筆試題目如下：
現在有一個大社區，該街區有A、B、C、D......、Z等26個小區，每個小區有100個居民，總共是2600個居民。全部居民都有唯一編號來識別身份：
比如：
A小區的100個居民編號分別為A1，A2，A3，......，A100。
B小區的100個居民編號分別為B1，B2，B3，......，B100。
以此類推，Z小區的100個居民編號分別為Z1，Z2，Z3，......，Z100。
社區旁邊5站公交的地方開了一家shopping mall，提供吃喝玩樂購物一條龍服務，命名百度廣場。百度廣場希望進行一次以小區為單位的促銷推廣活動（如贈送積分購物卡），在做活動之前，需要確定這26個小區中的哪些小區的居民用戶質量最高，最具備促銷價值，然後定點投放。
目前收集到了小區全部居民在8月1日——31日的全部數據，內容如下：
出門①→公交②→百度廣場購物③→百度廣場看電影④→百度廣場唱歌⑤→百度廣場餐廳吃飯⑥
其中：
（1）①②③④⑤⑥的行為發生時間點都有記錄
（2）③④⑤⑥的具體消費金額都有記錄
（3）③的購物明細（購買了哪些商品）都有記錄
（4）④的觀看電影的節目單都有記錄
（5）⑤的點歌單的明細都有記錄
（6）⑥的菜單明細都有記錄
（7）該社區只有888路公交車是抵達百度廣場的，但是該社區公交站還有通往其他地方的公交車，如514,521,602路
（8）①②③④⑤⑥不是完全連續發生的
問題如下：
（1）如何判斷單個居民質量的高低？如何判定哪些用戶最具備促銷價值？
（2）如何選擇一個最具促銷價值的小區？
個人解答：
很明顯的邏輯流程題啊
篩選掉沒有行為1的人-篩選掉行為2中從來不做888的人
因為是需要做促銷，所以就需要發生購物
接著篩選掉沒有行為3456的人
這樣就能得到所有在廣場消費過並且可能會買促銷產品的人啦
然後假定促銷產品最低想要達到的個人消費金額是x，則篩選掉消費金額沒有達到x的人
然後這x的人都是我們的基礎目標用戶，然後迴歸原題，原題是贈送積分卡，則可得到積分卡的獲得方式，獲得方式肯定不會是贈送那麼沒有價值，則假設我購物滿x元就贈送積分卡，一人只能獲得一張，積分卡累計到x1值可以去換取實物商品，累計到x2時可去電影院看電影，累計到x3時可免費唱6小時，累計到x4時可獲得一次免費的餐券（餐券價值>唱歌價值>電影票>實物商品）（也有可能不是免費而是折扣）
接著建立基礎的用戶畫像，以積分卡的獲得對象為目標
積分卡的最終價值是餐券，但是會想去使用餐券而又能一次性達到x4標準的人：家庭煮婦，高端聚會
能累計到x3的人，喜歡消費且一次性能達到x3的人：集體消費，小型企業採購，中高端客戶
能累計到x2的人，消費能力一般且電影偏私人性質：非單身狗的年輕小狗
能累計到x1的人，偶爾逛超市的單聲狗
得到以上的基礎畫像就可以繼續篩選啦
超市單次消費能夠達到x4以上且一個月不少於5次消費的女性，年齡範圍為25歲以上的人有為q，餐廳消費能夠達到x4以上且一月不少於4次的人為w
購物（3）月消費能夠達到x3< 一次性消費能夠達到x2< 一次性消費能達到x1< 然後我們的目標人群是q+w+e+r+t 接著來的就是篩選他們的連貫性，對，就是你想的那樣，一共有這些： 3456四種行為，因為剛才假設過幾分卡是以一種消費來刺激另外一種消費，所以我們需要篩選最少在一天之內有過倆次消費行為（場所）的消費者，然後又篩選了一批人，現在剩下y了 這些y呢幾乎都會在消費過一個場所之後就去下一個場所進行消費，而我們的積分卡剛好包括了所有的內容，所以可以適用於他們接下來的所有場所進行免費（或折扣）的消費 而這y人中哪個小區的人最多則哪個小區就做為重點，當然也有可能平均分吶親，這個是完全有可能的。當出現這種情況的時候我們再來具體的和促銷商進行談判吧，怎麼談？這個好辦，繼續深入你的需求，你希望是3456哪一部分的消費佔比更高一些，然後就可以發揮啦 比如：需要看電影的人更多一些，那麼 劃重點！！！ 減少掉y人中沒有看過電影的群眾們，得到了u 然後u中具體來判斷思維模式，一般人都會有的選擇： 直接看電影 吃完飯看電影 購物之後看電影 購物吃飯加電影 就這四種，有人會說，那麼唱歌看電影的呢？其實吧，電影作為後現代消費的一種主流的行為模式，更多承載的意義是休息與消磨時間，所以真愛粉會第一時間去看，消磨時間的群眾會在忙過後尋找一個適合轉移或集中注意力的場所，這個場所明顯不是唱歌，唱歌可以集中注意力，但是不能讓全身得到放鬆（唱歌炒雞累）。 以上四種人只有i人，這部分i就是我們最具備促銷價值的用戶了 而最具備價值的小區，那就是u裡挑 至於大神們說的算法和其他的，抱歉啊咱用的是最簡單的篩選，不過如果作為商業需要更具體的策劃那麼就需要大神們說的時間節點的考慮，因為那樣的話就需要甲方給出深層次的需求，例如我需要某和產品的銷量如何，用戶粘性是什麼樣的，還有就是建立二次消費的模型。 這些需要計算的話就需要考慮時間節點以及人群的細分，同時考慮首個時間節點的消費產品及金額還有第二個時間節點的消費產品及金額，然後每天或是每週的消費模式，推斷出下一週的消費模型進行核對，核對誤差不高的情況下才可繼續推斷下一個月的消費行為模式，同時也需要考慮第二個月的節日以及天氣情況（因為下雨的話就很少出門啦，而又節日的話大家都出去玩啦），同時在根據具體的消費產品（3）大致區分出人群的年齡分段，然後再從年齡分段大致區分他們的消費水平（6），然後數據結合將人群的基礎用戶畫像建立起來（消費習慣，年齡分段，每個小區的消費水平等），在根據這些所有已經考慮到的東西來進行計算黏著性，粘著性的計算就需要從單個商品入手，例如：有o人喜歡喝可樂，他們大概每週會買P次左右（p為調和平均數），然後推斷出他們的模型為op=o*p/7，得到了他們的粘著性數值之後，我們在根據自己每週可能領取的人數為o1（從消費記錄中可得到大致會接受積分卡的人數），則可得到p1（每人至少獲得的積分卡數）=o1*7/op，則可知我們最起碼需要在o1個人手中發放p1次，而o1又不是每次都能得到，則可計算一個概率，o1人的下班時間為6點，6點會準時到達廣場，則我們的積分卡6點開始發放，為了確保每個人都能得到卡，得我們將發放計量的1.2倍（0.2為誤差，這裡是估值，具體可更具離散型隨機變量的均值進行計算），然後要確保每天都發放，當然有可能週六週日是休息日發放不成功，則可將週六週日的量計算值週一到週五中，這裡估值為1.5倍。然後持續一週後漸漸降低他們的折扣比例（漏斗模型），直至黏著成功。
歡迎大神來指正或糾錯，當然解答方法有很多種，但如果把題目看成一個產品題而不是數學題的話，我個人感覺用類似於話邏輯流程圖的篩選方法會簡單得多。
閱讀更多 小白的火龍果 的文章
