第 41 章 大厂面试：业务指标与取数真题

📖 本篇简介：本篇是大厂数据岗面试的"业务重头戏"：用 pandas 实现面试官最爱考的六类业务题——指标口径与计算（DAU/GMV/ARPU）、留存与漏斗、同比环比、AB 实验解读、异动归因、指标异动排查。每道题按"业务背景 → 题目 → 参考答案（带注释）→ 面试官追问"组织，并附指标口径速查表。前置知识：已掌握第 30 章的 API 与第 40 章的流程框架。学完后你能在面试中熟练拆解业务指标并用 pandas 快速落地。

大厂数据岗二面最常出现的模式：面试官抛一张业务表 + 一个业务问题（"算一下这个活动的 DAU 变化"、"用户留存为什么掉了"）。本篇把这六类题型一次讲透——口径先行、代码跟上、追问接得住。

目录

1. 业务题答题框架：口径 → 拆解 → 代码 → 验证

2. 题 1：DAU / GMV / ARPU 指标口径

3. 题 2：留存与回访计算

4. 题 3：转化漏斗与环节定位

5. 题 4：同比 / 环比 / 周环比

6. 题 5：AB 实验结果的业务解读

7. 题 6：指标异动归因（下钻）

8. 指标口径速查表

9. 本章小结与自测清单

1. 业务题答题框架：口径 → 拆解 → 代码 → 验证

业务题最怕"上来就写代码"。大厂面试官想听到的是：

def business_framework():
    steps = [
        "① 先确认口径：指标怎么定义？（DAU 按设备还是账号去重？GMV 含不含退款？）",
        "② 再拆公式：目标 = 分子/分母，或 人数 × 人均 × 转化率；",
        "③ 写代码：用 pandas 逐步实现，变量名即口径；",
        "④ 验证：结果是否在合理范围？换个口径结果变多少？",
        "⑤ 延伸：数据量大怎么办？指标下降如何归因？",
    ]
    return steps

print("面试金句：'我先确认一下口径，DAU 的定义是……'")
print("这句话比任何一行代码都值钱。")

2. 题 1：DAU / GMV / ARPU 指标口径

业务背景

电商 App，给三张表：uv（每日活跃用户明细）、order（订单）、user_info（用户信息）。

题目

请用 pandas 计算 7 月的：DAU 日均、GMV 总量、ARPU（人均付费），并说明口径。

参考答案

import pandas as pd
import numpy as np

np.random.seed(2025)

# ---------- 模拟三张表 ----------
# uv 表：每次打开 App 记一行
uv = pd.DataFrame({
    "date": np.random.choice(pd.date_range("2026-07-01", "2026-07-31", freq="D"), 200000),
    "user_id": np.random.randint(1, 50000, 200000),
    "device_id": np.random.randint(100000, 200000, 200000),
})

# order 表：每笔订单一行
order = pd.DataFrame({
    "date": np.random.choice(pd.date_range("2026-07-01", "2026-07-31", freq="D"), 30000),
    "user_id": np.random.randint(1, 50000, 30000),
    "amount": np.round(np.random.uniform(10, 500, 30000), 2),
    "status": np.random.choice(["paid", "refunded", "pending"], 30000,
                               p=[0.85, 0.05, 0.1]),
})

# ---------- ① DAU：每日去重用户数，再取平均 ----------
# 口径：同一用户一天内多次打开只算 1 个 DAU（按 user_id 去重）
daily_uv = uv.groupby("date")["user_id"].nunique()
dau_avg = daily_uv.mean()
print(f"7 月日均 DAU = {dau_avg:.0f}")

# ---------- ② GMV：成交订单金额合计 ----------
# 口径：GMV = 已支付订单金额合计（不含退款、不含未支付）
paid = order[order["status"] == "paid"]
gmv = paid["amount"].sum()
print(f"7 月 GMV = {gmv:,.0f} 元")

# ---------- ③ ARPU：总营收 / 活跃用户数 ----------
# 口径：ARPU = 期内总营收 ÷ 期内活跃用户数（含未付费用户）
active_users = uv["user_id"].nunique()
arpu = gmv / active_users
print(f"7 月 ARPU = {arpu:.2f} 元/人")

面试官追问

1. "ARPPU 和 ARPU 什么区别？" → ARPPU 只算付费用户（paid_users），ARPU 算全部活跃用户。指标口径混用是大厂大忌，一定要先问清。

2. "GMV 为什么不直接用订单表 sum？" → 订单含退款、未支付、刷单，要按 status 过滤，否则高估。

3. "DAU 按设备还是账号？" → 一账号多设备会高估、一设备多账号会低估，面试里给出选择并说明影响即可。

3. 题 2：留存与回访计算

题目

给 login 表（user_id, date），计算次日留存率：7 月 1 日新增用户里，有多少在 7 月 2 日又登录了？

参考答案

import pandas as pd
import numpy as np

np.random.seed(3)
n = 100000

# ---------- 模拟登录流水 ----------
login = pd.DataFrame({
    "date": np.random.choice(pd.date_range("2026-07-01", "2026-07-07", freq="D"), n),
    "user_id": np.random.randint(1, 20000, n),
})
login["date"] = pd.to_datetime(login["date"])

# ---------- 口径：首次登录日 = 新增日 ----------
# 每个用户最早的登录日期作为"新增日"
first_login = login.groupby("user_id")["date"].min().rename("first_date")
df = login.merge(first_login, on="user_id")

# ---------- 计算次日留存 ----------
# 新增用户里，是否在 first_date + 1 天再次出现
df["is_day1"] = (df["date"] == df["first_date"] + pd.Timedelta(days=1)).astype(int)

# 按新增日分组：次日留存率 = 次日回来的人数 / 当日新增人数
retention = df.groupby("first_date").agg(
    新增用户=("user_id", "nunique"),
    次日回来=("is_day1", "sum"),
)
retention["次日留存率"] = retention["次日回来"] / retention["新增用户"]
print(retention.round(3))

面试官追问

1. "怎么算 7 日留存？" → is_day7 = (date == first_date + 7days)，同理；留存曲线 = 对 D1/D3/D7/D30 分别算。

2. "新增用户里混着老用户怎么处理？" → 用首次登录日界定新增，保证每个用户只属于一个 Cohort（同期群）。

3. "留存下降可能是什么原因？" → 内容供给、推送触达、新用户 onboarding、版本回归、渠道质量变化——按这几个方向拆。

4. 题 3：转化漏斗与环节定位

题目

埋点表 event（user_id, date, event_name）。事件链：view_home → view_detail → add_cart → pay。请计算每一步转化率并指出流失最重的环节。

参考答案

import pandas as pd
import numpy as np

np.random.seed(9)
events = ["view_home", "view_detail", "add_cart", "pay"]
ev = pd.DataFrame({
    "date": np.random.choice(pd.date_range("2026-07-01", "2026-07-07", freq="D"), 80000),
    "user_id": np.random.randint(1, 15000, 80000),
    "event_name": np.random.choice(events, 80000, p=[0.5, 0.3, 0.13, 0.07]),
})

# ---------- 漏斗：每一步到达过的人数（去重） ----------
step_users = {}
for step in events:
    step_users[step] = ev[ev["event_name"] == step]["user_id"].nunique()

funnel = pd.DataFrame({
    "环节": list(step_users.keys()),
    "人数": list(step_users.values()),
})
funnel["转化率"] = funnel["人数"] / funnel["人数"].shift(1)
funnel["总体转化率"] = funnel["人数"] / funnel["人数"].iloc[0]
print(funnel.round(3))
#       环节   人数  转化率  总体转化率
# 0  view_home  14939  NaN    1.000
# 1 view_detail 10682 0.715   0.715
# 2  add_cart    4860 0.455   0.325   <- 流失最重：详情→加购
# 3        pay   2649 0.545   0.177

# 结论：加购环节转化率 45.5%，是全链路最短的板
# 建议：看详情页跳失原因（价格/库存/竞品比价），加购按钮与信任要素优化

面试官追问

1. "漏斗能不能按渠道拆分看？" → groupby(渠道) 重复上述过程，对比渠道质量。

2. "怎么看多天窗口而不是单日？" → 拉长观察窗口，用户可能跨天转化，用"最后一次曝光后 N 天"归因。

3. "埋点漏采怎么兜底？" → 以支付流水为准反推上游，或用抽样校准。

5. 题 4：同比 / 环比 / 周环比

题目

给每日 GMV，请计算：环比（vs 昨日）、同比（vs 去年同日）、周同比（vs 上周同日），并识别增长异常日。

参考答案

import pandas as pd
import numpy as np

np.random.seed(5)
dates = pd.date_range("2025-07-01", "2026-07-31", freq="D")
gmv = pd.Series(np.round(np.random.uniform(80, 120, len(dates)), 1),
                index=dates, name="gmv")

# 转 DataFrame 方便操作
df = gmv.rename("gmv").to_frame()

# ---------- 环比：vs 前一天 ----------
df["环比"] = df["gmv"].pct_change()

# ---------- 同比：vs 去年同日（365 天前） ----------
df["去年同日"] = df["gmv"].shift(365)
df["同比"] = df["gmv"] / df["去年同日"] - 1

# ---------- 周同比：vs 上周同日（7 天前） ----------
df["上周同日"] = df["gmv"].shift(7)
df["周同比"] = df["gmv"] / df["上周同日"] - 1

# ---------- 只看最近 10 天 ----------
recent = df.tail(10)[["gmv", "环比", "同比", "周同比"]]
print(recent.round(3))

面试官追问

1. "环比和同比什么时候用哪个？" → 环比看短期波动（适合日常监控）；同比消除季节性（节假日/大促要看同比）；两者结合才完整。

2. "为什么我环比大涨但同比大跌？" → 去年同期的基数效应：先看绝对值再看比率。

3. "周期性业务（周末高、周一低）怎么办？" → 用周同比、7 日滚动均值，避免被日内/周内节奏干扰。

6. 题 5：AB 实验结果的业务解读

题目

实验数据：对照组/实验组各 1 万用户，转化率 8.2% vs 9.1%。请判断：这个提升是否可信？要不要全量？

参考答案

import pandas as pd
import numpy as np
from scipy import stats

# ---------- 数据 ----------
n_c, n_t = 10000, 10000
conv_c, conv_t = 0.082, 0.091

# ---------- 卡方检验 ----------
table = np.array([
    [int(n_c * conv_c), n_c - int(n_c * conv_c)],   # 对照组：转化/未转化
    [int(n_t * conv_t), n_t - int(n_t * conv_t)],   # 实验组
])
chi2, p_val, _, _ = stats.chi2_contingency(table)
print(f"卡方={chi2:.3f}, p={p_val:.4f}")

# ---------- 差异的置信区间 ----------
diff = conv_t - conv_c
se = np.sqrt(conv_c * (1 - conv_c) / n_c + conv_t * (1 - conv_t) / n_t)
ci = (diff - 1.96 * se, diff + 1.96 * se)
print(f"差异={diff:.3%}, 95%CI=[{ci[0]:.3%}, {ci[1]:.3%}]")

# ---------- 业务解读三连 ----------
print("① 统计显著性：p 值是否 < 0.05？", "显著" if p_val < 0.05 else "不显著")
print("② 业务显著性：+0.9pp 相对 +11%，对业务意味着多少营收增量？")
print("③ 稳健性：样本量够不够（功效）、有没有 AA 校准、指标有没有多重比较？")

面试官追问

1. "p 值 0.04 就一定能上线吗？" → 不一定：要看效应量、置信区间下界、长期指标（留存/复购）、新奇效应。

2. "两组用户没随机好怎么办？" → 先做 AA 测试/协变量平衡检验；随机化失败则分层随机或匹配。

3. "实验开了一周，转化率升了但客单价降了？" → 可能抢了高价用户，看整体 GMV，别单看一个指标。

7. 题 6：指标异动归因（下钻）

题目

7 月 20 日 DAU 突然下降 15%，请给出一套归因分析流程并用 pandas 实现第一步下钻。

参考答案

import pandas as pd
import numpy as np

np.random.seed(11)
n = 150000

# ---------- 模拟 7/15 ~ 7/22 的活跃数据 ----------
uv = pd.DataFrame({
    "date": np.random.choice(pd.date_range("2026-07-15", "2026-07-22", freq="D"), n),
    "user_id": np.random.randint(1, 40000, n),
    "channel": np.random.choice(["自然", "广告", "推送", "外链"], n,
                                p=[0.4, 0.3, 0.2, 0.1]),
    "app_version": np.random.choice(["v5.2", "v5.3", "v5.4"], n),
})

# ---------- 第一步：时间维度确认异常范围 ----------
daily = uv.groupby("date")["user_id"].nunique()
base = daily.loc["2026-07-15":"2026-07-19"].mean()   # 基准：前 5 天均值
drop_day = daily["2026-07-20"]
print(f"基准 DAU={base:.0f}, 7/20={drop_day}, 降幅={(1 - drop_day/base):.1%}")

# ---------- 第二步：渠道下钻（哪个渠道在跌） ----------
# 对比 7/20 与基准期各渠道 DAU
base_ch = uv[uv["date"] < "2026-07-20"].groupby("channel")["user_id"].nunique()
d20_ch = uv[uv["date"] == "2026-07-20"].groupby("channel")["user_id"].nunique()
print("\n渠道降幅：")
print((1 - d20_ch / base_ch).round(2).sort_values(ascending=False))
# 广告渠道跌幅最大 -> 大概率是投放预算/素材问题

# ---------- 第三步：版本下钻（是否版本回归） ----------
base_ver = uv[uv["date"] < "2026-07-20"].groupby("app_version")["user_id"].nunique()
d20_ver = uv[uv["date"] == "2026-07-20"].groupby("app_version")["user_id"].nunique()
print("\n版本降幅：")
print((1 - d20_ver / base_ver).round(2).sort_values(ascending=False))

归因流程（背下来）：确认异常 → 拆时间/渠道/版本/地区 → 看外部事件（竞品、政策、故障）→ 定位根因 → 验证（拉长窗口）→ 出结论与建议。

面试官追问

1. "渠道下钻发现广告暴跌，怎么进一步定位？" → 广告位/素材/出价/定向再下钻；查投放后台数据。

2. "如果所有渠道都在跌？" → 大概率是产品侧或大盘问题：查崩溃率、版本灰度、竞品动态。

3. "归因结论怎么验证？" → 拉长对比窗口、排除同期干扰事件、必要时做对照实验。

8. 指标口径速查表

| 指标 | 公式 | 常见口径坑 |

|------|------|-----------|

| DAU | 当日去重活跃用户数 | 按账号还是设备？ |

| MAU | 当月去重活跃用户数 | 与 DAU 的月度去重不是简单相加 |

| GMV | Σ 已支付订单金额 | 含不含退款/取消/未支付？ |

| ARPU | 总营收 ÷ 活跃用户 | 分母用 DAU 还是 MAU？ |

| ARPPU | 总营收 ÷ 付费用户 | 与 ARPU 差一个"付费率" |

| 留存率 | D1/D7/D30 回来人数 ÷ 新增人数 | 新增如何定义？窗口如何对齐？ |

| 转化率 | 达成目标人数 ÷ 进入环节人数 | 漏斗每层口径要一致 |

| 环比 | 本期 ÷ 上期 - 1 | 上期是否是异常期？ |

| 同比 | 本期 ÷ 去年同期 - 1 | 闰年、节假日错位 |

| 复购率 | 购买 ≥2 次用户 ÷ 购买用户 | 周期内 vs 累计 |

9. 本章小结与自测清单

=== 本章核心 ===
1. 业务题先定口径再写代码，一句话"我先确认口径"价值千金；
2. 六类高频题：指标口径 / 留存 / 漏斗 / 同比环比 / AB解读 / 异动归因；
3. 漏斗找"最短的板"，异动归因按"时间→渠道→版本→外部事件"下钻；
4. AB 实验要看显著性 + 效应量 + 长期指标，不唯 p 值论。

面试前自测清单：

• [ ] 能不能 1 分钟说清 DAU/GMV/ARPU/ARPPU 的口径差异？
• [ ] 能否现场写出次日留存率的 pandas 代码？
• [ ] 能否指出漏斗中"转化率最低环节"并给出两个优化方向？
• [ ] 环比、同比、周同比分别什么时候用？
• [ ] AB 实验拿到 p=0.03，你能说出三个"还不能全量"的理由？
• [ ] 指标暴跌，你能按顺序给出归因流程？

下一篇预告：第 42 章 大厂面试：SQL 与 pandas 双引擎与规模化 —— SQL ↔ pandas 对照、大数据量方案、生产环境工程素养。