# 面试流程
**第一轮：4.23** 
1.介绍一下自己
2.介绍一个数据驱动的项目（针对项目问了很多问题，诸如为什么这样设计，有什么地方想改善）
3.平时经常使用什么类型的产品
（1）有什么想要改善的地方
--- 我介绍自己最近一直在研究字节的新产品 gogokid，并且认为first time user experience做得不是特别好，希望通过增加新手教程来改善
（2）具体怎么确定改善的不错（典型的ab实验导向）
--- 确定实验目标：增加新手教程的目的是希望改善用户第一次登陆使用产品的体验，接下来需要思考那些kpi可以反应用户的体验，比如d1 retention, d7 retention
--- 设计实验：ab实验的设计步骤

*第二轮：4.26 **
1.介绍一下自己
2.介绍一个数据驱动的项目
3.如果想提高你公司的gmv（我之前在一家wish做da），你想怎么做
4.给抖音设计一个数据看版，你想怎么设计（我的回答事后觉得中规中矩，仅供大家参考并讨论哈）
（1）理清抖音的产品逻辑（如果把抖音看成一个供需市场，有创作者提供视频，有更多的消费者看视频，并且消费者通过点赞评论转发与创作者交互，同时平台从中变现，同时注意产品的时间基础，比如抖音属于日用产品，那么应该多关注日用指标）
（2）围绕产品的关联方，设计相对应的指标进行观测
--- 创作者：每一天新视频的产生量，每一天的创作者；
--- 消费者：DAU，Time Spent/DAU, Number of Sessions;
--- 交互：评论数量，点赞数量
--- 平台：收入
（3）最后对于每一个产品都提前做好segmentation，比如DAU在设计的时候分不同的用户年龄，用户性别，地区，等等。便于之后分析或者查找异常值
5.我们发现一部分用户的参与度并不好，该怎么去改善呢（这道题我感觉自己答得特别不好，先把我当时答案列出来，再列出我后来重新想的答案，供大家讨论。友情提示：这属于一个非常典型的四类数据分析中的描述性分析，诊断类分析和预测性分析）
（1）我的答案：
--- 找到平台参与度最高的10%或5%的用户，假设一些影响他们参与度高的因素，然后通过描述性数据分析寻找相关性（注意，这里只是寻找相关性，因果性只能通过ab实验才能被验证）
--- 确定一些因素后，赋予到并不engage的用户上，设计一些ab实验，探究效果
这里面试官追问，可不可以不通过ab实验，我给出的回答挺差的，我希望通过找到一些曾经不engage，后来非常engage的用户，看看改变他们的因素是不是我们一开始假设的因素。（这个回答非常天真善良萌萌哒，但感觉自己其实挺不专业的）
（2）重新思考后的答案：
--- 建立一个机器学习模型，通过最终模型的系数，找到对参与度影响最高的因素（变量），进一步确定改善哪些方面

这是第一轮和第二轮的总结了。