主题
指标与度量
这些题与问题库里的是同一批，这里按各自主要考察的能力分组。
200 道问题
本页为第 51–100 题，共 200 题。
A · 专业解题与实现1
当前目标在这里暂无匹配题。 ·
B · 业务理解与领域建模3
C · 价值判断与方向规划44
- 某功能使用频率很高，却没有带来留存或付费改善。你会如何判断它是核心价值、习惯性操作还是错误激励？
- 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？
- 新平台可以减少未来开发成本，但旧系统仍需维护两年；本季度预算只能支持一项完整投入。你会怎样比较建设、迁移和维持现状的组合？
- 行业进入存量时代，公司要求把看交易额的思维彻底转成看净利润。你怎样通过调整抽成比例和优化供应链运营成本，在不引发商家或创作者大规模流失和抗议的前提下，把净利润做上去？
- 从产品角度，你怎样计算一个方向的投入产出比？人力、成本和收入分别怎么算，年度经常性收入（ARR）这类指标在其中怎么用，又有哪些地方会被高估？
- 免费功能带来大量活跃用户，但推理和支持成本同步上升，你会怎样评估免费层的商业作用？
- 平台补贴让交易量上升，但停止补贴后供需又迅速回落，你会怎样判断补贴是否创造了可持续价值？
- 品牌投放期间自然搜索和直接访问都增加，但同期也提高了搜索广告预算。你会怎样评估品牌对新增需求的贡献，而不是把效果广告截获的转化算成品牌成果？
- 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？
- 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？
- 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？
- 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？
- 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？
- 指标达成了，但你觉得业务并没有真的变好。遇到过吗？你怎么发现的，怎么处理？
- 功能上线后，你怎样判断它有没有达到当初的目标？什么时候复盘，复盘之后你会做出什么不同的决定？
- 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？
- 项目进行中用户结构或外部环境发生变化，改动前的数据已不再可比。你会怎样继续判断项目结果？
- 目标指标提升了，但退款、客诉或人工处理量同时恶化，你会怎样判断结果是否可接受？
- 功能上线初期效果明显，但几个月后逐渐消失，你会怎样判断价值是短期新奇效应还是长期改变？
- 最终业务结果要数月后才显现，但团队现在必须决定是否继续投入，你会怎样使用领先指标？
- 多个团队同时改了产品、价格和运营流程，整体结果变好了，你会怎样判断各项投入分别贡献了什么？
- 实验没有显示预期提升，但也没有证据证明方案无效，你会怎样决定继续、调整还是停止？
- 两个项目都达到部分目标，但一个项目单位投入带来的用户收益更高，你会怎样重新分配资源？
- 试点团队达到了目标，但推广到更多地区或客群后效果不稳定，你会怎样判断结果是否可复制？
- 一次改版提高了付费转化，却让更多用户无法完成核心任务。你会怎样判断这次增长是否值得？
- 一项新产品探索已投入两个季度，试点用户完成率持续低于目标；团队认为再加一项能力就能改善。你会如何判断继续投入的证据和停止条件？
- 你们把一个高流量流程改成连续步骤后，整体完成率提高了，但客服投诉显示用户更难找到退出、撤销或改选入口。你会如何判断这是真正的体验改善、分群差异还是指标定义造成的假象？
- 一项老功能只有少数客户使用，但承担月底对账；维护成本持续上升。你会怎样比较迁移、收费维护和退役方案？
- 新流程使每周上线功能数增加一倍，但用户任务完成率没有改善，支持工单还略有上升。你会怎样判断应该继续、调整还是停止？
- 讲一个你参与的技术平台改造项目：上线后使用团队很少，业务结果也不明显。你当时根据什么数据或假设决定投入？后来哪些判断被证据推翻，你增加了什么验证方式？
当前目标在这里暂无匹配题。 ·