新朋友点击 蓝字 关注我哦
Hi，我是猫哥。
裁员套餐常态化的现在，用扎实的数分buff技能，给咱充满血条保命。
关注猫哥并设为星标，才能收到每周的推送。
每周一家大厂面试原题，今天拆的是：某节
候选人请听题
某节：如果我们将点赞按钮颜色从红色改为蓝色，除了AB之外有什么方法可以验证效果？
你需要掌握知识点
AB实验（基础） + 敏感度分析（进阶） + 人工模拟AB（进阶）
基础部分
考点拆解
第一层：当碰到XX发生了变化，如何验证效果的问题时，第一反应都应该是考AB实验。
第二层：基础的AB实验知识点之外，AB实验还需要注意什么问题，特别是这种相互影响的网络结构。
第三层：当我们不能用AB，或者想要事前就推测实际效果如何，我们还能有什么方法。
回答思路
基于以上的考点拆解：
第一层：基础能力考察。基于这个业务场景，结合AB实验的原理，我们需要想到什么知识点，比如明确观察指标、计算样本量、流量如何分割、如何验证是否生效、该用什么方式推断结果等。
这些我们都需要根据预设业务场景给出详细回答。
需要注意的是，刚刚提到的都是很细节的问题，在回答时尽量按照事前、事中、事后来划分，这样看起来逻辑会更清楚。
第二层：拔高能力考察。回答了基础过程，我们还需要想到，该场景下的AB实验可能会碰到什么问题。
这些问题可能是业务场景下会碰到的问题，也可能是面试官关心的AB实验中的问题，比如新奇效应，网络效应，多重检验问题等。
我们都可以说一说，让面试官知道我们了解此类问题的解法。
当然，一些不适合该场景的问题，我们就不用很发散，比如当非双边业务时，我们就没必要提网络效应。
第三层：拔高能力考察。这道题里问到了排除AB之外的方法。如果将AB实验认为是一个事件，那这个事件之前我们可以做评估、预测，事后我们可以用打平的方式做预估、差分。
事前的评估是指当前预设变量对结果的影响系数，预测是指我们基于历史数据训练了模型，改变问题变量会得到什么结果。
事后的预估是指利用大盘观测数据去预估该事件在长期口径下的结果，差分则是指人为的构建AB去评估，如PSM的方式。
面试答案
首先，为了更科学的验证改变点赞颜色带来的效果，我会利用AB实验的方式来做。根据我对AB实验的了解，我会将这个评估过程分为实验前、实验中、实验后三个阶段。
实验前主要有三件事：确定评估指标，计算最小样本量，确定实验分流方式后计算实验周期。
由于是对点赞后的颜色做了改变，改变的初衷是我们预估改变这个颜色会让用户的点赞比例增加，那实验的评估指标可以是点赞率。
有了指标，假设最小可观测差异是1%，那通过样本量计算公式我们就能计算出实验最小样本量。由于该APP的流量足够大，且确认实验粒度是用户粒度，那我们假设分流10%来做实验组，10%来做对照组，最小样本量/实验流量即可算出实验周期。
确认这三个点后即可上线实验。
实验上线后，我会通过加入白名单的方式校验实验是否生效。之后直到实验结束，我才会去通过统计推断的方式检验颜色改变是否会显著改变点赞率。
由于这是个比率型指标，抖音本身的流量又足够大，所以我会选择使用Z检验来验证。当然，也可以利用... ...
其余内容，获取方式见文末！
问题总结
进阶部分
接下来，我们进入进阶部分：
获取方式
扫描下方二维码 购买，限时特惠，现已更29篇。
30篇大厂面试原题拆解，10篇大厂JD拆解，掰开揉碎，用大厂业务信息差降维打击保命续命！
每篇面试真题拆解，你将获取以下内容：
1️⃣【基础部分】：考点拆解 + 回答思路 + 参考回答 + 此类问题解法总结 + 类似问题
2️⃣【进阶部分】：回答避坑 + 如何引导追问 + 追问应对 + 考查知识总结 + 落地应用 + 多维视角回答
