快手数据分析怎么准备
快手数据面试常问完播和直播：短视频更好完播，下沉和一线差很大。
五题覆盖完播、多样性、直播、SQL 和生态。用你的视频分析答。
快手怎么面数据分析
- 会问指标博弈。
- 下沉分层。
- 准备刷量。
面试阶段与知识点
第一批不把每个阶段拆成独立 URL，避免程序化重复页。阶段对应下面的题，练完再用模拟面试串起来。
- 完播：博弈。
- 多样：茧房。
- 直播：实时。
- 生态：作者。
值得开口练的题
每题给考察点、思路、结构化参考答案和追问。参考答案用来组织语言，面试时必须换成你自己的项目事实。
完播提升是否因为短视频变多？
考察点
- 分桶
- 有效时长
- 供给
回答思路
完播提升要先按时长分桶与有效观看拆解，确认是否因短视频供给变多而非推荐质量真正改善。
结构化参考答案
- 完播率分母须按视频时长分桶统计，有效观看需剔除秒滑与重复播放，供给结构变化要单独列占比。
- 排查顺序先看短于 15 秒内容占比是否上升，再查作者是否集中生产卡点视频，最后看用户有效观看时长是否同步。
- 业务上平台推更短内容会机械拉高完播，但不一定提升消费深度，指标博弈需要 guardrail。
- 验证收口用同长度分桶前后对比完播与次留，若仅短视频桶上涨则建议产品调整供给策略而非庆祝整体完播。
面试官可能追问
- 如何定义有效？
- 刷完播？
- 如何建议产品？
如何量化信息茧房？
考察点
- 重复
- 类目
- 负反馈
回答思路
量化信息茧房可看会话内作者与类目重复率、集中度及负反馈，实验里引入多样性作对照。
结构化参考答案
- 茧房 proxy 的分母以完整观看会话为单位，重复率统计同作者或同类目连续曝光占比，须声明广告是否计入。
- 排查顺序先算会话内重复与类目 HHI 集中度，再看不感兴趣与快速滑过是否上升，最后找个性化关闭或随机桶对照。
- 业务上茧房加剧会降低新内容发现与创作者生态活力，单纯提升时长可能是重复消费而非价值提升。
- 验证收口在推荐实验中加入多样性指标 guardrail，对照组重复率下降且留存不损才扩量，并可视化用户路径。
面试官可能追问
- 个性化关闭如何对照？
- 如何避免乱？
- 样本量？
直播在线人数被刷，分析如何降权？
考察点
- 异常
- 设备
- 延迟
回答思路
直播在线人数被刷时，分析侧要用异常节奏、设备簇与特征新鲜度降权，并与安全策略对齐避免误伤热门。
结构化参考答案
- 在线人数分母以进入直播间且停留超过阈值的 uid 为准，刷量账号须在统计前经异常检测过滤并单独披露。
- 排查顺序先看进房节奏是否机器化突刺，再查设备与 IP 聚集，最后检查特征是否过期导致模型漏检。
- 业务上虚假在线会扭曲打赏激励与流量分配，误伤真实热门场次会引发舆情，降权规则必须可解释。
- 验证收口降权规则上线后用 holdout 人工抽检与热门场次回放，误伤率可控后再接入实时看板并与安全联调。
面试官可能追问
- 误伤热门？
- 如何与安全协同？
- 实时延迟？
计算会话内作者重复率
考察点
- 窗口
- 键
- 广告
回答思路
会话内作者重复率须定义作者键、时间窗口与广告是否计入，空会话与连刷规则写死后再写 SQL。
结构化参考答案
- 重复率分母为单次会话内有效曝光视频数，作者键优先用 author_id，广告与直播切片须声明是否纳入分子。
- 排查顺序先确定会话切分规则与 30 分钟窗口，再处理连刷同一作者是否计多次，最后排除空会话与异常短会话。
- 业务上高重复反映推荐多样性不足，若广告计入会高估内容重复而低估商业曝光体验。
- 验证收口用抽样会话手算与 SQL 对账，可视化 TOP 重复作者分布，规则变更后复跑与产品对齐阈值。
面试官可能追问
- 连刷？
- 实时？
- 如何可视化？
头部作者占曝光，新作者起不来，你如何用数据推动配额？
考察点
- 供给
- 留存
- 实验
回答思路
头部占曝光挤压新作者时，用供给、次周开播留存与小流量配额实验推动公平，防刷号污染结果。
结构化参考答案
- 曝光集中度分母以 feed 有效曝光计，新作者定义须固定为首次发文后 N 天内，头部阈值用 P90 或固定粉丝档。
- 处理顺序先量化新作者获得首波曝光的比例，再看次周是否继续开播，最后设计小流量配额实验测留存与投诉。
- 业务上头部垄断会降低生态多样性，运营若只看总时长会忽视长尾创作者流失。
- 验证收口实验达标才扩大配额，头部反对时用数据展示生态长期收益，失败方案及时停并记录。
面试官可能追问
- 头部反对？
- 如何定义新？
- 失败停？
和岗位、模拟面试一起用
资料管理里保存目标岗位 JD，模拟面试会按简历出题。点题目下的按钮会把本题带进模拟开场，仍需先绑定简历与岗位。