「架构师训练营第 1 期」第十三周作业

作业一：

（至少完成一个）

• 你所在的行业，常用的数据分析指标有哪些？请简述。

• 指标

• 新增用户数：用来评估业务的扩张速度，可以通过营销手段来增加拉新速度。

• 用户留存（流失）率：通过营销手段拉新以后，还需要看用户留存率来评估产品价值，也可以使用营销手段来提升用户留存率。

• 活跃用户数：互联网产品比较爱看的一个指标，日活月活越高，用户消耗时间越长的产品一般可变现价值越高也越容易。

• PV：用户点击数。

• GMV：总成交额，反映网站营收能力，可以通过制造节庆、大促来大幅度提升 GMV。

• 转化率：有购买行为的用户数/总访问用户数，可以使用个性化推荐、营销来提升转化率。

• 图标

• 折线图：分析数据变更走势

• 散点图：分析数据分布

• 热力图：同散点图

• 漏斗图：分析各阶段的数据变化情况，方便找出可改进的阶段。

• Google 搜索引擎是如何对搜索结果进行排序的？（请用自己的语言描述 PageRank 算法。）

假设一共有 4 个网页 A、B、C、D。它们之间的链接信息如图所示：

1. 计算网页引用数量，思想和论文引用类似，被引用的次数越多说明越有用。

PR(u)表示待评估网页的 PageRank 值，PR(v)为引用 u 的网页 v 的 PageRank 值。

2. 但由于像导航网站之类的网页会存在大量的引用，所以从不同网页间计算引用的时候需要进行加权处理。

PR(u)表示待评估网页的 PageRank 值，PR(v)为引用 u 的网页 v 的 PageRank 值，L(v)为网页 v 中引用的数量。

上述模型存在 2 个问题：

1. 等级泄露（Rank Leak）：如果一个网页没有出链，就像是一个黑洞一样，吸收了其他网页的影响力而不释放，最终会导致其他网页的 PR 值为 0。

2. 等级沉没（Rank Sink）：如果一个网页只有出链，没有入链（如下图所示），计算的过程迭代下来，会导致这个网页的 PR 值为 0（也就是不存在公式中的 V）。

PageRank 的随机浏览模型

为了解决简化模型中存在的等级泄露和等级沉没的问题，拉里·佩奇提出了 PageRank 的随机浏览模型。

他假设了这样一个场景：用户并不都是按照跳转链接的方式来上网，还有一种可能是不论当前处于哪个页面，都有概率访问到其他任意的页面，比如说用户就是要直接输入网址访问其他页面，虽然这个概率比较小。

所以他定义了阻尼因子 d，这个因子代表了用户按照跳转链接来上网的概率，通常可以取一个固定值 0.85，而 1-d=0.15 则代表了用户不是通过跳转链接的方式来访问网页的，比如直接输入网址。

其中 N 为网页总数，这样我们又可以重新迭代网页的权重计算了，因为加入了阻尼因子 d，一定程度上解决了等级泄露和等级沉没的问题。

参考文献：

https://www.cnblogs.com/jpcflyer/p/11180263.html