DA 面试 · Case Study
产品指标类 Case
产品指标类 Case 是数据分析师面试中最高频的题型之一。它考察的是你能否为产品定义合适的指标、诊断指标异常、用数据回答产品决策问题。本篇通过完整的案例演练，帮你掌握实战应对技巧。
Case 1：为新功能设计成功指标
题目：你是某短视频 App 的数据分析师，产品团队刚上线了”好友一起看”功能（允许用户邀请好友同步观看同一个视频并实时聊天）。请为这个功能设计一套衡量成功的指标体系。
分析思路
第一步：理解功能目的
先思考这个功能的业务目标是什么：
- 提升用户活跃度：通过社交互动增加用户使用时长
- 提升留存率：社交关系增强用户粘性
- 差异化竞争：增加产品独特卖点
第二步：设计指标体系
按”北极星指标 → 核心指标 → 过程指标 → 护栏指标”的层级来设计：
| 层级 | 指标 | 定义 | 为什么选择这个指标 |
|---|---|---|---|
| 北极星指标 | 每周使用”一起看”的独立用户数 | 每周至少发起或参与 1 次”一起看”的 UV | 直接反映功能的受欢迎程度 |
| 核心指标 | 一起看发起率 | 发起”一起看”的用户数 / DAU | 衡量功能的渗透率 |
| 一起看完成率 | 成功建立连接的次数 / 发起邀请的次数 | 衡量功能体验是否顺畅 | |
| 平均一起看时长 | 每次”一起看”的平均持续时间 | 衡量用户在功能中的投入程度 | |
| 过程指标 | 邀请发送数 | 每日发送的邀请总数 | 衡量功能的使用活跃度 |
| 邀请接受率 | 接受邀请 / 发送邀请 | 衡量被邀请方的意愿 | |
| 一起看中消息数 | 实时聊天中发送的消息条数 | 衡量社交互动深度 | |
| 护栏指标 | App 整体崩溃率 | 新功能是否增加了技术稳定性风险 | 确保新功能不影响核心体验 |
| 非”一起看”用户的使用时长 | 不使用该功能的用户时长是否下降 | 确保功能推广没有干扰其他用户 |
第三步：定义成功标准
“我认为这个功能的成功标准是：上线 4 周后，一起看的周 UV 渗透率达到 DAU 的 5% 以上，使用过该功能的用户 7 日留存率比未使用用户高出 3 个百分点以上，同时护栏指标（崩溃率、其他用户时长）没有显著恶化。”
面试加分回答
- 提到需要做 A/B 测试来排除”自选择偏差”（使用新功能的用户本身就是高活跃用户）
- 提到功能的长期和短期指标可能不同（短期看渗透率，长期看对留存的贡献）
- 提到不同用户群体的差异分析（新用户 vs 老用户，不同年龄段）
Case 2：诊断指标异常
题目：你是某电商平台的数据分析师，本周的订单转化率（下单人数/访问人数）从 4.2% 下降到 3.5%。请分析可能的原因。
结构化回答示例
第一步：确认问题
“在分析之前，我想先确认几个问题：
- 这个下降是哪天开始的？是逐渐下降还是某天突然下降？
- 转化率的计算口径有没有变化？比如’访问’是否包含了新增的 Web 端流量？
- 同期有没有产品更新、促销活动结束、或者竞对动作？”
第二步：指标拆解
将转化率公式拆解：
转化率 = 下单人数 / 访问人数
两种可能：
- 分子下降：下单人数减少了
- 分母上升：访问人数增加了（但这些新流量质量低、不会下单）
- 两者同时发生
第三步：分维度排查
| 维度 | 分析方法 | 可能发现 |
|---|---|---|
| 平台/设备 | 拆分 iOS / Android / Web 的转化率 | 可能某个平台的 App 更新导致 Bug |
| 流量来源 | 拆分自然流量 / 付费流量 / 推送流量的转化率 | 可能新增了一批低质量付费流量 |
| 品类 | 拆分各品类的转化率 | 可能某个热门品类缺货 |
| 用户类型 | 新用户 vs 老用户的转化率 | 可能新用户增多但转化率低 |
| 地理区域 | 各地区的转化率变化 | 可能某地区有物流问题 |
| 漏斗步骤 | 浏览→搜索→详情页→加购→下单各步转化率 | 定位具体卡在哪一步 |
第四步：提出假设与验证
“基于分析，我提出三个假设：
假设 1：上周的付费广告投放拉入了大量低意向流量
- 验证方法：对比付费渠道和自然渠道的转化率变化
- 如果付费渠道转化率大幅下降但自然渠道稳定，证实此假设
假设 2：某个品类的库存不足或价格调整导致下单减少
- 验证方法：按品类拆分转化率，检查热门品类的库存状态
- 如果某品类的详情页到加购的转化率骤降，可能是缺货或涨价
假设 3：移动端 App 更新引入了支付流程的问题
- 验证方法：对比更新前后、新旧版本的支付完成率
- 如果新版本的加购到支付步骤转化率明显低于旧版本，证实此假设”
第五步：建议
“如果验证结果指向假设 1，我建议优化付费投放的受众定向，降低无效流量占比；如果是假设 3，建议紧急回滚或修复支付流程 Bug。同时建议建立转化率异常的自动告警，以便更快发现问题。”
Case 3：产品决策支持
题目：产品团队在考虑要不要把 App 的注册流程从”必须注册才能浏览”改为”可以先浏览再注册”。你怎么用数据支持这个决策？
结构化回答
分析框架：
“这是一个关于’降低准入门槛是否能提升整体转化’的问题。我会从三个角度来分析：
1. 分析当前注册环节的流失情况
- 查看当前从下载到注册完成的转化漏斗
- 分析在注册页面流失的用户有多少？他们卡在哪一步？（手机号验证？密码设置？个人信息填写？）
- 估算如果取消强制注册，潜在能留住多少用户
2. 参考行业 Benchmark 和竞品做法
- 竞品是否允许先浏览再注册？
- 行业内允许游客浏览的 App，其后续注册转化率和用户质量如何？
3. 设计 A/B 测试
- 实验组：允许先浏览后注册
- 对照组：保持现有的强制注册流程
- 核心指标：注册转化率、首日留存率、7 日留存率、首次购买转化率
- 护栏指标：注册后用户质量（LTV 预估）、垃圾用户比例
- 样本量和实验时长：基于当前日均新增用户数估算
预期结论：
- 乐观情况：先浏览再注册能显著提升最终注册率，且用户质量不下降
- 风险情况：注册率可能提升，但大量用户只浏览不注册，整体注册用户数反而可能下降
- 建议设置”触发注册”的节点——当用户尝试使用核心功能（如加购、收藏）时引导注册，平衡体验和转化”
产品指标 Case 的高频话题清单
| 话题 | 典型问题 | 分析要点 |
|---|---|---|
| 留存下降 | “7 日留存下降了，为什么？” | 新老用户拆分、功能使用关联分析、版本对比 |
| 转化率优化 | “如何提升注册/付费转化率？” | 漏斗分析、A/B 测试、用户分群 |
| 功能效果评估 | “新功能上线一个月了，效果如何？” | 渗透率、使用频率、对核心指标的增量影响 |
| 用户增长 | “如何获取更多用户？” | 渠道分析、CAC/LTV、病毒传播系数 |
| 变现策略 | “应该对哪些功能收费？” | 用户支付意愿、功能使用与付费的关联、定价测试 |
本篇小结
- 产品指标 Case 的核心是”设计指标 → 诊断异常 → 支持决策”
- 指标设计要分层次：北极星指标、核心指标、过程指标、护栏指标
- 指标诊断要分维度：平台、渠道、品类、用户类型、时间
- 产品决策支持要落到 A/B 测试设计上
- 每个分析都要有结论和可执行的建议
- 多练习真实场景的案例，培养快速拆解问题的能力
Case Study 部分结束，接下来进入 BA 岗位全解析，了解 Business Analyst 的岗位特点和面试要点。