指标与因果

• 你们的核心指标是怎么定义的？分子分母、时间窗口、去重和排除规则分别是什么，为什么它是核心指标？
• 你的漏斗是怎么搭起来的？每一步为什么这样划分，流失主要发生在哪里，怎样确认各步骤的定义不重叠也不遗漏？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 一次获客活动带来大量注册，但其中一部分地区暂不可服务，导致新用户的实际可服务比例下降。你会如何定义并呈现这次活动的增长结果？
• 品牌广告、搜索和联盟渠道同时覆盖同一批潜在客户，归因平台把大部分转化都记给最后一次点击。你会如何估算各渠道的真实增量贡献，并说明结论边界？
• 一项结账体验实验提高了支付完成率，但投诉和退款也上升。你会如何判断实验是否成功，以及需要等待多久才能作出决定？
• 产品、运营和销售的周报都写着“留存”，但分别指回访、关键功能使用和续约。你会如何组织讨论，让指标名称对应清楚的用户行为和业务决策？
• 一次会员运营计划提高了复购频次，但平均订单金额和毛利同时下降。你会如何区分健康的消费习惯变化、跨期购买迁移和促销驱动的低质量增长？
• 新自动化流程将处理速度提高一倍，同时减少了人工复核，但错误对少数高价值客户影响更大。你会如何评估整体净价值并决定扩大范围？
• 总体转化率上升，但新用户和低网速地区表现明显变差。你会怎样检查分层、选择偏差和整体指标掩盖的问题？
• 多个团队围绕同一北极星指标优化后，系统里出现重复内容和低质量交互。你会怎样判断指标失真并调整护栏？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 活动随机留出 10% 用户，但这些用户仍可能看到其他渠道的广告、收到销售联系或通过自然推荐进入。活动组转化更高，渠道团队想据此扩预算。你会如何检查组间差异并判断结果？
• 折扣活动期间订单量增长 30%，但大量订单来自原本会购买的老客，折扣还改变了商品组合。你会怎样判断活动创造了多少增量毛利？
• 算法团队预计升级推荐模型能提升 3% 的转化率，但运营将失去对核心版面的人工调整权。你会如何设计实验和决策规则，同时评估实验无法衡量的价值？
• 机器人升级后，“没有转人工”的会话被算作已解决，解决率从 72% 升到 91%。同一周转人工入口移到了二级菜单，分母也改了。你今天会怎样回应取消周末人工值守的提议？
• 你的项目带来了什么业务结果？你怎样确认这个结果是这个项目带来的，而不是别的因素？
• 活动期间次日留存上升了。你怎样判断这是活动带来的净增量，而不是原本就会发生的变化？
• 选谁来做对比，会直接改变结论。你为什么选这些对比对象？换一个对象，你的结论会怎样变化？
• 你拿竞品的数据来对标时，怎样判断哪些可以比，哪些不可以比？你最终用它做了什么决定？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 某个关键任务的完成率本周下降了。在解释原因之前，你会按什么顺序确认变化是真的、范围在哪里、用户付出了什么代价？
• 漏斗各环节的变化，最终怎样作用到业务指标上？哪一环改善一点，业务指标的变化最大？这个判断依据是什么？
• 把你的指标换算成行业通用定义之后，它处在什么位置？换算过程中做了哪些假设，损失了什么信息？
• 一张看板放了几十项指标，团队的注意力总被最显眼的数字吸走。请选一条用户任务，说明你怎样给指标分级，并决定哪些进入核心清单。
• 你负责的指标定了一个目标，你怎样把它拆解到具体的杠杆和动作上，并在过程中判断能不能达成？
• 老板提出的是业务痛点，比如获客成本高、留存差。你怎样把它翻译成技术团队能够攻坚的目标，并说明技术手段怎样作用到这些业务指标上？
• 你上线的上一个新功能，核心指标（比如转化率、点击率、留存）上线前后的具体数据变化是多少？如果数据不如预期，你通常从哪些维度去排查原因？
• 新功能鼓励用户邀请朋友，邀请者和朋友可能分在不同实验组。实验结果显著，但组间传播无法完全隔离。你会怎样评估结论？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 一个重要流程完成改版后，团队预期的完成率没有提升，但客服求助量下降、老用户反馈更好，新用户行为却变差。你会怎样检查指标定义和用户分群，判断设计产生了什么影响，并决定下一轮行动？
• 团队把转化率定义为购买人数除以访问人数；改版后访问人数下降，但购买人数基本不变，转化率因此上升。你会如何判断改版是否改善了目标用户的购买体验？
• 结账、推荐和促销团队同时运行实验，共享流量和收入指标；结果方向相反，团队分别宣称自己的方案有效。你会如何识别实验之间的相互影响，并判断每个方案带来了什么变化？
• 运营流程自动化后，单个工单平均处理时长下降，但逾期积压增加，复杂案件的等待时间变长。你会如何分析队列分布和服务结果，判断自动化是否有效？
• 团队把“活跃客户”从登录过一次改成完成关键任务，并在季度中更新仪表盘；管理层仍将新旧规则的同比趋势直接比较。你会如何呈现定义变化和可比性边界？
• 一个新流程的小流量实验显示转化提升很大，但只有几十名用户，且其中几笔大额交易占了多数收益。你会如何判断结果稳定性、风险和是否继续扩大样本？
• 产品改动提高了用户完成配置的比例，但续费和长期使用要几个月后才能观察；团队希望据此扩大投入。你会如何评估代理指标与最终结果的关系和当前决策风险？
• 某季度用户活跃度和成交额同时上升，期间团队上线新功能、竞争对手退出一个地区，且季节性需求也变强。你会如何估计产品动作的增量贡献并说明结论边界？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 监控显示投诉率突然下降，但上游事件延迟增加，过去类似延迟会在次日补回大量投诉。值班负责人需要决定是否继续推广新流程。你会如何评估数据新鲜度和决策可用性？
• 改版后整体留存率上升，但新注册用户占比下降、老用户占比增加；各自群体内部留存几乎不变。你会如何判断产品变化的贡献并重构分析？
• 一次体验改版后净推荐分提高，但应用商店的负面评论数量和客服升级案例也增加；两类数据的用户来源与反馈时间不同。你会如何判断用户体验是否真实改善？
• 团队过去以响应速度衡量支持质量，现有自动回复缩短了首次响应，却没有缩短解决时间；复杂问题还被拆成多个工单。你会如何重新定义成功指标和反作弊约束？
• 随机实验运行期间平台同时调整了收费政策，处理组和对照组受到影响程度不同。你会如何判断实验结果还能支持什么结论？
• 品牌广告曝光增加，但短期直接转化没有变化，销售周期可能长达数月。你会如何决定继续观察、调整创意或停止投入？
• 推荐算法会改变内容排序并影响创作者供给，处理组的行为也改变了对照组可见内容。你会如何评估实验设计？
• 新手引导实验短期激活提升，但样本主要来自促销周，长期留存尚未成熟。你会怎样判断证据强度和下一步？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目

• 你做的一项改进没有可靠的数字。你会拿出哪些别的证据，让别人相信它确实改善了什么？

当前目标在这里暂无匹配题。 切换目标 · 查看全部题目