笔试题目如下：
现在有一个大社区，该街区有A、B、C、D......、Z等26个小区，每个小区有100个居民，总共是2600个居民。全部居民都有唯一编号来识别身份：
比如：
A小区的100个居民编号分别为A1，A2，A3，......，A100。
B小区的100个居民编号分别为B1，B2，B3，......，B100。
以此类推，Z小区的100个居民编号分别为Z1，Z2，Z3，......，Z100。
社区旁边5站公交的地方开了一家shopping mall，提供吃喝玩乐购物一条龙服务，命名百度广场。百度广场希望进行一次以小区为单位的促销推广活动（如赠送积分购物卡），在做活动之前，需要确定这26个小区中的哪些小区的居民用户质量最高，最具备促销价值，然后定点投放。
目前收集到了小区全部居民在8月1日——31日的全部数据，内容如下：
出门①→公交②→百度广场购物③→百度广场看电影④→百度广场唱歌⑤→百度广场餐厅吃饭⑥
其中：
（1）①②③④⑤⑥的行为发生时间点都有记录
（2）③④⑤⑥的具体消费金额都有记录
（3）③的购物明细（购买了哪些商品）都有记录
（4）④的观看电影的节目单都有记录
（5）⑤的点歌单的明细都有记录
（6）⑥的菜单明细都有记录
（7）该社区只有888路公交车是抵达百度广场的，但是该社区公交站还有通往其他地方的公交车，如514,521,602路
（8）①②③④⑤⑥不是完全连续发生的
问题如下：
（1）如何判断单个居民质量的高低？如何判定哪些用户最具备促销价值？
（2）如何选择一个最具促销价值的小区？
个人解答：
很明显的逻辑流程题啊
筛选掉没有行为1的人-筛选掉行为2中从来不做888的人
因为是需要做促销，所以就需要发生购物
接着筛选掉没有行为3456的人
这样就能得到所有在广场消费过并且可能会买促销产品的人啦
然后假定促销产品最低想要达到的个人消费金额是x，则筛选掉消费金额没有达到x的人
然后这x的人都是我们的基础目标用户，然后回归原题，原题是赠送积分卡，则可得到积分卡的获得方式，获得方式肯定不会是赠送那么没有价值，则假设我购物满x元就赠送积分卡，一人只能获得一张，积分卡累计到x1值可以去换取实物商品，累计到x2时可去电影院看电影，累计到x3时可免费唱6小时，累计到x4时可获得一次免费的餐券（餐券价值>唱歌价值>电影票>实物商品）（也有可能不是免费而是折扣）
接着建立基础的用户画像，以积分卡的获得对象为目标
积分卡的最终价值是餐券，但是会想去使用餐券而又能一次性达到x4标准的人：家庭煮妇，高端聚会
能累计到x3的人，喜欢消费且一次性能达到x3的人：集体消费，小型企业采购，中高端客户
能累计到x2的人，消费能力一般且电影偏私人性质：非单身狗的年轻小狗
能累计到x1的人，偶尔逛超市的单声狗
得到以上的基础画像就可以继续筛选啦
超市单次消费能够达到x4以上且一个月不少于5次消费的女性，年龄范围为25岁以上的人有为q，餐厅消费能够达到x4以上且一月不少于4次的人为w
购物（3）月消费能够达到x3< 一次性消费能够达到x2< 一次性消费能达到x1< 然后我们的目标人群是q+w+e+r+t 接着来的就是筛选他们的连贯性，对，就是你想的那样，一共有这些： 3456四种行为，因为刚才假设过几分卡是以一种消费来刺激另外一种消费，所以我们需要筛选最少在一天之内有过俩次消费行为（场所）的消费者，然后又筛选了一批人，现在剩下y了 这些y呢几乎都会在消费过一个场所之后就去下一个场所进行消费，而我们的积分卡刚好包括了所有的内容，所以可以适用于他们接下来的所有场所进行免费（或折扣）的消费 而这y人中哪个小区的人最多则哪个小区就做为重点，当然也有可能平均分呐亲，这个是完全有可能的。当出现这种情况的时候我们再来具体的和促销商进行谈判吧，怎么谈？这个好办，继续深入你的需求，你希望是3456哪一部分的消费占比更高一些，然后就可以发挥啦 比如：需要看电影的人更多一些，那么 划重点！！！ 减少掉y人中没有看过电影的群众们，得到了u 然后u中具体来判断思维模式，一般人都会有的选择： 直接看电影 吃完饭看电影 购物之后看电影 购物吃饭加电影 就这四种，有人会说，那么唱歌看电影的呢？其实吧，电影作为后现代消费的一种主流的行为模式，更多承载的意义是休息与消磨时间，所以真爱粉会第一时间去看，消磨时间的群众会在忙过后寻找一个适合转移或集中注意力的场所，这个场所明显不是唱歌，唱歌可以集中注意力，但是不能让全身得到放松（唱歌炒鸡累）。 以上四种人只有i人，这部分i就是我们最具备促销价值的用户了 而最具备价值的小区，那就是u里挑 至于大神们说的算法和其他的，抱歉啊咱用的是最简单的筛选，不过如果作为商业需要更具体的策划那么就需要大神们说的时间节点的考虑，因为那样的话就需要甲方给出深层次的需求，例如我需要某和产品的销量如何，用户粘性是什么样的，还有就是建立二次消费的模型。 这些需要计算的话就需要考虑时间节点以及人群的细分，同时考虑首个时间节点的消费产品及金额还有第二个时间节点的消费产品及金额，然后每天或是每周的消费模式，推断出下一周的消费模型进行核对，核对误差不高的情况下才可继续推断下一个月的消费行为模式，同时也需要考虑第二个月的节日以及天气情况（因为下雨的话就很少出门啦，而又节日的话大家都出去玩啦），同时在根据具体的消费产品（3）大致区分出人群的年龄分段，然后再从年龄分段大致区分他们的消费水平（6），然后数据结合将人群的基础用户画像建立起来（消费习惯，年龄分段，每个小区的消费水平等），在根据这些所有已经考虑到的东西来进行计算黏着性，粘着性的计算就需要从单个商品入手，例如：有o人喜欢喝可乐，他们大概每周会买P次左右（p为调和平均数），然后推断出他们的模型为op=o*p/7，得到了他们的粘着性数值之后，我们在根据自己每周可能领取的人数为o1（从消费记录中可得到大致会接受积分卡的人数），则可得到p1（每人至少获得的积分卡数）=o1*7/op，则可知我们最起码需要在o1个人手中发放p1次，而o1又不是每次都能得到，则可计算一个概率，o1人的下班时间为6点，6点会准时到达广场，则我们的积分卡6点开始发放，为了确保每个人都能得到卡，得我们将发放计量的1.2倍（0.2为误差，这里是估值，具体可更具离散型随机变量的均值进行计算），然后要确保每天都发放，当然有可能周六周日是休息日发放不成功，则可将周六周日的量计算值周一到周五中，这里估值为1.5倍。然后持续一周后渐渐降低他们的折扣比例（漏斗模型），直至黏着成功。
欢迎大神来指正或纠错，当然解答方法有很多种，但如果把题目看成一个产品题而不是数学题的话，我个人感觉用类似于话逻辑流程图的筛选方法会简单得多。
閱讀更多 小白的火龍果 的文章
