电商数据分析实战演练题库

电商数据分析实战演练题库一、单项选择题（每题2分，共20分）1.在电商数据分析中，用于衡量顾客购买频率的指标是（）。A.客单价（平均订单金额）B.转化率（成交比例）C.用户复购率D.流失率（未续购比例）解析：用户复购率直接反映顾客的购买频率，是衡量忠诚度的核心指标。客单价衡量客单位消费能力，转化率反映营销效率，流失率衡量留存能力，但均非购买频率的专指指标。2.电商数据清洗中，处理缺失值最常用的方法不包括（）。A.删除含有缺失值的样本B.填充均值或中位数C.使用模型预测缺失值D.将缺失值标记为特殊类别解析：删除样本会导致数据量减少，可能引入偏差；填充均值/中位数适用于数值型数据，但可能掩盖分布特征；标记特殊类别适用于分类数据，但模型需特殊处理。模型预测缺失值（如KNN）属于高级方法，但非“常用”方法，故为正确答案。3.电商用户画像构建中，以下哪项不属于基础维度？（）A.人口统计学特征（年龄、性别）B.购物行为特征（浏览时长、购买频次）C.社交关系特征（好友互动量）D.客户满意度评分解析：用户画像通常基于静态/动态数据构建，满意度评分属于结果性指标，而非基础维度。其他选项均为典型画像维度：人口属性、行为属性、社交属性。4.在电商A/B测试中，若对照组和实验组样本量差异过大，可能导致的问题不包括（）。A.统计效力不足B.结果偏差C.差异显著性降低D.测试周期延长解析：样本量差异过大会导致统计效力不足（无法检测真实差异）和显著性降低，但不会直接延长测试周期。测试周期主要受实验目标复杂度影响。5.电商行业常用的漏斗分析模型通常包含哪些阶段？（）A.注册→浏览→加购→支付→复购B.注册→浏览→点击→加购→支付C.注册→关注→互动→购买→推荐D.注册→搜索→浏览→加购→支付解析：标准电商漏斗通常包含用户生命周期的关键转化环节，选项A覆盖了从新用户到忠诚用户的完整路径，最符合行业实践。6.电商数据可视化中，适合展示不同品类销售额占比的图表是（）。A.折线图B.散点图C.饼图D.柱状图解析：饼图直观展示部分与整体的比例关系，适合品类占比分析。折线图用于趋势，散点图用于相关性，柱状图用于分类对比。7.电商用户分群时，RFM模型中“F”代表（）。A.Recency（最近购买时间）B.Frequency（购买频次）C.Monetary（消费金额）D.Response（互动响应）解析：RFM模型中R（Recency）、F（Frequency）、M（Monetary）分别代表最近购买时间、购买频次和消费金额。8.电商平台流量分析中，以下哪个指标最能反映用户粘性？（）A.日活跃用户数（DAU）B.用户平均停留时长C.跳出率D.页面浏览深度解析：用户粘性需衡量持续参与程度，DAU直接反映用户活跃频率，其他指标更多描述单次行为表现。9.电商促销活动效果评估时，需重点关注（）。A.流量增长率B.转化率提升幅度C.广告投放ROID.新增用户占比解析：促销活动核心目标是通过成本控制提升销售效率，转化率提升幅度直接体现效果，其他选项虽重要但非首要指标。10.电商数据挖掘中，关联规则分析常用的算法是（）。A.决策树B.K-Means聚类C.AprioriD.神经网络解析：Apriori算法通过频繁项集挖掘发现商品组合关系，是电商购物篮分析的标准方法。其他算法分别用于分类、聚类和深度学习任务。二、判断题（每题2分，共20分）1.电商用户画像的准确性直接影响个性化推荐的效果。（√）解析：画像越精准，推荐匹配度越高，转化率越优，符合电商“千人千面”策略。2.电商数据清洗时，异常值处理应完全删除所有超出3倍标准差的数据。（×）解析：极端值需结合业务场景判断，盲目删除可能丢失重要信息，应采用分箱或归一化处理。3.A/B测试中，实验组样本量必须大于对照组才能保证结果有效性。（×）解析：样本量需通过统计功效检验确定，而非简单倍数关系，过大则浪费资源。4.电商行业用户留存率计算公式为：留存率=（次日留存用户数/当日新增用户数）×100%。（×）解析：留存率应基于历史用户基数计算，公式为：留存率=（特定时间点活跃用户数/初始用户总数）×100%。5.电商数据可视化时，图表颜色选择应避免使用对比度低的组合（如红绿色盲用户可见）。（√）解析：需遵循WCAG无障碍设计原则，优先使用高对比度色板（如蓝黄组合）。6.RFM模型中，R值越高代表用户越活跃。（×）解析：R值越高表示用户购买时间越近，活跃性越强，但需结合F、M综合判断价值。7.电商行业用户转化率的行业基准通常在1%-5%之间。（×）解析：不同品类差异巨大，如服饰行业可能低于1%，而生鲜电商可达10%以上。8.电商数据挖掘中，分类算法（如逻辑回归）可直接用于预测用户流失概率。（√）解析：通过训练历史数据，可建立流失预测模型，需标注流失标签进行监督学习。9.电商促销活动期间，流量提升幅度与转化率提升幅度成正比关系。（×）解析：促销可能引发“冲动消费”导致短期转化率上升，但若用户并非目标客群，长期留存率可能下降。10.电商用户分群后，各群组特征应具有高度差异性，避免重叠。（√）解析：分群目的在于识别差异化需求，重叠会导致策略模糊，如RFM模型将用户分为高价值、潜力等群体。三、填空题（每题2分，共20分）1.电商数据清洗中，处理重复数据的典型方法是__删除重复记录__，需先通过__唯一标识符__判断重复性。解析：重复数据可能源于系统错误或用户多账号，删除前需确认主键或业务ID。2.电商用户画像构建时，__地理位置__和__设备类型__属于静态属性，而__搜索关键词__属于动态属性。解析：静态属性相对固定，动态属性反映实时行为，两者结合更全面。3.A/B测试中，若P值小于0.05，通常认为实验组效果__显著优于__对照组，需考虑__统计功效__是否达标。解析：P值检验假设，功效检验确保样本量足够发现真实差异。4.电商行业常用__漏斗分析__评估用户转化路径，典型阶段包括__注册→浏览→加购→支付__。解析：漏斗模型通过各阶段转化率识别瓶颈，需明确业务场景具体步骤。5.电商数据可视化时，__散点图__适合展示用户年龄与消费金额的相关性，__热力图__用于页面点击密度分析。解析：散点图直观反映数值型变量关系，热力图突出区域分布特征。6.RFM模型中，M值越高代表__消费能力越强__，但需结合F值判断是否为“大单小频”客户。解析：高M值可能对应高客单价，但若F值低则忠诚度不足。7.电商流量分析中，__跳出率__高于50%可能说明页面内容吸引力不足或导航混乱。解析：跳出率反映用户单次访问质量，需结合页面停留时长综合判断。8.电商促销活动效果评估时，需计算__ROI__（投资回报率