第一次看到“快手2019春季校园招聘笔试试题-经济学家试卷B”这个标题时我的第一反应是“赶紧把宏微观经济学教材翻出来背一遍”。但真正刷完这类试卷后我才意识到一个反直觉的事实互联网公司招“经济学家”笔试考的从来不是课本里的经济学而是用经济学思维去拆解真实业务问题的能力。如果你现在正在准备大厂经济学家、商业分析、经营分析这类岗位的笔试大概率会遇到同样的困惑——岗位名听着很学术试卷做起来却像“商业案例面试统计学基础一点计量常识”的混合体。这篇文章我就以这份试卷为线索结合互联网公司经济学家岗笔试的共同逻辑拆一拆它到底想筛什么人、题该怎么答、备考时间应该花在哪里。1. 经济学家笔试的真实定位从“经济学常识”到“业务分析力”1.1 笔试到底在筛什么能力模型很多候选人把“经济学家”三个字等同于学术研究于是花大量时间复习IS-LM模型、索洛增长模型、效用函数推导。但企业招聘经济学家不是为了发论文而是为了用经济学框架帮助公司理解市场、用户和商业策略。岗位的实际工作内容通常集中在几个方向内容平台的供需匹配、创作者激励的价格机制设计、增长策略的边际收益评估、平台变现模式的经济学解释。所以笔试在筛的是一套复合能力模型我把它拆成四层。第一层是经济学常识。不需要你会推导复杂模型但要懂边际成本、机会成本、供需均衡、弹性、外部性、博弈论的基本概念。比如平台给创作者提高分成比例短期带来供给增加但长期会不会导致平台毛利下降、创作者产生“补贴依赖”这就是一个典型的激励相容问题。第二层是商业逻辑。要能看懂一家公司的业务模式知道它的收入从哪里来、成本结构是什么、用户和供给端如何形成网络效应。以短视频平台为例创作者是供给侧用户是需求侧平台通过推荐算法做匹配再通过直播打赏、广告、电商这些方式把注意力变现。你如果连“双边市场”和“网络效应”都没概念很多题根本无从下手。第三层是数据处理能力。不要求手推公式但你要看得懂表格、算得清比例、能识别指标口径问题。比如给一张“不同渠道用户次周留存率对比表”你要能判断哪个渠道质量更高给一组活动前后的DAU数据你要能估算活动带来的增量大概是多少。第四层是结论表达能力。笔试中的论述题本质上是在模拟“你向上汇报”的场景。你能不能把分析过程组织成“结论先行—数据支撑—逻辑论证—策略建议”的结构比你是不是用了高级术语重要得多。1.2 短视频平台希望经济学家解决什么问题想答好试卷先得理解对方为什么设置这个岗位。以快手为参照短视频平台的核心经济学命题其实是三个。第一个命题是注意力的生产与分配。用户的时间是有限的平台要决定把流量分给哪些内容、哪些创作者。这背后涉及推荐算法但经济学家关心的不是算法本身而是流量分配带来的激励效果如果头部内容拿走了绝大部分曝光中小创作者还会继续生产吗如果长尾内容长期没有反馈供给会不会萎缩第二个命题是创作者经济的价格机制。平台让创作者赚到钱他们才会持续生产。但钱从哪里来、按什么规则分、怎么平衡不同体量创作者的收益这些都是经济学问题更准确地说是机制设计问题。第三个命题是双边市场的冷启动与增长阶段转换。早期平台缺内容需要靠运营手段拉创作者中期内容多了需要靠算法提高匹配效率后期要考虑商业化效率。每个阶段的命题不同笔试题目也会围绕这些阶段设置。想明白这几点你就清楚为什么试卷里会出现“平台补贴应该给需求侧还是供给侧”“如何设计创作者分成规则”“如何评估某次运营活动的长期价值”这类问题了。它们考察的都不是死知识而是你能否把经济学框架迁移到具体业务里。2. 盘点几类高频题型每一种都有固定的破题姿势2.1 经济学基础题的考查边界这类笔试通常会有一批“快速判断题”以选择题或简答填空的形式出现覆盖微观、宏观、计量的一些基础点。别被“经济学家”三个字吓到考得并不深重点集中在几个区域。价格与弹性需求价格弹性、交叉弹性对定价和补贴策略的含义成本与生产决策边际成本、固定成本、可变成本、规模效应市场结构与博弈完全竞争、垄断、寡头囚徒困境、纳什均衡外部性与公共品内容平台的审核治理可以理解为“负外部性的内部化”基础计量概念相关性不等于因果性、遗漏变量偏误、选择偏差做这类题最快的准备方式是找几套互联网公司商业分析/经济学家岗的真题感受一下出题风格再用曼昆《经济学原理》的微观部分查漏补缺。关键是理解概念在商业场景中的应用而不是背诵定义。比如考“边际成本”不会直接问你定义而是问“短视频平台每增加一个用户观看额外增加的成本几乎为零这说明了什么”如果你能答出“数字产品的边际成本趋近于零因此平台的核心命题是注意力的稀缺性而不是内容的稀缺性”这道题就过了。2.2 数据题的常规考法与速算素养数据题是刷人最多的部分因为它没有套路可以突击。常见考法有几种。第一类是图表解读给定一张留存曲线或一张用户结构分布表要求判断业务现状并给出建议。这种题考的是对数据敏感度平时多看看自己产品的DAU趋势、留存矩阵、漏斗转化率会很加分。第二类是估算与简单建模例如“某功能上线后次日留存率提升了0.5个百分点DAU提升估算对人均时长的贡献”。这类题不需要精确计算但要有清晰的拆解链条和合理的数量级估计。我自己的经验是平时养成“把指标拆成乘除法”的习惯考场上就不会慌。第三类是AB实验相关考查对分组、显著性、置信区间、类实验的基本理解。最常见的坑是只看“显著”不看“效应量”或者忽略样本量不足带来的“假显著”问题。2.3 案例题的评分套路案例题是重头戏。阅卷人看的不是“正确答案”因为很多业务问题没有唯一答案他们看的是三点一是有没有把问题拆开二是有没有兼顾短期与长期三是有没有落地的数据或逻辑支撑。举个例子题干可能是“公司想提高创作者活跃度你有什么策略”低分答案会写“优化分成机制、提供更多流量扶持、加强创作者培训”这种三条并列式的方案。高分答案会先拆解“创作者活跃度”受什么影响创作意愿、创作回报、创作成本然后分别展开每个方向上给出可验证的假设和对应的衡量指标最后还能提一句“需要小范围实验验证再决定全面推广节奏”。这一下就从“打嘴炮”变成了“业务操盘手”的视角。案例题最忌“没有数据视角的空谈”最忌“没有逻辑框架的堆砌”。框架感和量化意识是拉开差距的关键。2.4 论述题的时间分配很多候选人前面的题做得太细最后论述题只剩十分钟草草写两行交卷这是最可惜的。我的建议是拿到试卷先花两分钟浏览全局把论述题留出至少25到30分钟。论述题一般不会有标准答案但它占分最高考的就是你的结构化表达。哪怕前面的数据题有一两道拿不准也不能占用论述题的完整时间。3. 平台经济论述题怎么答才能体现“经济学家”的档次3.1 双边市场分析的基本功论述题题干经常是开放式的比如“如何看待短视频平台对创作者的分成策略”或“分析一种新兴变现方式对平台生态的影响”。这种题要答得出彩需要有双边市场的分析框架。双边市场的核心特征是两组用户互为外部性创作者越多、内容越丰富用户越愿意来用户越多、注意力越充足创作者越愿意来。平台的作用就是设计价格结构和规则把这两边的正向外部性放大、负向外部性控制住。答这类题时我习惯按“供给侧—需求侧—平台侧”三层拆。供给侧创作者/商家数量够不够质量如何成本收益是否平衡需求侧用户/消费者规模有多大结构是什么留存如何付费意愿如何平台侧规则与效率分成机制、流量分配、治理规则、技术成本按这个框架去答内容会比较完整至少在结构上不容易丢分。3.2 结合具体业务的答题框架这里用短视频平台直播业务做个例子展示怎么写一份高质量论述题答案。题干假设“直播打赏收入快速增长但有人担心这会影响平台长期生态。谈谈你的看法。”低分答案会直接站队说“好事”或“坏事”。有层次的答案应该这样组织先界定直播打赏收入的增长可以拆成三部分付费用户规模的增加、付费渗透率的提升、人均付费金额的提升。这三部分分别对应不同的业务含义。付费用户规模增加说明用户基数在扩大或转化做得更好渗透率提升说明付费习惯在养成人均付费金额提升则可能是大额用户贡献增加。注意人均付费金额提升不一定是好事如果靠头部大额用户拉动意味着收入结构脆弱而且可能涉及非理性消费、未成年打赏等风险。再分析打赏对平台生态的影响不是线性的。一方面打赏为创作者提供直接收入激励内容供给这是正外部性另一方面过度追求打赏效率可能导致内容生态向诱导消费倾斜让非付费用户体验下降这是负外部性。平台要做的是设计规则让正外部性大于负外部性。最后落到建议用指标体系和实验来管理这个平衡。可以追踪付费用户留存、非付费用户观看时长、举报率、内容举报结构等护栏指标在小流量实验中调整分成比例和打赏引导策略观察整体指标变化再决定全量。这种答题方式既体现了你的经济学框架也展示了你对业务的理解还有量化验证意识。阅卷人看到这种答案基本上就能判断你入职后能不能独立推进一个分析项目。3.3 用经济学语言包装常识一个加分技巧很多候选人觉得论述题要“语出惊人”其实不是。论述题真正加分的是把常识问题用经济学语言重新组织。比如“创作者为什么愿意持续发布内容”常识答案是“因为能涨粉赚钱”。用经济学语言说就是“创作者在既定成本约束下追求收益最大化这里的收益包括经济回报和社会认同成本包括创作时间与机会成本当收益大于边际成本时供给就会增加”。再比如“平台为什么要打击搬运和低质内容”常识答案是“因为影响用户体验”经济学语言是“低质内容产生负外部性增加了用户的信息筛选成本平台的治理行为本质上是将负外部性内部化”。这套包装能力可以通过刻意练习来培养。平时看到任何一个业务策略都试着用“成本、收益、激励、外部性、边际”这五个词之一去解释一遍练习半个月论述题的语言风格会明显上一个档次。4. 计算与统计题不考数学考的是“可解释的判断”4.1 指标归因的乘法拆解套路计算题最常见的类型是“收入增长归因”和“活动效果评估”。这类题有一个万能破题法——乘法拆解。几乎所有业务指标都可以拆成几个因子相乘。短视频平台的广告收入可以拆成广告收入 DAU × 人均展示广告次数 × 广告加载率 × 千次展示收入。直播收入可以拆成直播收入 DAU × 付费渗透率 × 人均付费金额ARPPU。创作者活跃度可以拆成活跃创作者数 注册创作者数 × 首次发布转化率 × 次周持续发布率。拿到计算题时先别急着动笔先写拆解公式再把已知数据代入最后识别哪个因子是“变化的主要驱动力”。比如题目告诉你“本月广告收入增长30%DAU增长5%广告加载率提升10%eCPM提升13%”你通过乘法关系很快就能判断出收入增长的主要驱动力是eCPM和广告加载率而不是用户增长。接下来所有建议都要围绕“如何继续提高eCPM”和“广告加载率的上限与用户体验平衡”去展开而不是空谈拉新。这个拆解过程本身就是面试官想看的分析逻辑。数据计算只是载体可解释性才是核心。4.2 留存相关的“常识区间”数据分析类题目经常涉及留存率。比如给一组“次日留存、7日留存、30日留存”的数据要求判断产品健康度。答这种题之前先要知道常见的参考区间。次日留存内容型产品一般能在40%到60%之间算不错低于30%说明首刷体验或新用户引导有较大问题7日留存一般在20%到30%之间属于健康低于15%需要警惕30日留存10%以上算不错低于5%说明产品缺乏长期价值注意这里说的是“常识区间”不是绝对标准。不同品类差异很大工具类产品的次日留存可能高于70%超休闲游戏也可能只有30%。答题时不要只报数字要说“这个数据处于什么水平说明什么问题”。比如“次留45%30日留存只有6%说明用户初次体验尚可但产品长期价值不足可能需要关注内容消费深度或社区关系沉淀”这种表达才叫数据分析。4.3 实验题怎么答才不丢分AB实验相关题目几乎每年都会出现在这类笔试中。考得最多的是几个点随机分组为什么重要保证两组在实验前无系统性差异使结果可归因如何判断结果是否可信看显著性水平、置信区间、样本量不只盯着P值什么时候可以放量看主指标是否显著改善以及护栏指标是否受损遇到实验题一个稳妥的答题模板是参考时期选择是否合理、分组是否随机、是否受同期其他策略干扰、样本量是否足够、显著性水平如何、主指标和护栏指标分别是什么、结果是否稳健、能否放量。举例题目说“某功能上线后DAU提升了5%据此判断该功能有效”答案应该先指出结论过于草率DAU提升可能来自季节性波动、同期其他运营活动、自然增长趋势不一定能归因于该功能。正确的做法是通过AB实验隔离变量长期观察趋势用同期对照组来排除干扰。这种“纠偏型”答案通常分数很高因为它展示了因果推断的基本素养。5. 案例设计题重灾区指标、口径与驱动力5.1 先定义口径再谈评估案例设计题经常是“如何评估某策略的效果”。很多候选人上来就写一堆指标但最大的坑是“指标口径不清晰”。举个例子题干问“如何评估内容审核策略调整的影响”。如果你只写“看内容举报率变化”就会显得很粗糙。高分的回答会先区分口径是看举报率绝对水平还是看举报量结构是看用户投诉的举报还是系统识别的违规内容占比审核策略调整会影响“应删内容比例”“用户举报量”“优质内容推荐量的变化”“创作者误伤率”等多个维度要先明确“核心评估口径”再围绕口径选指标。这种“先对齐口径再谈过程”的习惯在笔试里很加分因为它反映了你在真实工作中具备项目管理思维——任何评估项目第一步都是跟业务方确认“你说的有效到底是什么含义”。5.2 建对照组与干扰项意识案例题也常出现“给一个结果让你判断归因”。这是数据归因题也常见于对某个运营活动的效果评估。要控制住本能——不要看到数据就往“策略有效”方向想。要主动寻找干扰项。常见干扰项包括季节性因素如春节前后用户活跃度本身就高、同期其他活动重叠、产品版本更新、外部市场环境变化、自然增长趋势等。回答这类题的通用框架是先设定对照组历史同期、未触达用户、低渗透地区等再排除干扰项最后给出增量贡献的估计方法如DID、断点回归的思路不要求公式但要有这个意识。哪怕计算不精确只要体现出你有“隔离其他变量”的因果思维这道题就已经胜过大多数候选人了。5.3 从业务闭环谈策略建议案例设计题的最后一步往往是“基于分析给出建议”。这一步不要变成万能话术“优化产品、加强运营、提升用户体验”这种空话而是要落到业务闭环上。比如你评估一个创作者激励计划的效果发现计划确实提升了头部创作者产量但对中小创作者没有显著带动。那么你的建议不应该是“加大对中小创作者扶持力度”这种正确的废话而应该具体到是不是奖励门槛太高导致中小创作者无法触达是不是激励规则里只考核了播放量而中小创作者在初期无法获得播放量要不要分赛道、分层级设置激励池或者引入成长任务机制有闭环的建议一定是能回到“修改某个可执行参数”的。这个参数你可以在下一轮实验中观察形成“分析—策略—实验—再分析”的自循环。具备这种意识的答案阅卷人一眼就能识别出来。6. 备考过程中最容易踩的四个坑6.1 用考研教材复习是最大的误区我最开始备考时买了一堆宏微观经济学考研教材啃了一个月效用函数和古诺模型结果笔试里大部分用不上。不是说这些知识完全没用而是性价比极低。互联网公司的经济学家笔试更多是“商业分析能力经济学直觉”的组合测验不是学术能力测验。正确的复习路径应该是用一周时间过一遍曼昆《经济学原理》的微观部分重点理解弹性和边际分析再看一些平台经济相关的文章和行业报告建立对双边市场的直观感觉最后花一半以上的时间刷题和练习案例分析。一定要动手写不要只在脑子里想很多问题一写出来就发现逻辑是不通的。6.2 忽略把图表读成故事的能力数据题里经常会给几张图表要求说出业务洞察。很多人平时没有练这个到考场上一看图表就懵了。其实读图表的顺序是固定的先看整体水平再看趋势再看结构差异最后看异常点。给你一张各品类创作者投稿量和播放量的对比图先看哪个品类供给多、哪个品类消费多再看品类之间的供需差值最后找供给高但消费低的品类——那里面藏着结构调整的机会。把这个顺序变成肌肉记忆考试时就不会手忙脚乱。6.3 文书化表达被扣分论述题最怕写成“三段式议论文”第一段提出观点第二段堆论据第三段总结升华。这在学校作文里能拿高分但在商业分析里会被嫌弃。商业分析的核心是“结论先行数据论证可执行建议”不需要华丽的转折和排比。你可以在备考时逼自己用“三段式业务表达”回答所有问题第一句给结论第二句给数据或逻辑支撑第三句给出可落地的后续动作。这个习惯练好了笔试和面试都会受益。6.4 只顾刷题不看公司业务这是最容易被忽视的坑。同样的经济学原理放在不同行业里答案方向完全不同。考快手的试卷你如果不知道它的业务结构很容易答偏。至少要做到知道它的核心产品形态短视频直播、主要变现方式广告、直播、电商、创作者生态的大致情况、主要竞争对手是谁。这些信息不需要研究得多深入但要有基本常识。因为题目可能会问你“广告收入增长的驱动因素”你如果连“广告加载率”这个变量都想不到说明你确实没有理解这家公司的生意。我当时做完整套卷子出来最大的感受是这类笔试与其说在考知识不如说在考“你有没有用经济学思维去想一家公司生意的习惯”。那些课本上的术语一个都没用上但“成本收益”“供需匹配”“边际变化”“外部性内部化”这些思考方式贯穿始终。如果你也想投递这个方向建议从现在开始每天找一个业务现象用经济学的语言解释一遍。坚持一个月再打开这套试卷你会觉得它亲切很多。
互联网经济学家笔试备考：从经济学思维到商业分析能力
第一次看到“快手2019春季校园招聘笔试试题-经济学家试卷B”这个标题时我的第一反应是“赶紧把宏微观经济学教材翻出来背一遍”。但真正刷完这类试卷后我才意识到一个反直觉的事实互联网公司招“经济学家”笔试考的从来不是课本里的经济学而是用经济学思维去拆解真实业务问题的能力。如果你现在正在准备大厂经济学家、商业分析、经营分析这类岗位的笔试大概率会遇到同样的困惑——岗位名听着很学术试卷做起来却像“商业案例面试统计学基础一点计量常识”的混合体。这篇文章我就以这份试卷为线索结合互联网公司经济学家岗笔试的共同逻辑拆一拆它到底想筛什么人、题该怎么答、备考时间应该花在哪里。1. 经济学家笔试的真实定位从“经济学常识”到“业务分析力”1.1 笔试到底在筛什么能力模型很多候选人把“经济学家”三个字等同于学术研究于是花大量时间复习IS-LM模型、索洛增长模型、效用函数推导。但企业招聘经济学家不是为了发论文而是为了用经济学框架帮助公司理解市场、用户和商业策略。岗位的实际工作内容通常集中在几个方向内容平台的供需匹配、创作者激励的价格机制设计、增长策略的边际收益评估、平台变现模式的经济学解释。所以笔试在筛的是一套复合能力模型我把它拆成四层。第一层是经济学常识。不需要你会推导复杂模型但要懂边际成本、机会成本、供需均衡、弹性、外部性、博弈论的基本概念。比如平台给创作者提高分成比例短期带来供给增加但长期会不会导致平台毛利下降、创作者产生“补贴依赖”这就是一个典型的激励相容问题。第二层是商业逻辑。要能看懂一家公司的业务模式知道它的收入从哪里来、成本结构是什么、用户和供给端如何形成网络效应。以短视频平台为例创作者是供给侧用户是需求侧平台通过推荐算法做匹配再通过直播打赏、广告、电商这些方式把注意力变现。你如果连“双边市场”和“网络效应”都没概念很多题根本无从下手。第三层是数据处理能力。不要求手推公式但你要看得懂表格、算得清比例、能识别指标口径问题。比如给一张“不同渠道用户次周留存率对比表”你要能判断哪个渠道质量更高给一组活动前后的DAU数据你要能估算活动带来的增量大概是多少。第四层是结论表达能力。笔试中的论述题本质上是在模拟“你向上汇报”的场景。你能不能把分析过程组织成“结论先行—数据支撑—逻辑论证—策略建议”的结构比你是不是用了高级术语重要得多。1.2 短视频平台希望经济学家解决什么问题想答好试卷先得理解对方为什么设置这个岗位。以快手为参照短视频平台的核心经济学命题其实是三个。第一个命题是注意力的生产与分配。用户的时间是有限的平台要决定把流量分给哪些内容、哪些创作者。这背后涉及推荐算法但经济学家关心的不是算法本身而是流量分配带来的激励效果如果头部内容拿走了绝大部分曝光中小创作者还会继续生产吗如果长尾内容长期没有反馈供给会不会萎缩第二个命题是创作者经济的价格机制。平台让创作者赚到钱他们才会持续生产。但钱从哪里来、按什么规则分、怎么平衡不同体量创作者的收益这些都是经济学问题更准确地说是机制设计问题。第三个命题是双边市场的冷启动与增长阶段转换。早期平台缺内容需要靠运营手段拉创作者中期内容多了需要靠算法提高匹配效率后期要考虑商业化效率。每个阶段的命题不同笔试题目也会围绕这些阶段设置。想明白这几点你就清楚为什么试卷里会出现“平台补贴应该给需求侧还是供给侧”“如何设计创作者分成规则”“如何评估某次运营活动的长期价值”这类问题了。它们考察的都不是死知识而是你能否把经济学框架迁移到具体业务里。2. 盘点几类高频题型每一种都有固定的破题姿势2.1 经济学基础题的考查边界这类笔试通常会有一批“快速判断题”以选择题或简答填空的形式出现覆盖微观、宏观、计量的一些基础点。别被“经济学家”三个字吓到考得并不深重点集中在几个区域。价格与弹性需求价格弹性、交叉弹性对定价和补贴策略的含义成本与生产决策边际成本、固定成本、可变成本、规模效应市场结构与博弈完全竞争、垄断、寡头囚徒困境、纳什均衡外部性与公共品内容平台的审核治理可以理解为“负外部性的内部化”基础计量概念相关性不等于因果性、遗漏变量偏误、选择偏差做这类题最快的准备方式是找几套互联网公司商业分析/经济学家岗的真题感受一下出题风格再用曼昆《经济学原理》的微观部分查漏补缺。关键是理解概念在商业场景中的应用而不是背诵定义。比如考“边际成本”不会直接问你定义而是问“短视频平台每增加一个用户观看额外增加的成本几乎为零这说明了什么”如果你能答出“数字产品的边际成本趋近于零因此平台的核心命题是注意力的稀缺性而不是内容的稀缺性”这道题就过了。2.2 数据题的常规考法与速算素养数据题是刷人最多的部分因为它没有套路可以突击。常见考法有几种。第一类是图表解读给定一张留存曲线或一张用户结构分布表要求判断业务现状并给出建议。这种题考的是对数据敏感度平时多看看自己产品的DAU趋势、留存矩阵、漏斗转化率会很加分。第二类是估算与简单建模例如“某功能上线后次日留存率提升了0.5个百分点DAU提升估算对人均时长的贡献”。这类题不需要精确计算但要有清晰的拆解链条和合理的数量级估计。我自己的经验是平时养成“把指标拆成乘除法”的习惯考场上就不会慌。第三类是AB实验相关考查对分组、显著性、置信区间、类实验的基本理解。最常见的坑是只看“显著”不看“效应量”或者忽略样本量不足带来的“假显著”问题。2.3 案例题的评分套路案例题是重头戏。阅卷人看的不是“正确答案”因为很多业务问题没有唯一答案他们看的是三点一是有没有把问题拆开二是有没有兼顾短期与长期三是有没有落地的数据或逻辑支撑。举个例子题干可能是“公司想提高创作者活跃度你有什么策略”低分答案会写“优化分成机制、提供更多流量扶持、加强创作者培训”这种三条并列式的方案。高分答案会先拆解“创作者活跃度”受什么影响创作意愿、创作回报、创作成本然后分别展开每个方向上给出可验证的假设和对应的衡量指标最后还能提一句“需要小范围实验验证再决定全面推广节奏”。这一下就从“打嘴炮”变成了“业务操盘手”的视角。案例题最忌“没有数据视角的空谈”最忌“没有逻辑框架的堆砌”。框架感和量化意识是拉开差距的关键。2.4 论述题的时间分配很多候选人前面的题做得太细最后论述题只剩十分钟草草写两行交卷这是最可惜的。我的建议是拿到试卷先花两分钟浏览全局把论述题留出至少25到30分钟。论述题一般不会有标准答案但它占分最高考的就是你的结构化表达。哪怕前面的数据题有一两道拿不准也不能占用论述题的完整时间。3. 平台经济论述题怎么答才能体现“经济学家”的档次3.1 双边市场分析的基本功论述题题干经常是开放式的比如“如何看待短视频平台对创作者的分成策略”或“分析一种新兴变现方式对平台生态的影响”。这种题要答得出彩需要有双边市场的分析框架。双边市场的核心特征是两组用户互为外部性创作者越多、内容越丰富用户越愿意来用户越多、注意力越充足创作者越愿意来。平台的作用就是设计价格结构和规则把这两边的正向外部性放大、负向外部性控制住。答这类题时我习惯按“供给侧—需求侧—平台侧”三层拆。供给侧创作者/商家数量够不够质量如何成本收益是否平衡需求侧用户/消费者规模有多大结构是什么留存如何付费意愿如何平台侧规则与效率分成机制、流量分配、治理规则、技术成本按这个框架去答内容会比较完整至少在结构上不容易丢分。3.2 结合具体业务的答题框架这里用短视频平台直播业务做个例子展示怎么写一份高质量论述题答案。题干假设“直播打赏收入快速增长但有人担心这会影响平台长期生态。谈谈你的看法。”低分答案会直接站队说“好事”或“坏事”。有层次的答案应该这样组织先界定直播打赏收入的增长可以拆成三部分付费用户规模的增加、付费渗透率的提升、人均付费金额的提升。这三部分分别对应不同的业务含义。付费用户规模增加说明用户基数在扩大或转化做得更好渗透率提升说明付费习惯在养成人均付费金额提升则可能是大额用户贡献增加。注意人均付费金额提升不一定是好事如果靠头部大额用户拉动意味着收入结构脆弱而且可能涉及非理性消费、未成年打赏等风险。再分析打赏对平台生态的影响不是线性的。一方面打赏为创作者提供直接收入激励内容供给这是正外部性另一方面过度追求打赏效率可能导致内容生态向诱导消费倾斜让非付费用户体验下降这是负外部性。平台要做的是设计规则让正外部性大于负外部性。最后落到建议用指标体系和实验来管理这个平衡。可以追踪付费用户留存、非付费用户观看时长、举报率、内容举报结构等护栏指标在小流量实验中调整分成比例和打赏引导策略观察整体指标变化再决定全量。这种答题方式既体现了你的经济学框架也展示了你对业务的理解还有量化验证意识。阅卷人看到这种答案基本上就能判断你入职后能不能独立推进一个分析项目。3.3 用经济学语言包装常识一个加分技巧很多候选人觉得论述题要“语出惊人”其实不是。论述题真正加分的是把常识问题用经济学语言重新组织。比如“创作者为什么愿意持续发布内容”常识答案是“因为能涨粉赚钱”。用经济学语言说就是“创作者在既定成本约束下追求收益最大化这里的收益包括经济回报和社会认同成本包括创作时间与机会成本当收益大于边际成本时供给就会增加”。再比如“平台为什么要打击搬运和低质内容”常识答案是“因为影响用户体验”经济学语言是“低质内容产生负外部性增加了用户的信息筛选成本平台的治理行为本质上是将负外部性内部化”。这套包装能力可以通过刻意练习来培养。平时看到任何一个业务策略都试着用“成本、收益、激励、外部性、边际”这五个词之一去解释一遍练习半个月论述题的语言风格会明显上一个档次。4. 计算与统计题不考数学考的是“可解释的判断”4.1 指标归因的乘法拆解套路计算题最常见的类型是“收入增长归因”和“活动效果评估”。这类题有一个万能破题法——乘法拆解。几乎所有业务指标都可以拆成几个因子相乘。短视频平台的广告收入可以拆成广告收入 DAU × 人均展示广告次数 × 广告加载率 × 千次展示收入。直播收入可以拆成直播收入 DAU × 付费渗透率 × 人均付费金额ARPPU。创作者活跃度可以拆成活跃创作者数 注册创作者数 × 首次发布转化率 × 次周持续发布率。拿到计算题时先别急着动笔先写拆解公式再把已知数据代入最后识别哪个因子是“变化的主要驱动力”。比如题目告诉你“本月广告收入增长30%DAU增长5%广告加载率提升10%eCPM提升13%”你通过乘法关系很快就能判断出收入增长的主要驱动力是eCPM和广告加载率而不是用户增长。接下来所有建议都要围绕“如何继续提高eCPM”和“广告加载率的上限与用户体验平衡”去展开而不是空谈拉新。这个拆解过程本身就是面试官想看的分析逻辑。数据计算只是载体可解释性才是核心。4.2 留存相关的“常识区间”数据分析类题目经常涉及留存率。比如给一组“次日留存、7日留存、30日留存”的数据要求判断产品健康度。答这种题之前先要知道常见的参考区间。次日留存内容型产品一般能在40%到60%之间算不错低于30%说明首刷体验或新用户引导有较大问题7日留存一般在20%到30%之间属于健康低于15%需要警惕30日留存10%以上算不错低于5%说明产品缺乏长期价值注意这里说的是“常识区间”不是绝对标准。不同品类差异很大工具类产品的次日留存可能高于70%超休闲游戏也可能只有30%。答题时不要只报数字要说“这个数据处于什么水平说明什么问题”。比如“次留45%30日留存只有6%说明用户初次体验尚可但产品长期价值不足可能需要关注内容消费深度或社区关系沉淀”这种表达才叫数据分析。4.3 实验题怎么答才不丢分AB实验相关题目几乎每年都会出现在这类笔试中。考得最多的是几个点随机分组为什么重要保证两组在实验前无系统性差异使结果可归因如何判断结果是否可信看显著性水平、置信区间、样本量不只盯着P值什么时候可以放量看主指标是否显著改善以及护栏指标是否受损遇到实验题一个稳妥的答题模板是参考时期选择是否合理、分组是否随机、是否受同期其他策略干扰、样本量是否足够、显著性水平如何、主指标和护栏指标分别是什么、结果是否稳健、能否放量。举例题目说“某功能上线后DAU提升了5%据此判断该功能有效”答案应该先指出结论过于草率DAU提升可能来自季节性波动、同期其他运营活动、自然增长趋势不一定能归因于该功能。正确的做法是通过AB实验隔离变量长期观察趋势用同期对照组来排除干扰。这种“纠偏型”答案通常分数很高因为它展示了因果推断的基本素养。5. 案例设计题重灾区指标、口径与驱动力5.1 先定义口径再谈评估案例设计题经常是“如何评估某策略的效果”。很多候选人上来就写一堆指标但最大的坑是“指标口径不清晰”。举个例子题干问“如何评估内容审核策略调整的影响”。如果你只写“看内容举报率变化”就会显得很粗糙。高分的回答会先区分口径是看举报率绝对水平还是看举报量结构是看用户投诉的举报还是系统识别的违规内容占比审核策略调整会影响“应删内容比例”“用户举报量”“优质内容推荐量的变化”“创作者误伤率”等多个维度要先明确“核心评估口径”再围绕口径选指标。这种“先对齐口径再谈过程”的习惯在笔试里很加分因为它反映了你在真实工作中具备项目管理思维——任何评估项目第一步都是跟业务方确认“你说的有效到底是什么含义”。5.2 建对照组与干扰项意识案例题也常出现“给一个结果让你判断归因”。这是数据归因题也常见于对某个运营活动的效果评估。要控制住本能——不要看到数据就往“策略有效”方向想。要主动寻找干扰项。常见干扰项包括季节性因素如春节前后用户活跃度本身就高、同期其他活动重叠、产品版本更新、外部市场环境变化、自然增长趋势等。回答这类题的通用框架是先设定对照组历史同期、未触达用户、低渗透地区等再排除干扰项最后给出增量贡献的估计方法如DID、断点回归的思路不要求公式但要有这个意识。哪怕计算不精确只要体现出你有“隔离其他变量”的因果思维这道题就已经胜过大多数候选人了。5.3 从业务闭环谈策略建议案例设计题的最后一步往往是“基于分析给出建议”。这一步不要变成万能话术“优化产品、加强运营、提升用户体验”这种空话而是要落到业务闭环上。比如你评估一个创作者激励计划的效果发现计划确实提升了头部创作者产量但对中小创作者没有显著带动。那么你的建议不应该是“加大对中小创作者扶持力度”这种正确的废话而应该具体到是不是奖励门槛太高导致中小创作者无法触达是不是激励规则里只考核了播放量而中小创作者在初期无法获得播放量要不要分赛道、分层级设置激励池或者引入成长任务机制有闭环的建议一定是能回到“修改某个可执行参数”的。这个参数你可以在下一轮实验中观察形成“分析—策略—实验—再分析”的自循环。具备这种意识的答案阅卷人一眼就能识别出来。6. 备考过程中最容易踩的四个坑6.1 用考研教材复习是最大的误区我最开始备考时买了一堆宏微观经济学考研教材啃了一个月效用函数和古诺模型结果笔试里大部分用不上。不是说这些知识完全没用而是性价比极低。互联网公司的经济学家笔试更多是“商业分析能力经济学直觉”的组合测验不是学术能力测验。正确的复习路径应该是用一周时间过一遍曼昆《经济学原理》的微观部分重点理解弹性和边际分析再看一些平台经济相关的文章和行业报告建立对双边市场的直观感觉最后花一半以上的时间刷题和练习案例分析。一定要动手写不要只在脑子里想很多问题一写出来就发现逻辑是不通的。6.2 忽略把图表读成故事的能力数据题里经常会给几张图表要求说出业务洞察。很多人平时没有练这个到考场上一看图表就懵了。其实读图表的顺序是固定的先看整体水平再看趋势再看结构差异最后看异常点。给你一张各品类创作者投稿量和播放量的对比图先看哪个品类供给多、哪个品类消费多再看品类之间的供需差值最后找供给高但消费低的品类——那里面藏着结构调整的机会。把这个顺序变成肌肉记忆考试时就不会手忙脚乱。6.3 文书化表达被扣分论述题最怕写成“三段式议论文”第一段提出观点第二段堆论据第三段总结升华。这在学校作文里能拿高分但在商业分析里会被嫌弃。商业分析的核心是“结论先行数据论证可执行建议”不需要华丽的转折和排比。你可以在备考时逼自己用“三段式业务表达”回答所有问题第一句给结论第二句给数据或逻辑支撑第三句给出可落地的后续动作。这个习惯练好了笔试和面试都会受益。6.4 只顾刷题不看公司业务这是最容易被忽视的坑。同样的经济学原理放在不同行业里答案方向完全不同。考快手的试卷你如果不知道它的业务结构很容易答偏。至少要做到知道它的核心产品形态短视频直播、主要变现方式广告、直播、电商、创作者生态的大致情况、主要竞争对手是谁。这些信息不需要研究得多深入但要有基本常识。因为题目可能会问你“广告收入增长的驱动因素”你如果连“广告加载率”这个变量都想不到说明你确实没有理解这家公司的生意。我当时做完整套卷子出来最大的感受是这类笔试与其说在考知识不如说在考“你有没有用经济学思维去想一家公司生意的习惯”。那些课本上的术语一个都没用上但“成本收益”“供需匹配”“边际变化”“外部性内部化”这些思考方式贯穿始终。如果你也想投递这个方向建议从现在开始每天找一个业务现象用经济学的语言解释一遍。坚持一个月再打开这套试卷你会觉得它亲切很多。