架构师 13 周练习

1、你所在的行业，常用的数据分析指标有哪些？请简述。

  电商行业的常用数据分析指标：

（1）常规数据指标的监测。用户量，新用户量，UGC 量（社交产品），销量，付费量。

（2）用户获取成本。页面访问时长、人均访问数、跳出率、注册会员数、活跃会员数、会员回购率。

（3）销售指标。加入购物车次数、加入购物车商品数、购物车支付转换率、下单笔数、下单金额、浏览下单转换率。

2、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）

   google 采用 PageRank 算法进行搜索结果排序，主要思想：如果一个网页被其他很多网页链接，则重要，权值高。如果权值高的网页链接某个网页，则该网页权值也提高。

  PageRank 算法描述如下：

  假设总共只有四个网页 A、B、C、D，所有的页面只指向 A，那么 A 的 PR 值就是 B、C、D 的 PR 总和：

  换句话说一个网页的 PR = 根据链出总数平分一个页面的 RP 值，用公式表示为：

如果一个网页只有对自己的出链，或及几个网页的出链形成一个循环圈，那个不断迭代的过程中，这一个或几个网页的 RP 值只增不减，显然不合理。

    为了解决这个问题，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。于是最终的计算公式为：

集合中所有页面的 PR 值可以由一个特殊的邻接矩阵的特征向量表示，这个特征向量 R 为：

    PageRank 算法中，一个页面的 PR 值直接取决于指向它的的页面。如果在最初给每个网页一个随机且非零的 PR 值，通过上述公式经过多次迭代，这些页面的 PR 值会收敛某个定值，即最终结果。