2020年电商公司小红书数据分析岗位笔试题

来自：微信公众号数据蛙（ID：datafrog01）

2020年小红书数据分析笔试题

这里给大家介绍电商小红书数据分析岗位的笔试题，一共有6道题目如下:
题目一：计算好评率
题目二：用户行为分析
题目三：使用ABTest对新算法进行评估
题目四：销量下降了怎么办
题目五：请你估算营业额（费米思想）
题目六：思维拓展

题目一：计算好评率

需要统计2019年3月1日至2019年3月31日，用户“小张”提交的“母婴”类目下“DW”品牌的好评率（好评率=‘好评’评价量/总评价量），写出sql语句进行查询。

用户评价详情表：：
id（评价id，主键）
create_time (创建时间，格式‘2019-01-01’)
user_name（用户名字）
goods_id (产品id，外键)
sub_time (‘提交时间’，格式‘2019-01-01 23：10：01)
sat_name (评价类型，包括’好评‘，’中评‘，’差评‘)

商品详情表：b字段
goods_id (外键)
goods_name (商品类目)
brand_name (品牌名称)

解题思路
1.好评率=“好评”评价量/总评价量
2.要求**的好评率，则要使用where条件筛选指定商品的情况
3.又因为条件要指定商品名，所以要两个表做关联

select
count（1） as all_comments
sum(case when sat_name='好评' then 1 else 0 end)as good_comments
sum(case when sat_name='好评' then 1 else 0 end)/count(1) as good_rate
from redbk_userjudge as a
left join redbk_goodsinfo as b
on a.goods_id=b.goods_id
where b.goods_name='母婴'
and b.brand_name='DW'
and a.user_name='小张'
and a.sub_time>='2019-03-01'
and a.sub_time<='2019-03-31';

题目二：用户行为分析

有订单事务表：redbk_orders

有收藏事务表：redbk_favorites

请用一句sql语句取出所有用户对商品的行为特征，特征分为已购买，购买未收藏，收藏未购买，收藏且购买

解题思路：
1.需要得到user_id和item_id的购买和收藏的组合情况，使用这两个主键进行关联。
2.根据是否可以关联来判断是否购买和是否收藏。
3.使用full join外连接，但是sql使用union。

select
a.user_id,
a.item_id,
1   as  '已购买',
case when b.item_id is null then 1 else 0 end as '购买未收藏',
0 as '收藏未购买',
case when a.item_id=b.item_id then 1  else 0 end as '收藏且购买'
from redbk_orders a
left join redbk_favorites b
on a.user_id=b.user_id
and a.item_id=b.item_id
union
select
a.user_id,
a.item_id,
case when b.item_id is not null then 1 else 0 end as  '已购买',
0 as '购买未收藏',
case when b.item_id is null then 1 else 0 end as '收藏未购买',
case when a.item_id=b.item_id then 1  else 0 end as '收藏且购买'
from redbk_favorites a
left join redbk_orders b
on a.user_id=b.user_id
and a.item_id=b.item_id
order by user_id,item_id
;

题目三：使用ABTest对新算法进行评估

经过一番研究后，我们开发出了商品页面上“相关商品”模块的一个新的推荐算法，并且打算通过AB Test（50%用户保留原先的算法逻辑为控制组，50%用户使用新的算法逻辑为实验组）来对新的算法效果进行评估。假设你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？（假设需要数据都可取到）请按重要性列出最重要的三个指标并给出你的分析过程/思考。

思路：

指标：销售额、点击量、转化率

分析过程：

1.设原假设为使用新的推荐算法后上述指标降低或不变，备择假设为使用新的推荐算法后上述指标增加。

2.选择显著性水平临界值为5%，选择2周时间采集数据。

3.使用T检验，计算P值。

4.分析结论，如果P值小于5%，那么原假设不成立，备择假设成立，即使用新算法后指标提升。

反之无法推翻原假设，不能证明使用新算法后指标提升.

针对AB Test的拓展阅读，我们也提供了相应的文献，欢迎大家在最后的链接领取相关资料。