跳到主要内容

面试 Case 拆解方法论

概述​

数据分析面试中的 Case Study 是考察候选人结构化思维、数据敏感度和业务理解的核心环节。本文总结通用的 Case 拆解框架和应对技巧。

Case 题类型​

类型特征例题
指标异动某指标突然变化，分析原因"DAU 突然下降 20%，为什么？"
指标评估评估某项目/策略效果"上线新功能后效果如何？"
决策支持基于数据做业务决策"该不该上线 XX 功能？"
指标设计设计衡量指标体系"如何衡量搜索体验？"
产品分析分析产品/竞品"抖音和快手的数据差异？"

通用分析框架​

框架一：指标异动五步法​

详细步骤：

步骤关键动作示例（DAU 下降 20%）
确认问题口径、范围、幅度DAU 是日活？含海外吗？下降持续几天？
指标拆解公式分解DAU = 新增 + 留存回访。哪个降了？
维度下钻按维度分层是 iOS 还是 Android？哪个地区？
根因验证交叉验证iOS 更新后闪退，卸载率上升验证
建议方案可执行建议紧急发 Hotfix + 监控 Crash Rate

框架二：乘法拆解​

GMV = UV × 转化率 × 客单价
收入 = 用户数 × ARPU
广告收入 = DAU × 人均广告曝光数 × 千次曝光价格 / 1000

框架三：加法拆解​

DAU = 新增用户 + 老用户回访
收入 = 业务线A收入 + 业务线B收入
成本 = 固定成本 + 变动成本
拆解原则
  • 乘法拆解适合找到关键瓶颈（哪个因子波动大）
  • 加法拆解适合找到关键贡献（哪个部分占比变化）
  • 两者结合使用效果最佳

面试现场技巧​

1. 提问澄清（前 2 分钟）​

必须确认的信息：

确认项目的示例问题
指标定义避免理解偏差"DAU 是指打开 App 还是完成核心行为？"
时间范围判断是突发还是趋势"是突然下降还是渐进式下降？"
变化幅度评估严重程度"20% 是环比还是同比？"
业务背景排除已知原因"最近有版本发布或运营活动吗？"

2. 假设驱动（中间 8 分钟）​

## 思考过程

"DAU 下降，我会从内外两个维度来排查："

### 外部因素（排除法）
- 季节性/节假日
- 竞品上线新功能
- 系统故障（服务端/客户端）

### 内部因素（拆解法）
- 新增下降：获客渠道出问题？
- 留存下降：产品体验出问题？
  - 按版本拆：新版本 Bug？
  - 按功能拆：核心功能使用率下降？
  - 按人群拆：特定用户群流失？

3. 量化表达（贯穿全程）​

避免模糊表述
  • ❌ "我觉得可能是转化率降了"
  • ✅ "如果 UV 不变，GMV 下降 15%，整体转化率可能从 3% 降到了 2.5%"

4. 总结建议（最后 2 分钟）​

## 总结

综合分析，DAU 下降 20% 的最可能原因是：
1. 【主因】iOS 新版本崩溃率从 0.5% 上升到 3%，影响 iOS 用户（占比 60%）
2. 【次因】春节假期自然回落影响约 5% 下降

建议：
- P0 紧急修复 iOS Crash 问题，预计恢复 12% DAU
- P1 节后做一轮用户召回推送
- 预计执行后 DAU 恢复至正常水平的 95%

经典面试 Case 速览​

Case 1：外卖平台订单量下降​

拆解维度关键假设
供给侧商家数变化？上线率？出餐速度？
需求侧UV 变化？转化率？客单价？
履约侧配送时长？取消率？差评率？
外部因素天气？假期？竞品补贴？

Case 2：搜索引擎点击率下降​

拆解维度关键假设
查询侧搜索量变化？Query 分布变化？
结果侧排序质量？摘要吸引力？广告占比？
体验侧加载速度？跳转成功率？
分层看头/腰/尾部 Query 分别的 CTR 变化？

Case 3：设计衡量"搜索体验"的指标​

维度指标计算
精准性首位点击率第一条结果点击数 / 搜索次数
满意度搜索成功率有点击的搜索 / 总搜索次数
效率结果页停留时长点击前的浏览时间（越短越好）
兜底无结果率返回空结果的搜索 / 总搜索次数
深度翻页率翻到第 2 页的比例（越低越好）

高频踩坑清单​

踩坑正确做法
上来就给答案先确认问题，再分析
只说一个维度内外兼顾，至少 3 个假设
分析没有数据每个假设附上验证方式
只分析不建议分析 → 结论 → 建议，缺一不可
建议不量化"预计提升 X%"，而非"应该会变好"

相关链接​