各位同學(xué)大家好，我目前就職于某頭部互聯(lián)網(wǎng)電商大廠的產(chǎn)品運(yùn)營部門。

今天我給大家分享一下頭部互聯(lián)網(wǎng)電商大廠的面試流程，我的一些日常工作內(nèi)容，另外再給大家介紹一些相關(guān)工作案例。

01、頭部互聯(lián)網(wǎng)電商大廠的

面試流程是怎樣的

首先讓我們看到面試流程。

就我所在的公司為例，當(dāng)我們投遞簡歷后，首先HR會對你的簡歷做篩選，再HR這一關(guān)過了之后再投遞給技術(shù)，接著技術(shù)或者業(yè)務(wù)會對你進(jìn)行面試，技術(shù)這邊覺得合適后，還會有Boss會面，主要考察你的邏輯或者表達(dá)各種能力。Boss面完之后，最后還有HRBP，可能跟你談一些未來職業(yè)規(guī)劃，具體福利等內(nèi)容。

但對于大多數(shù)人而言，投簡歷給頭部大廠時(shí)，簡歷篩選階段可能就是一個(gè)非常大的問題。

其實(shí)大廠內(nèi)部也是非常缺人的，但是在簡歷篩選部分大廠有自己的標(biāo)準(zhǔn)，要求比較高。所以說HR簡歷篩選和技術(shù)用人需求是有所矛盾的。

有一種解決辦法就是，可以通過內(nèi)推。如果在大廠有認(rèn)識的人，可試著把你的簡歷發(fā)給他，可以讓他直接發(fā)給技術(shù)或者業(yè)務(wù)，這樣面試官直接對你進(jìn)行面試。如果說技術(shù)認(rèn)可的話，技術(shù)再把你的簡歷投遞給HR，直接告訴HR說這個(gè)人我要了，HR再對你進(jìn)行相應(yīng)的錄用。因此這種方式能夠一定程度上解決第一階段簡歷篩選的問題。

再聊聊我自己的情況，當(dāng)時(shí)CDA佟老師直接把我的簡歷推給了現(xiàn)在我所在的公司。公司對我進(jìn)行了技術(shù)相關(guān)的面試。他們會問的非常細(xì)，你簡歷上的每一條你寫的技能，還有你的工作經(jīng)歷，只要和他業(yè)務(wù)相關(guān)都會問。而且會深挖，比如說當(dāng)時(shí)我在簡歷上寫到我會爬蟲，除了問問一些爬蟲相關(guān)知識以外，他還會問到你有沒有了解一些反扒的東西。還有隨機(jī)森林等機(jī)器學(xué)習(xí)相關(guān)的內(nèi)容。另外還有我在簡歷上寫到，我之前做過圖片的文字識別，里面用到了OCR技術(shù)，那么面試官就會問你，OCR技術(shù)它的底層原理是什么，會類似這樣深挖地去問你。

02、大廠的日常工作模式是怎么樣的

關(guān)于日常工作的內(nèi)容，首先是一些流程性的。比如說有早會，然后有周會，日報(bào)和周報(bào)這些也是每天要提交的。

在我初到公司的這幾周，我學(xué)到更多的應(yīng)該是一種流程。我的leader會讓我梳理各種的工具包。首先是各種的sop，每個(gè)節(jié)點(diǎn)都梳理一個(gè)工具包。只看流程，每一個(gè)流程跑通，跑通之后就再無限的復(fù)制。每一個(gè)流程的節(jié)點(diǎn)都會讓我梳理一些工具包。比如說下層業(yè)務(wù)的工具包，宣傳物料的工具包，平臺使用的工具包等等。

無論對內(nèi)還是對外，都要根據(jù)所處的流程，按流程一步步走?；旧隙际前催@種流程式的工作。

03、大廠數(shù)據(jù)分析案例介紹

下面再給大家介紹一些數(shù)據(jù)分析的案例。

基于RFM模型的用戶精細(xì)化管理

這在企業(yè)中會怎樣應(yīng)用呢？

用戶畫像包含了基本屬性和高級屬性，RFM模型就是它高級屬性里面的一部分。

首先用畫像的基本屬性，像用戶登錄名、用戶級別、性別、年齡、婚姻狀況、學(xué)歷、職業(yè)等這些指標(biāo)都是可以輕易獲得的。

此外一些深層需要挖掘的指標(biāo)。比如說是否有小孩，小孩多大，小孩的性別，以及家庭是否有車，購買力怎么樣。

還有RFM挖掘出來的一些信息，比如說用戶屬于RFM模型里面哪個(gè)分組，然后它的標(biāo)準(zhǔn)化得分是多少，是不是我們的價(jià)值用戶，以及其忠誠度等信息，這些都是需要我們建立RFM模型這樣的算法來把深層指標(biāo)給挖掘出來的。

再給大家介紹一個(gè)用戶畫像和精準(zhǔn)營銷相關(guān)的案例。比如電商平臺A和B培訓(xùn)機(jī)構(gòu)合作推出課程，A平臺要幫B機(jī)構(gòu)做營銷活動--短信營銷。短信營銷的話就需要B機(jī)構(gòu)提供一些用戶的基本屬性，比如年齡、職業(yè)、學(xué)歷、城市等等基本信息。然后再給A平臺這邊提供一些案例，比如說在A平臺搜索過Python、MySQL、Excel、數(shù)據(jù)分析等關(guān)鍵詞的一些場景，把這些場景交給A平臺專門負(fù)責(zé)短信營銷的部門，把這些指標(biāo)交付過去，那邊對把A平臺的指標(biāo)體系和B機(jī)構(gòu)的指標(biāo)體系做匹配。

接下來是RFM模型這些概述性的知識，大家應(yīng)該都在課程中應(yīng)該都學(xué)過了。

它的主要用途就是幫助賣家更好了解自己的客戶，然后便于精準(zhǔn)的指定營銷活動提升轉(zhuǎn)化率，還有幫助賣家分析進(jìn)行的銷售情況。

這里是我公司用畫像體系的一部分，它的標(biāo)簽名稱，一些算法和應(yīng)用場景模型解釋等等。

首先用戶登錄名的主要就是營銷定位人群。

這個(gè)怎么解釋呢？比如說剛才的短信營銷，A平臺這邊從用戶畫像庫里面提取出來的，每一個(gè)用戶名對每一個(gè)人。然后主要是用來營銷定位一個(gè)人群，然后用戶級別主要用的是一些統(tǒng)計(jì)算法，然后主要用的場景就是可以定位人群，或者是進(jìn)行行為劃分。模型解釋就是根據(jù)用戶購物的評論和累積成長等，對用戶進(jìn)行一個(gè)等級劃分，應(yīng)該跟支付寶的會員級別應(yīng)該是比較像的。

用戶年齡、婚姻狀況、學(xué)歷、職業(yè)等都是通過一些算法，這些通過算法把它劃分出來，還有一些具體的應(yīng)用場景我們就不做細(xì)說了。

電商銷量預(yù)估

銷量預(yù)估一個(gè)典型的應(yīng)用場景是企業(yè)進(jìn)銷存的一個(gè)庫存管理。

對于電商公司來說，它要解決的一個(gè)非常大的痛點(diǎn)就是進(jìn)銷存，就是我要保證倉庫的貨物夠我賣，同時(shí)我又不能過多的進(jìn)貨，因?yàn)閭}儲能力和資金是有限的。

另外還要面臨一個(gè)問題，像一些大促活動比較，比如雙11、618這些大促，我還要保證我這個(gè)時(shí)候的庫存能滿足需求，不能出現(xiàn)供不應(yīng)求的情況。

如果說要做經(jīng)銷層管理的話，你就要用到銷售預(yù)測。

銷量預(yù)測它基本上有三種算法，統(tǒng)計(jì)算法、計(jì)學(xué)算法和深度學(xué)習(xí)算法。

統(tǒng)計(jì)算法的話，比如同年1月環(huán)比移動平均法。一年中有很多個(gè)月份，要預(yù)測某一個(gè)月份的銷量，那么就根據(jù)就近原則，離這個(gè)月份更近的月，它的權(quán)重就更大，遠(yuǎn)一點(diǎn)權(quán)重就次之。

所以說就可以建立一個(gè)這樣的權(quán)重之后，除以所有的權(quán)重總和，那么就可以得到較為近似的銷量預(yù)測。

有一些數(shù)據(jù)它可能季節(jié)性波動比較大，然后我們還可以用到的就是比如一年同月同比移動平均法。就是不同年份的同一個(gè)月份，它的銷量可以來消除季節(jié)性誤差，還是根據(jù)就近原則，可能離今年更近的這些日期，它的一個(gè)權(quán)重就會更高。

其實(shí)就是機(jī)器學(xué)習(xí)算法的一個(gè)預(yù)測，比如下面這個(gè)表格。

有10個(gè)用戶，已知他的搜索次數(shù)，有它的瀏覽次數(shù)，那么根據(jù)這些數(shù)據(jù)我就可以來預(yù)測他是否購買，可以用到一些算法，比如LightGBM、Prophet等算。

具體的建模流程，就首先采集數(shù)據(jù)，然后數(shù)據(jù)清洗數(shù)據(jù)預(yù)處理和特征工程。這些數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理和特征工程，它主要目標(biāo)都是為了對數(shù)據(jù)集做一個(gè)清洗，清洗之后把模型指標(biāo)給提取出來，列出來之后就開始進(jìn)行模型開發(fā)，建完模之后進(jìn)行模型調(diào)優(yōu)，之后對我們的數(shù)據(jù)進(jìn)行驗(yàn)證和迭代。

接著就是深度學(xué)習(xí)算法。

比如說LSTM這個(gè)算法，有一個(gè)之前做的案例，判斷大黃蜂報(bào)告真實(shí)性。背景是一個(gè)地方出現(xiàn)了一個(gè)新物種，我有這個(gè)物種在歷史上的一些停留的地點(diǎn)，那么我需要根據(jù)這些停留的地點(diǎn)來預(yù)測他下一次可能出現(xiàn)的地點(diǎn)。當(dāng)時(shí)就建立了LSTM這個(gè)模型來進(jìn)行預(yù)測，準(zhǔn)確率還是蠻高的。實(shí)際預(yù)測出來的跟真實(shí)的數(shù)據(jù)值只相差了700多米，這是美國一個(gè)州的范圍，精度是相當(dāng)高的。

C2M反向定制和新品分析

C2就是傳統(tǒng)的電商模式，就是工廠到消費(fèi)者，品牌公司把設(shè)計(jì)好的產(chǎn)品交給工廠，由工廠來通過終端來送給消費(fèi)者，確保產(chǎn)品的合理，同時(shí)質(zhì)量服務(wù)都有保障，為消費(fèi)者提供性價(jià)比比較高的產(chǎn)品。

像自營類的F2C電商，例如網(wǎng)易嚴(yán)選、淘寶新選、京東京造，開放平臺類的F2C電商，如網(wǎng)易考拉工廠店、拼工廠。C2M是用戶直連制造，是一種新型的工業(yè)互聯(lián)網(wǎng)電子商業(yè)模式，被稱為“短路經(jīng)濟(jì)”，它主要是彌補(bǔ)傳統(tǒng)的F2C電商模式的一些不足，比如說自營模式它的品牌是屬于自己，它能彌補(bǔ)剛才我們說的不不足。

傳統(tǒng)F2C有一些特點(diǎn)，首先就是我設(shè)計(jì)的一些產(chǎn)品，然后這些自己擁有這些品牌。

然后第二個(gè)特點(diǎn)就是先生產(chǎn)后銷售，然后面臨一些庫存壓力。第三就是重產(chǎn)品設(shè)計(jì)，重品牌定制化，產(chǎn)品嚴(yán)重快時(shí)尚品。第四個(gè)就是需要輿情洞察，用戶行為分析來設(shè)計(jì)新品。

主要是下層的營銷和運(yùn)營層來輔助和上層，從設(shè)計(jì)到生產(chǎn)再到同樣市場。新品分析的重要性，新品當(dāng)然代表了新技術(shù)、新設(shè)計(jì)、新功能、新體驗(yàn)和更好的利潤，新品將成為品牌商提前占領(lǐng)行業(yè)的先機(jī)，然后成為品牌競爭中強(qiáng)有力的一環(huán)等等。

根據(jù)大數(shù)據(jù)顯示，2018-2020年新品發(fā)布量是迅迅猛增長的，2020年1月的單月新品發(fā)布量超過2018年全年，2021年第一季度單季新品發(fā)布量已接近2019年全年發(fā)布量的90%，所以說新品迭代速度是比較快的。

觸點(diǎn)分析

首先什么是觸點(diǎn)？一切被用戶觸達(dá)，甚至感覺到對象都可以稱之為觸點(diǎn)。就像你進(jìn)入電商平臺，然后有一些什么秒殺、優(yōu)惠券、發(fā)現(xiàn)好物、領(lǐng)券中心、每日特價(jià)為你推薦等這些都是觸點(diǎn)。

觸點(diǎn)可以理解為被你點(diǎn)擊的東西，它的主要作用是把你的行為給數(shù)據(jù)化，通過來設(shè)計(jì)一個(gè)又一個(gè)的觸點(diǎn)，就可以知道你的行為。你每點(diǎn)一下，然后后臺都是有記錄的，然后他就會分析哪些觸點(diǎn)更能吸引你。

觸點(diǎn)的應(yīng)用，更好增加用戶體驗(yàn)，目標(biāo)是如何通過觸點(diǎn)來滿足用戶的需求，如何設(shè)計(jì)觸點(diǎn)來獲取用戶的信任，然后如何設(shè)計(jì)觸點(diǎn)使之更高效，降本。

觸點(diǎn)與需求的因果關(guān)系，先有需求還是先有觸點(diǎn)？

這個(gè)沒有一個(gè)必然的關(guān)系，你首先根據(jù)需求設(shè)計(jì)觸點(diǎn)，但是進(jìn)行分析的時(shí)候，觸點(diǎn)記錄的數(shù)據(jù)進(jìn)行分析的時(shí)候可能產(chǎn)生新的需求，然后你還需要優(yōu)化迭代觸點(diǎn)。

消費(fèi)者資產(chǎn)模型

首先這個(gè)模型的概念，用戶對一件商品的認(rèn)知和理解，就是一定通過某種感官觸達(dá)的，也就是我們的第一個(gè)認(rèn)知，比如蛋糕店附近有香味，這就是為了來觸發(fā)你的味覺。大眾汽車廣告公司結(jié)尾的時(shí)候，是為了來觸達(dá)你的聽覺。店鋪的裝修為了來觸達(dá)你的視覺。

然后首先觸達(dá)，觸達(dá)之后，然后你對這個(gè)品牌有些認(rèn)知之后，再吸引之后，然后再采取行動，采取行動之后再讓你維護(hù)這個(gè)品牌。然后品牌用戶的資產(chǎn)的意義在于讓平臺和品牌商知曉自己的用戶到底有多少，在哪里轉(zhuǎn)化，過程是否健康，從而做出針對性的營銷動作。

這些還這剛才說的4個(gè)指標(biāo)：認(rèn)知，我認(rèn)知用戶有多少；吸引，從認(rèn)知到我吸引過來的用戶多少；然后哪些用戶采取了行動，最后哪些用戶變成了忠誠用戶。

這有一個(gè)案例，比如說今年有一個(gè)品牌的ROI非常低，然后需要我們?nèi)ピ\斷問題。

那么怎么來發(fā)現(xiàn)哪里出問題了，這就需要這就可以用到C模型。C模型的話，首先有多少用戶，活動期4A關(guān)系加深率?？梢钥吹秸J(rèn)知到興趣丟失了10%，那么這個(gè)是丟失的，就是認(rèn)知到興趣，然后再到行動，反正各個(gè)環(huán)節(jié)你都可以有一些指標(biāo)來定義，定義的話哪個(gè)環(huán)節(jié)出問題了，你就可以直接發(fā)現(xiàn)，然后進(jìn)行調(diào)整。