《電子商務(wù)數(shù)據(jù)分析》技能競賽理論題模擬訓(xùn)練題及答案一、單項選擇題（每題2分，共30分）1.某電商平臺需要分析用戶從瀏覽商品到下單的轉(zhuǎn)化路徑，最適合使用的分析方法是（）A.漏斗分析B.RFM分析C.聚類分析D.時間序列分析答案：A2.在數(shù)據(jù)清洗過程中，對于“價格”字段中出現(xiàn)的“￥199.9a”這類數(shù)據(jù)，應(yīng)優(yōu)先進行的處理是（）A.直接刪除該記錄B.填充均值C.修正格式錯誤D.視為缺失值答案：C3.以下哪項指標屬于電商用戶行為的“深度指標”？（）A.頁面瀏覽量（PV）B.平均停留時長C.訪客數(shù)（UV）D.跳出率答案：B4.某店鋪6月銷售額為120萬元，5月為100萬元，4月為90萬元，其環(huán)比增長率為（）A.20%B.11.11%C.33.33%D.10%答案：A（計算：(120100)/100=20%）5.若要分析不同促銷活動對銷售額的影響，需控制的關(guān)鍵變量是（）A.活動時間長度B.參與用戶的消費層級C.商品類目D.平臺流量分配答案：B（需保證實驗組與對照組用戶屬性一致）6.在SQL查詢中，用于計算某商品近30天銷售總量的語句是（）A.SELECTSUM(quantity)FROMsalesWHEREdate>=CURRENT_DATEINTERVAL'30days'B.SELECTCOUNT(quantity)FROMsalesWHEREdateBETWEEN'20240101'AND'20240130'C.SELECTAVG(quantity)FROMsalesWHEREdate>NOW()30D.SELECTMAX(quantity)FROMsalesWHEREdate<=DATE_SUB(NOW(),INTERVAL30DAY)答案：A7.以下不屬于電商用戶分群常用維度的是（）A.地域分布B.購買頻次C.商品偏好D.身份證號答案：D8.某商品詳情頁轉(zhuǎn)化率=（）A.加購人數(shù)/瀏覽人數(shù)B.下單人數(shù)/加購人數(shù)C.下單人數(shù)/瀏覽人數(shù)D.支付人數(shù)/下單人數(shù)答案：C9.在Python中，用于繪制箱線圖檢測異常值的常用庫是（）A.NumPyB.PandasC.MatplotlibD.Scikitlearn答案：C10.RFM模型中“M”代表的是（）A.最近購買時間B.購買頻率C.購買金額D.客戶留存率答案：C11.某店鋪DSR評分（描述相符、服務(wù)態(tài)度、物流服務(wù)）分別為4.5、4.6、4.4，行業(yè)均值為4.6、4.7、4.5，則其短板指標是（）A.描述相符B.服務(wù)態(tài)度C.物流服務(wù)D.無短板答案：C（物流服務(wù)4.4<行業(yè)4.5）12.計算用戶生命周期價值（LTV）時，核心參數(shù)不包括（）A.平均單次消費金額B.客戶留存率C.獲客成本D.購買頻率答案：C（獲客成本是CAC，LTV計算需CLV=平均消費額×購買頻率×生命周期）13.以下數(shù)據(jù)來源中，屬于第一方數(shù)據(jù)的是（）A.第三方平臺提供的行業(yè)報告B.店鋪后臺的用戶行為日志C.社交媒體公開的用戶評論D.統(tǒng)計局發(fā)布的宏觀經(jīng)濟數(shù)據(jù)答案：B14.在A/B測試中，若實驗組轉(zhuǎn)化率為8%，對照組為7%，p值=0.03（α=0.05），結(jié)論應(yīng)為（）A.兩組無顯著差異B.實驗組顯著優(yōu)于對照組C.對照組顯著優(yōu)于實驗組D.測試無效答案：B（p<0.05拒絕原假設(shè)）15.分析“大促期間不同年齡段用戶的客單價差異”時，應(yīng)使用的統(tǒng)計方法是（）A.卡方檢驗B.t檢驗C.方差分析D.相關(guān)分析答案：C（多組均值比較用方差分析）二、多項選擇題（每題3分，共30分，多選、錯選不得分，少選得1分）1.電商數(shù)據(jù)采集的合法途徑包括（）A.爬取平臺公開的商品評論B.購買用戶手機號用于精準營銷C.用戶注冊時主動填寫的信息D.與第三方數(shù)據(jù)公司合規(guī)交換的匿名數(shù)據(jù)答案：ACD（B涉及隱私違規(guī)）2.數(shù)據(jù)清洗的主要任務(wù)有（）A.處理缺失值B.識別并修正異常值C.統(tǒng)一數(shù)據(jù)格式D.刪除重復(fù)記錄答案：ABCD3.影響電商用戶復(fù)購率的因素包括（）A.商品質(zhì)量B.售后服務(wù)響應(yīng)速度C.促銷活動頻率D.物流配送時效答案：ABCD4.常用的電商銷售預(yù)測模型有（）A.ARIMA時間序列模型B.隨機森林回歸C.Kmeans聚類D.邏輯回歸答案：AB（C是分群，D是分類）5.以下屬于流量質(zhì)量指標的是（）A.新客占比B.平均訪問深度C.跳出率D.UV價值（訪客平均貢獻銷售額）答案：BCD（新客占比是流量結(jié)構(gòu)指標）6.分析“爆款商品特征”時，可提取的變量有（）A.首圖點擊率B.詳情頁加載速度C.商品評價中“好評”關(guān)鍵詞頻率D.店鋪粉絲數(shù)量答案：ABC（D是店鋪屬性，非商品特征）7.直播電商數(shù)據(jù)分析的關(guān)鍵指標包括（）A.觀看人數(shù)B.點贊互動率C.商品點擊轉(zhuǎn)化率D.直播間停留時長答案：ABCD8.在SQL中，用于數(shù)據(jù)分組統(tǒng)計的語句/函數(shù)有（）A.GROUPBYB.HAVINGC.COUNT()D.ORDERBY答案：ABC（D是排序）9.以下關(guān)于數(shù)據(jù)可視化的說法正確的有（）A.折線圖適合展示時間序列趨勢B.餅圖適合比較各部分占比C.散點圖用于觀察兩個變量的相關(guān)性D.熱力圖可展示二維數(shù)據(jù)的密度分布答案：ABCD10.提升電商用戶留存率的策略可基于（）A.分析用戶流失前的行為特征B.針對高流失風(fēng)險用戶推送定向優(yōu)惠券C.優(yōu)化注冊流程降低跳出率D.定期發(fā)送個性化商品推薦答案：ABD（C是提升注冊轉(zhuǎn)化，非留存）三、判斷題（每題1分，共10分，正確填“√”，錯誤填“×”）1.數(shù)據(jù)倉庫（DataWarehouse）主要用于支持日常業(yè)務(wù)操作，數(shù)據(jù)庫（Database）用于數(shù)據(jù)分析。（）答案：×（反義，數(shù)據(jù)庫支持業(yè)務(wù)操作，數(shù)據(jù)倉庫支持分析）2.若某商品的銷售數(shù)據(jù)呈現(xiàn)明顯的季節(jié)性波動，應(yīng)選擇移動平均法進行預(yù)測。（）答案：×（季節(jié)性需用季節(jié)指數(shù)法或SARIMA）3.客戶分群后，對“高價值低活躍”客戶應(yīng)采取喚醒策略，如專屬折扣。（）答案：√4.訂單轉(zhuǎn)化率=支付訂單數(shù)/下單訂單數(shù)，反映從下單到支付的轉(zhuǎn)化效率。（）答案：√5.用Python進行數(shù)據(jù)預(yù)處理時，pd.isnull()函數(shù)可檢測缺失值，pd.drop_duplicates()可刪除重復(fù)行。（）答案：√6.相關(guān)系數(shù)r=0.8表示兩個變量存在強因果關(guān)系。（）答案：×（相關(guān)不代表因果）7.為提升A/B測試效率，應(yīng)盡可能增加實驗組和對照組的樣本量。（）答案：√（樣本量越大，結(jié)果越可靠）8.商品動銷率=動銷SKU數(shù)/總SKU數(shù)，該指標越低說明庫存周轉(zhuǎn)越好。（）答案：×（動銷率低表示滯銷SKU多）9.漏斗分析的核心是定位轉(zhuǎn)化路徑中的流失節(jié)點。（）答案：√10.在數(shù)據(jù)可視化中，應(yīng)避免使用過多顏色和復(fù)雜圖表類型，保持簡潔清晰。（）答案：√四、簡答題（每題6分，共30分）1.簡述電商用戶行為數(shù)據(jù)的主要來源及采集方式。答案：主要來源包括：（1）網(wǎng)站/APP埋點數(shù)據(jù)，通過代碼埋點或無埋點技術(shù)采集用戶點擊、瀏覽、停留等行為；（2）交易系統(tǒng)數(shù)據(jù)，如訂單信息、支付記錄，通過數(shù)據(jù)庫同步獲取；（3）用戶注冊/登錄數(shù)據(jù)，包括基本信息、賬號行為，通過表單提交采集；（4）客服系統(tǒng)數(shù)據(jù)，如咨詢記錄、售后請求，通過工單系統(tǒng)導(dǎo)出；（5）營銷活動數(shù)據(jù)，如優(yōu)惠券領(lǐng)取、廣告點擊，通過活動管理平臺記錄。采集方式需遵循用戶隱私協(xié)議，采用合規(guī)接口或授權(quán)API獲取。2.說明數(shù)據(jù)清洗中處理缺失值的常用方法及適用場景。答案：（1）刪除法：當(dāng)缺失比例超過70%且變量重要性低時使用，避免影響整體數(shù)據(jù)分布；（2）均值/中位數(shù)填充：適用于數(shù)值型變量（如價格、年齡），數(shù)據(jù)分布較均勻時用均值，存在異常值時用中位數(shù)；（3）眾數(shù)填充：適用于分類型變量（如商品類目、地域），選擇出現(xiàn)頻率最高的值；（4）插值法：如時間序列數(shù)據(jù)可使用前向/后向填充，或線性插值；（5）模型預(yù)測填充：利用其他變量構(gòu)建回歸模型預(yù)測缺失值，適用于缺失數(shù)據(jù)與其他變量高度相關(guān)的場景。3.解釋RFM模型的含義，并說明如何根據(jù)RFM得分進行客戶分群。答案：RFM模型通過三個維度評估客戶價值：R（Recency）最近一次購買時間，時間越近價值越高；F（Frequency）購買頻率，頻率越高價值越高；M（Monetary）購買金額，金額越大價值越高。分群方法：（1）高價值客戶（R高、F高、M高）：重點維護，提供VIP服務(wù)；（2）潛力客戶（R高、F中、M中）：加大營銷投入促進轉(zhuǎn)化；（3）沉默客戶（R低、F低、M低）：考慮喚醒或降低服務(wù)成本；（4）流失預(yù)警客戶（R低、F中、M高）：通過定向優(yōu)惠防止流失。具體分群需結(jié)合業(yè)務(wù)目標設(shè)定各維度的劃分閾值（如R≤30天為高，>90天為低）。4.列舉電商場景中常用的四種數(shù)據(jù)分析模型，并說明其應(yīng)用場景。答案：（1）漏斗分析模型：用于用戶轉(zhuǎn)化路徑分析，如“首頁→搜索→詳情頁→下單→支付”各環(huán)節(jié)的轉(zhuǎn)化率，定位流失節(jié)點（如詳情頁到下單轉(zhuǎn)化率低，需優(yōu)化商品描述）；（2）A/B測試模型：比較兩種方案（如頁面設(shè)計、促銷策略）的效果，通過統(tǒng)計檢驗確定最優(yōu)方案（如實驗組優(yōu)惠券使用率比對照組高5%且顯著）；（3）聚類分析模型：根據(jù)用戶行為或?qū)傩苑秩海ㄈ绨促徺I頻次和客單價分為高價值、中價值、低價值群），支持精準營銷；（4）時間序列預(yù)測模型（如ARIMA）：預(yù)測未來銷售額或流量，用于庫存管理和活動預(yù)算規(guī)劃（如預(yù)測雙11當(dāng)天銷售額為日常的8倍，提前備貨）。5.簡述使用Python進行電商數(shù)據(jù)分析的主要步驟。答案：（1）數(shù)據(jù)加載：使用pandas的read_csv()或read_excel()讀取數(shù)據(jù)；（2）數(shù)據(jù)清洗：處理缺失值（dropna()、fillna()）、異常值（通過箱線圖或Zscore檢測后修正）、重復(fù)值（drop_duplicates()）；（3）數(shù)據(jù)預(yù)處理：轉(zhuǎn)換數(shù)據(jù)類型（如日期格式轉(zhuǎn)換）、創(chuàng)建衍生變量（如計算客單價=總金額/購買數(shù)量）；（4）exploratorydataanalysis（EDA）：通過描述性統(tǒng)計（describe()）、可視化（matplotlib/seaborn繪制直方圖、折線圖）探索數(shù)據(jù)分布和趨勢；（5）模型構(gòu)建：根據(jù)分析目標選擇算法（如用線性回歸預(yù)測銷售額，用KMeans進行用戶分群）；（6）結(jié)果解讀：通過模型輸出（如回歸系數(shù)、聚類中心）提取業(yè)務(wù)洞察；（7）可視化呈現(xiàn)：用圖表（如熱力圖展示變量相關(guān)性、漏斗圖展示轉(zhuǎn)化路徑）直觀展示結(jié)論。五、綜合分析題（每題10分，共20分）1.某電商平臺Q3季度數(shù)據(jù)如下：總銷售額：8000萬元（Q2為6500萬元）新客數(shù)量：12萬（Q2為10萬），新客平均客單價：350元（Q2為380元）老客復(fù)購率：28%（Q2為32%），老客平均客單價：500元（Q2為480元）營銷費用：1500萬元（Q2為1200萬元）要求：（1）計算Q3銷售額環(huán)比增長率；（2）分析銷售額增長的驅(qū)動因素及潛在問題；（3）提出優(yōu)化建議。答案：（1）環(huán)比增長率=（80006500）/6500≈23.08%（2）驅(qū)動因素：新客數(shù)量增長：Q3新客數(shù)增加2萬（+20%），貢獻新客銷售額=12萬×350=4200萬元（Q2新客銷售額=10萬×380=3800萬元，增長400萬元）；老客客單價提升：老客客單價從480元升至500元（+4.17%），假設(shè)老客數(shù)量不變，老客銷售額增長=（500480）×老客數(shù)量；總銷售額增長主要由新客規(guī)模擴張驅(qū)動。潛在問題：新客客單價下降（350<380），可能因新客質(zhì)量降低（如低價促銷吸引的用戶）；老客復(fù)購率下降（28%<32%），客戶留存能力減弱；營銷費用增幅（25%）高于銷售額增幅（23.08%），投入產(chǎn)出比（ROI）可能下降（Q2ROI=6500/1200≈5.42，Q3=8000/1500≈5.33）。（3）優(yōu)化建議：新客運營：分析新客來源渠道，篩選高客單價渠道加大投放，減少低效渠道；優(yōu)化新客首單商品推薦，提升客單價（如關(guān)聯(lián)銷售、滿減活動）；老客留存：針對復(fù)購率下降的老客進行分群分析（如流失前行為特征），推送個性化優(yōu)惠券、專屬會員權(quán)益；加強會員體系建設(shè)（如積分兌換、等級特權(quán)）；成本控制：優(yōu)化營銷費用結(jié)構(gòu)，將部分預(yù)算從拉新轉(zhuǎn)向老客喚醒（老客獲取成本通常低于新客）；監(jiān)控各渠道ROI，淘汰低效率投放。2.某美妝店鋪需分析“商品詳情頁設(shè)計優(yōu)化”對轉(zhuǎn)化率的影響，已收集優(yōu)化前1個月（A組）和優(yōu)化后1個月（B組）的如下數(shù)據(jù)：A組：瀏覽人數(shù)10萬，下單人數(shù)8000，支付人數(shù)640