当前位置: 首页 >支持 >易赏学院

一道百度面试题,难住了90%的面试者

易赏网 2018-11-07 来源:易赏网 浏览量:1454

一道百度面试题,难住了90%的面试者,前段时间易小君的运营社群里,有一位百度的群友公布了这样一道面试题,据说当时刷掉了不少百度的面试者:


一道百度面试题,瞒住了90%的面试者


现在有一个大社区,该街区有A、B、C、D......、Z等26个小区,每个小区有100个居民,且编号唯一,总共是2600个居民。社区旁边5站公交的地方开了一家shopping mall,提供吃喝玩乐购物一条龙服务,命名百度广场。


百度广场希望进行一次以小区为单位的促销推广活动(如赠送积分购物卡),在做活动之前,需要确定这26个小区中的哪些小区的居民用户质量最高,最具备促销价值,然后定点投放。


目前收集到了小区全部居民在8月1日——31日的全部数据,内容如下:


①出门→②公交→③百度广场购物→④百度广场看电影→⑤百度广场唱歌→⑥百度广场餐厅吃饭


其中:


(1)①②③④⑤⑥的行为发生时间点都有记录


(2)③④⑤⑥的具体消费金额都有记录


(3)③的购物明细(购买了哪些商品)都有记录


(4)④的观看电影的节目单都有记录


(5)⑤的点歌单的明细都有记录


(6)⑥的菜单明细都有记录


(7)该社区只有888路公交车是抵达百度广场的,但是该社区公交站还有通往其他地方的公交车,如514,521,602路


(8)①②③④⑤⑥不是完全连续发生的


那么如何判断单个居民质量的高低?如何判定哪些用户最具备促销价值?


这是一个典型的产品运营方向的问题,需要给用户分层并识别出高质量用户,投入更多的运营资源,以提升其使用产品的体验,最后形成口碑并进行传播,而这里就需要用到一个互联网运营常见的模型——RFM模型。


image.png


什么是RFM模型


RFM多用于传统营销、零售业等领域,适用于拥有多种消费品或快速消费品的行业,只要任何有数据记录的消费都可以被用于分析。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成,下面对这三个指标的定义和作用做下简单解释:


最近一次消费(Recency)


最近一次消费是上一次的消费时间和今天的间隔,比如今天是2018年3月5日,而某个客户最后一次在店铺消费的时间是2018年2月5日,那么该客户的R值 = 30天。意味着客户上一次购买是30天前,也就是客户已经30天没有在店铺产生购买行为了。


比如某男装网店某日的R值分布呈现如下特点:


image.png


从“波浪形”的分布特征可以看出,对店铺而言,客户的引入是有明显的季节性的,形状相对规律。一波接一波,一波比一波小是最理想的形态。说明店铺的重复购买做得好。能持续的让客户重读购买,也就是说客户R值在不断的变为0。


消费频率(Frequency)


消费频率是客户在购买时间内的购买次数。客户购买频率的高低是客户品牌和店铺忠诚度的体现,我们可以说消费频率高的客户,也是对店铺粘性最高的客户。由于F值是固定时间内(一般是1年)的购买次数,而购买频率受限于品类宽度,品类宽度越小F值的基数和差异也会越小。


image.png


比如京东如果只卖3C数码,即便是京东的忠诚客户,可能1年也就买3次。现在京东也卖图书和百货,由于品类选择一下子多了,京东的忠诚客户不但会来买3C数码还偶尔会买图书和百货,由于图书和百货相对3C数码而言的消费周期更短,客户会频繁消费,F值就可能从1年3次变为5次,这也是为什么京东和其它B2C平台不断扩展类目的原因。


消费金额(monetary)


M值是RFM模型中相对于R值和F值最难使用的,但却能对电子商务网站产能最直接和最有价值的衡量指标。大家熟知的“二八定律”(又名“帕雷托法则”)曾作出过这样的解释:公司80%的收入来自于20%的用户。


现以国内某知名化妆品店铺举例,店铺平均客单为160元,因此以80元作为间隔将累积消费金额分段,从表中可以很明显发现,累计消费160元以下用户占比为65.5%(近2/3),贡献的店铺收入比例只占31.6%(近1/3),具体如下:


image.png


回归到百度面试题的解法


前面解释了什么是RFM模型,简单点我们可以把R理解为【近度】维度,把F理解为【频度】维度,把M理解为【额度】维度,通过RFM模型,我们可以轻松划分出用户的层级,如下表:


image.png


在了解了这些基本信息后,我们就可以针对题目进行分析了。


在题目中,用户的行为路径是


①出门→②公交→③百度广场购物→④百度广场看电影→⑤百度广场唱歌→⑥百度广场餐厅吃饭


按照RFM模型,我们可以将用户层级分为如下几个部分:


R——7天(R3),8~15天(R2),16~31天(R1),考察的是客户购买的沉默期;


F——1次(F1),2~3次(F2),3次以上(F3),可以把3次作为客户是否发展为忠诚客户的一个参考标准;


M——100(M1),101~1000(M2),1000以上(M3),这个需要按照实际情况来划分,其重点在于考察客户的购买能力。


image.png


通过上面的划分,我们就可以将客户群细分为(R1F1M1)、(R1F1M2)、(R1F1M3)等27个部分了。再将这27个客户群,按照RFM模型进行分析,划分出重要价值客户,一般价值客户等就OK,这样,各个用户质量的高低就出来了,R3,M3,F3次数多的,都是高质量用户。


其中,重要发展客户(最近消费时间较近、消费金额高,但频次不高,忠诚度不高)和重要保持客户(最近消费时间较远,但消费频次和金额都很高)是我们这次活动的重要促销对象。对于他们,可以通过消费积分活动感召回来,属于高促销价值用户。


当然,这里面百度广场也可以结合自身特点去调整R、F、M各项内容的划分,比如可以划分为2、5、2级别,然后RFM对应的就是20个区间了。


写在最后


消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法,这充分的表现了这三个指标对营销活动的指导意义,但不代表这三个指标牢不可破。


例如嘀嘀(快车、专车等多业务类型)和支付宝(多功能场景)这种,业务方除了消费金额、频次频次以外,在制定补贴策略的时候,还会考虑用户的跨场景使用。


越多的功能业务场景被使用,意味着用户忠诚度越高,这个时候将模型的核心指标增加或者调换,就可以实际应用到辅佐补贴策略上了,这也是为什么别人领券能领5块钱,你只能领1块钱,别人为啥能领到快车券,你只能领到接机专车券的原因了。


一道百度面试题,难住了90%的面试者,资料来源于网络,如有侵权,请联系我们删除。


立即定制您的专属解决方案