次的分享，希望對大家有所幫助。