文 / STEM Career 编辑部
面试官说：“活跃用户没有下降，收入却少了，你会怎么查？”如果马上回答“转化率变低了”，你提出的是一个可能解释，还没有完成分析。更好的开场是确认比较对象、指标定义与数据可信度，再决定先用哪组信息排除错误方向。
本文用一套原创合成数据完成一次诊断。你会看到：总体付费率和平均付费金额都下降，但在各用户组内部，付费率、价格与退款比例却完全相同。关键是理解总量、分群和原因之间的不同，而不是背下一棵收入拆解树。
第一句先问清楚收入和活跃的含义
收入可能指订单金额、成功收款、扣退款后的收款，也可能是财务确认的收入。订单取消、退款记入日期、税费和币种都可能影响数值。面试中先问目标口径，不能把不同定义的数字拿来解释同一个变化。
本例把目标限定为成功收款减去同期间记入的退款，统一称为净收款；金额使用同一币种，不做财务收入确认。活跃是连续二十八天内触发指定有效事件的去重用户数，两个比较期间长度相同、时区相同。它不是每天活跃人数相加，也不意味着同一批人持续活跃。
还需确认付费用户属于所统计的活跃人群、分组互斥且完整。本例为方便推演规定这些条件成立。真实系统里若有人没有活动事件却产生续费，就需要重新定义分母或独立分析这部分收款，而不是强行塞进一个等式。
先检查这是不是一个数据问题
比较两期的数据刷新时间、采集版本、退款回补与支付状态。问清报表是否完整到同一个截止点，期间是否少了一种支付方式，金额字段是否从元改成分，活跃事件是否新增或被标记为无效。
例如新版本漏采支付事件，会让产品报表的金额下滑，但支付账本未必变化。应将关键交易标识和支付汇总做核对，先判断差异在哪条链路出现。只有报表与独立来源能够对上，后面的业务分拆才有可靠基础。
Amplitude分群文档区分用户、会话和事件作用域。同一个筛选条件可能返回不同范围的事件。这个事实提醒我们先确认报表口径，不能把“买过的人所有事件”误当“购买事件本身”。工具界面也可能随版本和功能开放安排变化，练习先在明确的数据上复算。
给面试官一个可以被推翻的分析顺序
先核对数据，再看付费人数、付费金额与退款，最后按能解释业务差异的维度分群。不要同时罗列十几个可能原因而不说明先后。优先选择计算成本低、能够区分多个假设的检查，例如先看成功支付人数与支付失败情况。
可以这样开场：“我先确认两期是否同长度、同币种，收入是净收款还是会计收入。数据对齐后，将差额分到付费人数、金额与退款，再对照用户组变化。每一步都保留能排除的解释和仍待验证的问题。”
这样的顺序不是固定标准答案。如果面试官补充支付服务刚发生异常，支付失败和重试应提前；如果只影响某个市场，先核对当地价格、渠道和时区。结构的作用是帮助你更新判断，不是阻止新证据改变顺序。
原创数据总量相同但用户结构变化
下面的金额单位是教学设定的元，组别H和L仅表示两类不同使用场景，不代表真实用户价值标签。每一期间每人只属于一组，表内付款人数按用户去重，成功收款已经正确汇总。
| 期间组别 | 活跃用户 | 付费用户 | 人均付费收款 |
|---|---|---|---|
| A期H组 | 2000 | 800 | 100 |
| A期L组 | 8000 | 800 | 25 |
| B期H组 | 1000 | 400 | 100 |
| B期L组 | 9000 | 900 | 25 |
表中人均付费收款以付费用户为分母。用人数乘以该金额得到成功收款，再扣退款：
| 期间组别 | 成功收款 | 退款 | 净收款 |
|---|---|---|---|
| A期H组 | 80000 | 4000 | 76000 |
| A期L组 | 20000 | 1000 | 19000 |
| B期H组 | 40000 | 2000 | 38000 |
| B期L组 | 22500 | 1125 | 21375 |
A期与B期活跃用户都为一万，净收款却从九万五千降到五万九千三百七十五，减少三万五千六百二十五，下降百分之三十七点五。第一步手算这三个结果，再思考哪些业务解释已经可以排除。
两组都使用相同的退款比例，各组内付费率与每位付费用户收款也没变。H组从两千人减至一千，L组相应增加。这些是当前表能直接支持的观察；为什么H组减少，表内还没有答案。
先算总体再算组内避免平均数误导
总体付费率从一千六百除以一万，即百分之十六，变成一千三百除以一万，即百分之十三。总体每位付费用户收款从六十二点五元变为约四十八点零八元。若只看这两个数，很容易误判产品转化和定价同时恶化。
组内却是另一幅图：H组付费率始终百分之四十，L组始终百分之十；每位付费用户收款分别稳定在一百和二十五。总体平均变化，来自两组占比变化。你必须同时解释总体与组内，不能只挑更符合初始假设的结果。
退款也不能直接比较金额大小后下结论。退款额由五千降到三千一百二十五，看上去“改善”，但两期占成功收款的比例都是百分之五。金额变少随交易规模变化，本例没有支持退款过程本身变好的证据。
用固定结构的对照验证算术解释
问一个明确的问题：如果B期仍有一万活跃用户，但H与L保留A期的百分之二十和百分之八十占比，同时使用B期各组的付费率、收款金额与退款比例，会得到多少净收款？
H组仍是两千乘百分之四十乘一百再乘百分之九十五，得到七万六千；L组八千乘百分之十乘二十五再乘百分之九十五，得到一万九千，合计九万五千。它与A期一致，也比实际B期多三万五千六百二十五。
这份对照说明，在本例各组参数不变的条件下，结构变化足以解释全部净收款差额。它不是一次真实实验，也没有证明某个运营动作造成结构改变。实际数据若同时发生组内参数变化，应先约定分解顺序，并说明不同替换顺序可能分配出不同贡献。
从结构变化继续追到可验证假设
接下来问H组减少是老用户流失、新用户减少、身份匹配变化，还是组别定义发生变化。需要用户级期间迁移表、获客来源、产品版本与业务记录，不能从四行聚合数据直接跳到“某渠道质量差”。
假设新增证据显示H组新用户减少，你可以继续按渠道比较注册、有效活动与付费路径，观察哪一步发生变化。若减少主要来自已有用户，则转向留存、续费和关键任务完成。两条路径需要的资料与动作不同。
还可以用反例挑战自己：如果H组规则在B期被收紧，一部分原本属于H的用户划进L，观察到的结构变化可能部分由分类变更造成。先追定义与标识，再讨论业务政策，能避免把数据重分类当成用户行为。
一段合格的面试结论应该有三层
第一层讲确定观察：“同口径下活跃总量保持一万，净收款下降百分之三十七点五，H组占比由百分之二十降到百分之十。”第二层讲分析：“组内付费率、付费金额与退款比例稳定，固定结构对照可解释当前差额。”
第三层才讲后续：“现在还不能判断H组减少的原因。我会核对分组规则与用户迁移，区分新增和流失，再优先查看变化最大的来源或关键流程。”把没有证据的原因留在假设层，不会削弱答案，反而让下一步更明确。
Amplitude图表选择文档把分群、漏斗和收入分析放在不同分析任务中。你不需要展示很多图，选择能够回答当前问题的那一个就够了。与其直接贴收入折线，不如用一张组内与总体对照表说明发现。
把方案与证据一一对应
如果数据口径出了问题，先修采集、补数与报表说明；如果支付链路异常，先复现失败并估算受影响范围；如果确认某类用户的任务体验变差，再设计产品或支持动作。没有查清前就建议降价，可能既解决不了问题又引入新的影响。
在本例中，还没有资格直接建议“多招H组用户”。要比较获得这些用户的投入、持续使用情况和可服务规模。当前贡献较高，不意味着继续扩大该组一定获得相同结果；不同来源或边际用户的表现可能不同。
当需要评估一个改动是否带来提升，再考虑试点或实验，预先确定主要指标与质量约束。A/B测试面试练习可以承接这一阶段，但不能把事后分群对照改称已经验证因果的实验。
下载练习后主动制造两个错误
下载业务指标诊断与库存分析练习包。其中包含本例JSON数据和标准库验证脚本，无需付费服务。先手算，再运行脚本对照总体、分群和固定结构结果；答案验证只覆盖教学数据与明确规则。
第一次改动，把B期H组每位付费用户收款从一百改为九十，观察结构对照是否还解释全部差额。你需要新增组内金额变化，而不能沿用原结论。第二次把一组付费用户设为零，注意平均付费金额没有定义，不能简单用零替代再解释为降价。
再用另一张纸记录分析日志：检查了什么、结果是什么、排除了什么、还缺哪条信息。让同学只看这张纸追问你，能够发现推理中跳过的步骤。会运行脚本和会解释业务并不是同一项能力，两者都需要练习。
从原始事件计算时怎样防止重复
聚合表已经替你解决了不少数据问题，真实SQL需要独立处理。活跃用户从有效活动表按期间和用户去重；支付先按成功交易去重；退款按退款标识汇总后再连接交易。不要把一个订单的多次活动直接连接多次退款，再对展开后的金额求和。
一个订单有两条活动和两笔退款，未经处理的连接可能产生四行。用最后的DISTINCT删行也不能保证正确，因为合法交易可能金额恰好相同。先规定每个中间结果一行代表什么，再核对连接前后的行数、交易数量和金额，这比在最终数字不对时随意补去重更可靠。
分群也要规定取哪一天的属性。若用今天的用户等级解释过去两个期间，期间之后的升级可能改变历史分组。应使用分析任务允许的时间点或事件当时属性，并保留版本；两期组名相同不代表规则一直相同。
退款与交易跨期时，本例按退款记入期扣减，若改为追溯原交易期，两期数字会重新分配。先与题目口径一致，再解释结果。不要把业务事实未变、只是归属期间变化的差额说成经营突然改善或恶化。
最后做守恒检查：各组活跃数是否等于总体去重数，组内金额之和是否等于独立支付汇总。若一人可能进入多个组，总体人数就不能直接相加。让这些检查先于原因解释，会降低一张精美图表掩盖数据错误的概率。
三个追问检验是否真正理解
如果面试官问“活跃用户没变，为什么不代表留存稳定”，说明期间总量可以由老用户减少和新用户增加共同组成，需要追踪同一批用户。若问“价格没改，平均付费金额为何下降”，用本例组别权重变化说明，不要凭平均数推断定价动作。
若问“你最先向工程师索取什么”，请求能验证关键口径的小范围数据，例如支付汇总与产品事件在同一截止点的对应情况，而不是直接要全部数据库。请求应围绕假设，字段、粒度、时间和允许使用范围都讲清楚。
最后练习在一分钟内汇报发现，再给自己两分钟回答反例。重点不是把所有计算塞进开场，而是让对方能够沿证据追问。基础SQL、指标与业务判断的组合准备，可继续阅读数据与商业分析面试指南。
如果已经有目标岗位，却总在“为什么变化”这一步卡住，可以带一次完整诊断记录到蒸汽求职咨询。先判断是口径、查询、业务假设还是表达需要补强，再安排针对性的下一轮练习。
常见问题（FAQ）
用户总量没变，收入为什么还能下降？
付费人数、每位付费用户金额、退款和用户结构都可能变化，须按明确口径分拆验证。
分群结构解释了全部差额，可以认定它是原因吗？
只能说在当前数据和固定口径下能够解释算术差额，结构变化背后的原因仍需额外证据。
本文算的是会计收入吗？
不是。教学案例将目标明确为成功收款减退款，不包括递延确认、税费、汇率等会计处理。
- About segments· Amplitude
- Find the right chart for your analysis· Amplitude
带一份目标数据岗位JD和自己的诊断过程，添加蒸汽顾问微信，讨论口径、分群与下一步验证。