字节电商数据科学面经

抖音的“兴趣电商”模式，与淘宝、京东的“搜索/货架式电商”模式相比，其底层的数据驱动逻辑最核心的不同是什么？

如果让你来为抖音电商设计一个核心指标体系，你会如何构建？

追问： 这个体系如何能够同时反映“内容生态”、“交易生态”和“用户体验”这三个维度的健康状况？

描绘一下，一个用户在抖音上从“刷到一个种草短视频”到“完成商品购买”的全链路转化路径。

追问： 作为数据科学家，你会在这条路径上设置哪些关键的数据监控节点，来分析和优化漏斗的每一步转化效率？

我们希望能够提前预测一个商品成为“爆款”的潜力。你会如何设计一个“爆款预测模型”？

追问： 在你的模型中，你会考虑引入哪些来自“字节跳动全域数据生态”的Features？（例如，短视频热点趋势、达人粉丝画像、用户内容消费偏好等）

（A/B test） 产品团队希望测试一个新的、更沉浸式的直播间购物界面。你会如何设计一个严谨的A/B实验来评估这个新设计的综合影响？

追问： 除了关注GMV、转化率等交易指标，你还会设立哪些护栏指标来确保新的界面不会损害用户的观看体验或互动行为？

（手搓） 我们需要分析“直播带货”的归因。请描述你的SQL查询逻辑，如何找出那些“在过去7天内，观看了某场直播超过5分钟，并且在直播结束后的24小时内购买了该场直播推荐的商品”的用户群体。

平台整体GMV在增长，但“用户月均购买频次”却在下降。你会如何搭建分析框架，来系统性地探究这个“量升频降”现象的根本原因？

从数据科学的角度，你认为这亚马逊和tiktok shop模式在用户画像、数据资产和算法策略上有哪些根本性的差异？

如何理解数据仓库中的“维度建模”？为什么一个良好的数据仓库设计，对于电商业务的数据分析至关重要？

分享一个你在过往项目中，使用Python或R进行数据挖掘或机器学习，并得出一个有价值洞察的完整案例