美团数据分析怎么准备
美团数据面试常问履约和补贴：超时、城市、停补后还在不在。全国均值会骗人。
五题覆盖超时、城市、补贴、SQL 和冲突。用你的本地生活分析答。
美团怎么面数据分析
- 会问分母包不包含取消。
- 城市分层。
- 准备停补。
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。
- 超时：分母。
- 城市：分层。
- 补贴：效率。
- 指标：冲突。
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。
超时率分母包不包含用户取消？
考察点
- 定义
- 责任
- 披露
回答思路
超时率分母是否含用户取消须先固定并披露，取消原因要分层，对比历史与竞品时必须同口径。
结构化参考答案
- 超时率分母可定义为商家已接单的订单，是否剔除用户主动取消须在指标字典写死，改址与拒收单独编码。
- 排查顺序先拆取消原因看责任归属，再对比恶劣天气与城市分层，最后检查是否近期改了 ETA 或骑手调度策略。
- 业务上含取消会压低超时率但掩盖履约压力，不含取消更反映配送能力，选哪种取决于考核对象。
- 验证收口用历史回测两种定义下的趋势差异，与客服投诉和骑手侧日志抽样对齐，变更须公告并保留旧版曲线。
面试官可能追问
- 改址？
- 恶劣天气？
- 如何回测定义？
全国转化涨、某城崩了，如何避免被均值藏住？
考察点
- 分层
- 权重
- 告警
回答思路
全国均值掩盖城市崩盘时，必须做城市分层与加权看板，小城样本虽少也要单独告警，不能只看大盘。
结构化参考答案
- 转化分母按城市与品类分别统计下单用户占访问用户，全国汇总须注明是否人口或 GMV 加权，避免小城被稀释。
- 排查顺序先找贡献负向的城市列表，再查是否当地运力、供给或竞争事件，最后看是否某渠道只在一个城投放。
- 业务上一线城涨而下沉城跌常见于补贴结构变化或本地供给撤出，全国均值上涨会延误止损。
- 验证收口建立城市级日报与阈值告警，样本不足的城市用贝叶斯平滑或合并同类城，修复后单独验收该城转化。
面试官可能追问
- 如何选代表城？
- 样本量小？
- 如何汇报？
补贴 ROI 好看，如何判断是不是买来的泡沫？
考察点
- 留存
- 结构
- 停补
回答思路
补贴 ROI 好看时要警惕泡沫，重点看停补后留存、用户结构与分城 ROI，羊毛占比是质量门。
结构化参考答案
- ROI 分母以实际补贴成本为准，分子须用同口径净 GMV 或履约完成单，禁止用未扣退款的毛 GMV 夸大收益。
- 排查顺序先识别高补贴低留存人群，再算停补或降补 cohort 的留存曲线，最后分城看商家是否被扭曲定价。
- 业务上补贴买来的订单可能在停补后大量流失，若羊毛用户占比高则 ROI 是短期账面好看。
- 验证收口建议做小范围停补实验或阶梯退坡，对比 30 日 LTV 与投诉率，达标才扩大补贴否则喊停。
面试官可能追问
- 无法停补？
- 商家扭曲？
- 如何喊停？
计算 ETA 误差时如何处理取消单？
考察点
- 样本
- 截断
- 非对称
回答思路
ETA 误差统计须写死取消单是否入样本，估早与估晚分开看，分城与改址场景单独建模。
结构化参考答案
- 误差分母以骑手已取餐且用户未在送达前取消的订单为准，取消若入样本须按取消时刻截断并单独披露。
- 排查顺序先拆估早估晚分布看是否系统性偏乐观，再分城看路况与门店备餐差异，最后对齐用户投诉标签。
- 业务上把大量取消计入会稀释误差，但剔除取消可能忽略 ETA 误导导致的取消，两种口径回答不同问题。
- 验证收口用抽样订单回放实际轨迹与 ETA 记录，与投诉工单交叉验证，规则变更后监控 P90 误差是否改善。
面试官可能追问
- 改址后 ETA？
- 如何和投诉对齐？
- 时区？
产品要优化下单，运营要优化超时，指标冲突你怎么办？
考察点
- 共同看
- 约束
- 实验
回答思路
下单与超时指标冲突时，把超时作为下单优化的约束条件，实验设计双指标同看，书面约定优先级。
结构化参考答案
- 下单转化分母以进入下单页或提交订单的用户为准，超时率分母以已接单订单为准，两者时间窗与品类范围须对齐声明。
- 处理顺序先量化提下单对超时率的边际影响，再设计带约束的实验或 Pareto 前沿，最后与运营产品共定阈值。
- 业务上只优化下单可能堆压运力导致超时投诉上升，只压超时又可能牺牲 GMV，需要联合目标而非单指标竞赛。
- 验证收口实验报告必须同时展示下单、超时与投诉，未达约束不推全量，会议纪要固定约束线与升级路径。
面试官可能追问
- 谁设约束？
- 如何中立？
- 全量压力？
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。