一.衡量转转的5个最关键指标及其定义？

转转是一个C2C的二手电商交易平台，所以首先它一定是一个电商平台，其次才是C2C的交易平台。

就电商平台的角度而言，需要关注的5个最关键的指标应该有：

1. 活跃用户量。即：一段时间内活跃用户的数量。（至于“活跃用户”的定义，不同公司甚至同一公司的不同部门都有不同的定义和解读，这个得看具体情况）。 活跃用户量是一个最基本的指标，其中又可分为日活（DAU）、周活（WAU）、月活（MAU）三个层次。

2. 转化率。即：完成某个转化行为的次数占所有点击次数的比率。转化率对电商类产品来说毫无疑问是一个非常重要的指标，而对于转化率的分析和检测，则需要去关注用户的各类行为路径（包括主路径、次路径、以及外部跳转路径等等）。

3. 留存率。即：在一段时间周期内，留存用户占当时新增用户的比率。留存也需要从不同的时间周期上去进行监测，包括次留、3日留、7日留、30日留存等等。

4. 复购率。即：产生重复购买这一行为的用户占所有有过购买行为的用户的比率。而复购这一行为实际上又可以从复购率和复购金额比率两个角度考量。

5. 订单流水（gmv）。 即：网站成交额，一般指的是拍下的订单额，包含付款和未付款两个部分。对于电商平台而言最重要的指标（之一吧）。

这是就一般的电商平台而言（这里默认为类似于B2C类型的那种），需要关注的五个关键指标。但是如果再考虑到转转C2C交易模式和二手交易平台的产品定位的话，实际上在上文中提到的2、3、4这三点则需要再做一些特殊说明和补充。

转化率。我在上文中提到了需要关注用户的行为路径去计算转化率，因为是C2C，所以这个行为路径不仅仅只去关注买家用户的购买路径，同样也需要去关注卖家的售卖路径，即需要关注购买转化率，同时也需要关注售出转化率。

留存率。因为是二手交易平台，所以我考虑是不是相对于常规的电商平台而言，其使用频次可能没有那么的频繁（纯主观猜想，没有任何数据支持= =），与其说是一个电商产品不如说是一个“工具类的电商产品”因此在考虑其留存率的时候，是不是可以把周期拉长一些，拉到30留，甚至是50留（这个需要根据以往数据再具体确定，只是打个比方）。另外，买家用户和卖家用户的留存率计算标准也需要有不同的标准。

复购率。还是因为C2C，所以除了考虑复购率之外，还需考虑卖家用户的复售率。

二.一个应用大数据指标提高业绩的例子？

亚马逊的推荐系统（虽然被说烂了，但仍不可否认其推荐系统的成功）。

先上结论：亚马逊的推荐系统至少为其提高了百分之二十的销售额。（有说百分之二十的，也有说20%~30%的）

从两个方面进行说明：

1. 基于大数据的个性化推荐， 个性化推荐系统强度依赖用户行为数据，通过分析大量用户行为日志的方式，达到给不同用户提供不同个性化信息的目的。（亚马逊推荐系统是先驱，经过这几年的发展，推荐系统也越来越常见，现在很多互联网产品也都将推荐系统引入到了自己的产品当中。并且目前的推荐系统越来越多的都采用神经网络：获取用户行为数据—数据标注——神级网络模型进行训练——逐步提高模型的准确率和健壮性——结合使用场景应用到产品中去，因为基友是做这个的，所以了解一点皮毛）

2. 但一个产品/机制/系统的成功，往往技术或者算法只是一个方面，其成功一定是一个各种因素综合的结果。亚马逊的推荐系统也是如此，除了 推荐算法外，个人认为还有 “推荐结果”、“结果评分”、“推荐理由”等这些其他的产品机制一起共同影响了其推荐的最终效果。举两个例子：比如推荐理由，如果推荐的时候给你解释为什么要给你推荐这个产品，那么你接受起来会更容易一些。结果评分： 每个商品推荐时候的ranking都是结合过用户评价，也就是说不光是推荐系统在起作用，评价的情感分析，评价总结都有考虑。这些可能在现在来看都已经烂大街了，但是在七八年前还是非常超前的。

三.你心目中当前市面上做的最好的数据产品及简略原因？

在回答这个问题前，我先说说我对“数据产品”的定义和理解，我觉得市面上的“数据产品”可以大致分两类。

1、报表型数据产品：基于用户对数据需求，设计数据指标模型，进行数据统计后进行可视化展示，为业务、产品、运营提供数据服务

比如：友盟、Google Analysis等这种Dashboard仪表盘形式的数据产品。

2、功能型数据产品：通过制定策略，设计算法，利用数据支撑产品的某一个或者某几个核心功能，比如：今日头像、一点资讯、网易云音乐（每日歌曲推荐）千人千面个性化推荐系统。

第一种类型的产品几乎没有接触过，只是在大二暑假实习的时候看做渠道的同学用过友盟，但是自己并没有亲手用过= =。

第二种类型的个人最喜欢网易云音乐，其理由与我在第二题中分析亚马逊推荐系统成功的原因类似，即相对精准的个性化推荐系统+有效的产品机制，因此在这里就不再敖述。