前端架构师知识库

Appearance

前端数据工程练习册 ​

通过练习掌握埋点设计、AB 实验和指标体系。

难度分级 ​

  • 🟢 基础：理解概念。
  • 🟡 进阶：能设计埋点和实验。
  • 🔴 深入：能设计数据驱动体系。

一、选择题 ​

第 1 题（🟢）曝光是指？ ​

A. 用户点击元素 B. 元素进入可视区 C. 页面加载完成 D. 用户离开页面

查看答案与解析

答案：B

曝光埋点指元素进入用户可视区。通过 Intersection Observer API 监听元素可见性。

第 2 题（🟢）AB 实验中，对照组和实验组必须？ ​

A. 人数相等 B. 随机分流 C. 同时看到两个版本 D. 来自不同地区

查看答案与解析

答案：B

随机分流保证两组可比，排除混杂因素干扰。

第 3 题（🟡）北极星指标的特点是？ ​

A. 越多越好 B. 最能反映产品核心价值 C. 只关注技术 D. 每天变化

查看答案与解析

答案：B

北极星指标是反映产品核心价值的单一指标。

第 4 题（🟡）以下哪项是护栏指标？ ​

A. 转化率 B. 页面加载时间 C. 销售额 D. 新增用户

查看答案与解析

答案：B

页面加载时间作为护栏指标，防止实验带来性能副作用。

第 5 题（🔴）埋点口径不一致会导致？ ​

A. 代码更简洁 B. 数据分析结果不可信 C. 页面加载更快 D. 用户流失

查看答案与解析

答案：B

口径不一致导致数据打架，分析结果不可信。

第 6 题（🟡）埋点发送失败时前端 SDK 应优先？ ​

A. 直接丢弃失败数据 B. 存入本地存储后续重试 C. 弹窗提示用户 D. 立即刷新页面

查看答案与解析

答案：B

写入 localStorage/IndexedDB，网络恢复后重试。直接丢弃会导致分析偏差。

第 7 题（🟡）最小样本量计算取决于？ ​

A. 用户年龄和性别 B. 基线转化率/MDE/显著性水平/功效 C. 页面加载速度和服务器数 D. 实验天数

查看答案与解析

答案：B

由基线转化率、最小可检测效应量(MDE)、显著性水平(0.05)和功效(0.8)决定。

第 8 题（🔴）DWD 层的全称和作用？ ​

A. Detail 层，存储清洗后明细数据 B. Wide Dimension 层 C. With Dependencies 层 D. Direct Data 层

查看答案与解析

答案：A

DWD(Data Warehouse Detail)对原始数据清洗去重标准化。

第 9 题（🟢）GDPR 要求数据收集基于什么原则？ ​

A. 尽可能多收集 B. 用户明确同意+最小必要 C. 无限期保留 D. 无需通知用户

查看答案与解析

答案：B

GDPR 要求 opt-in 同意和数据最小化原则。

第 10 题（🟡）以下哪种方式最能保证埋点数据可靠性？ ​

A. 同步 HTTP 发送 B. 批量发送+缓存+重试 C. console.log D. 页面卸载时统一发送

查看答案与解析

答案：B

批量发送减少请求，本地缓存防丢失，失败重试保送达。

第 11 题（🟡）漏斗流失率计算公式？ ​

A. 上一步/下一步 B. 下一步/上一步 C. 下一步-上一步 D. (上一步-下一步)/上一步

查看答案与解析

答案：D

流失率 = (上一步 - 下一步) / 上一步。从1000到600流失40%。

第 12 题（🟡）哪种留存分析最适合评估新功能长期用户粘性？ ​

A. 日留存(D1/D7/D30) B. 按小时留存 C. 按分钟留存 D. 按季度留存

查看答案与解析

答案：A

日留存是最常用的方式。小时/分钟留存仅适用即时通讯等场景。

第 13 题（🔴）最准确的多端用户身份识别方案？ ​

A. 仅设备ID B. 仅Cookie C. 匿名ID+登录后关联合并 D. 每次生成新随机ID

查看答案与解析

答案：C

统一 User ID：匿名用 uuid，登录后关联合并历史数据。

第 14 题（🟡）事件属性最佳设计实践？ ​

A. 上报所有用户信息 B. 中文属性名 C. 统一命名+固定类型+避免混合类型 D. 每次重定义结构

查看答案与解析

答案：C

属性名用英文小驼峰/下划线，类型固定，避免混合类型。

第 15 题（🔴）最适合秒级用户行为分析的实时架构？ ​

A. MySQL+Cron B. Kafka+Flink+ClickHouse C. Excel手工导入 D. 仅Redis缓存

查看答案与解析

答案：B

Kafka 高吞吐消息队列，Flink 实时流计算，ClickHouse 秒级 OLAP 查询。

二、场景分析题 ​

第 16 题（🟡）产品希望验证新按钮颜色是否能提升点击率，如何设计 AB 实验？ ​

查看答案与解析

参考思路：

  • 假设：新颜色提升点击率。
  • 分流：随机 50% 用户看到新颜色。
  • 指标：点击率（核心），页面停留时长（护栏）。
  • 样本量：根据基线点击率和 MDE 计算。
  • 运行：收集足够样本，计算 p 值。
  • 决策：显著正向则全量，否则保留原方案。

第 17 题（🟡）团队发现某页面转化率下降，如何通过数据定位问题？ ​

查看答案与解析

参考思路：

  • 查看漏斗：访问 → 点击 → 下单 → 支付。
  • 定位转化率下降的具体环节。
  • 分析该环节的埋点、性能、错误。
  • 按渠道、设备、版本、地区下钻拆分。
  • 结合用户反馈和热力图辅助判断。

第 18 题（🔴）设计一个电商详情页的埋点方案，覆盖曝光、点击、转化。 ​

查看答案与解析

参考思路：

  • 曝光：商品主图、推荐商品进入可视区（IntersectionObserver）。
  • 点击：加入购物车、立即购买、收藏、分享。
  • 转化：下单成功、支付成功、支付失败。
  • 属性：商品ID、名称、价格、类目、位置、用户ID、渠道来源。
  • 注意：曝光需做幂等；转化需关联订单ID。

第 19 题（🔴）埋点数据丢失如何排查？ ​

查看答案与解析

参考思路：

  1. 在浏览器 Network 面板过滤埋点请求，确认是否发出。
  2. 检查广告拦截插件、隐私模式是否阻止请求。
  3. 检查 HTTP 并发限制和 keep-alive 超时。
  4. 排查服务端：网关限流、负载均衡丢弃、接口报错。
  5. 验证数据格式是否匹配服务端解析逻辑。
  6. 检查 sendBeacon 浏览器是否成功排队。
  7. 添加端到端监控，对比前端发送日志和服务端接收日志。

第 20 题（🔴）AB 实验转化率提升 5%（p=0.03），但男性+8%女性+2%，如何解读？ ​

查看答案与解析

参考思路：

  • p=0.03<0.05，整体统计显著。
  • 方向一致幅度不同，不一定是悖论。
  • 检查 Simpson 悖论：男女比例在两组是否均衡。
  • 下一步：检查分组是否均衡；计算性别分组 p 值；检查其他混淆变量（设备/时间段/地域）；确认后决策全量但可做性别细分优化。

第 21 题（🔴）为日活千万资讯 App 设计指标树（Metrics Tree）。 ​

查看答案与解析

参考思路：

北极星指标：DAU

一级拆解：DAU = 新增 + 留存 + 回流

二级拆解：

  • 新增：下载完成率、注册转化率、首次阅读率
  • 留存：次日/7日/30日留存
  • 活跃：人均时长、日启动次数、Feed刷新次数
  • 内容：阅读量、播放量、互动率
  • 推送：到达率、点击率

三级拆解（护栏）：启动耗时<2s、首屏<1.5s、接口成功率>99.9%、崩溃率<0.1%、埋点成功率>99%

第 22 题（🔴）加购到下单流失率从40%升到65%，怎么排查？ ​

查看答案与解析

参考思路：

可能原因：价格展示不一致、下单流程 Bug、支付体验变差、竞品活动

排查步骤：

  1. 确认埋点数据准确性
  2. 按维度下钻：商品类目/用户渠道/App版本/时间粒度
  3. 查看加购到下单的时间间隔变化
  4. 下单页点击热力图
  5. 技术排查：下单接口耗时和错误率、JS错误
  6. 竞品与运营活动排查

第 23 题（🔴）多端用户行为关联方案（小程序/App/Web） ​

查看答案与解析

参考思路：

匿名ID：未登录时每端生成 uuid 存 Storage。 登录ID：登录后从服务端获取统一 user_id。 关联机制：登录时将 anonymous_id 与 user_id 绑定。 数据合并：服务端查找 anonymous_id 的历史数据，更新 user_id。 跨端合并：同一 user_id 不同端通过 user_id 关联。 注意事项：隐私合规需用户同意；ID冲突按时间戳取最近；定期清理超90天未关联的匿名数据。

三、设计/开放题 ​

第 24 题（🟡）为一款 SaaS 产品设计三层指标体系（业务/产品/技术）。 ​

查看答案与解析

业务层：MRR、付费转化率、客户留存率/流失率、LTV、CAC

产品层：功能使用率、任务完成率、NPS、DAU/MAU、核心功能人均使用次数

技术层：页面加载时间(FCP/LCP)、接口成功率和响应时间、JS错误率、埋点覆盖率、核心功能 SLA

第 25 题（🔴）设计埋点治理方案，解决口径不一致、漏埋、错埋问题。 ​

查看答案与解析

1. 规范先行：统一事件字典(Event Dictionary)；命名规范如 [domain][object][action]；属性名和类型规范。

2. 工具保障：类型化埋点 SDK（TS 编译时校验）；CI 阶段埋点校验 CLI。

3. 流程管控：需求评审→开发自测→QA 验收→数据校验。

4. 数据监控：覆盖率监控；异常检测(量级突变告警)；定期审计。

5. 口径管理：指标口径文档化含计算方式和数据来源；变更走审批流程。

第 26 题（🔴）设计一个实时数据看板，支持下钻分析。 ​

查看答案与解析

数据采集：埋点→Kafka→Flink 实时计算；业务库→Canal→Kafka。

实时计算：Flink 窗口聚合(1/5分钟)；计算 DAU、PV/UV、转化率、漏斗；结果写入 ClickHouse 和 Redis。

展示层：WebSocket 推送实时数据；ECharts/AntV 渲染；顶部全局指标，中部趋势图，底部明细表。

下钻：按时间/渠道/版本/地域/设备筛选；分钟级下钻到秒级事件流。

告警：核心指标异常波动自动告警；数据延迟超5分钟告警。

第 27 题（🔴）设计前端埋点 SDK 的完整架构。 ​

查看答案与解析

1. 初始化模块：init({appId, serverUrl, userId, options})；注册全局错误监听；注册页面生命周期。

2. 采集模块：自动采集(PV/点击/时长)；声明式埋点(data-track-*)；命令式埋点(tracker.track)；曝光埋点(IntersectionObserver+防重复)。

3. 缓存策略：内存队列；IndexedDB 持久化；localStorage fallback。

4. 发送策略：批量发送(满N条或隔T秒)；优先 sendBeacon；fallback fetch/XHR；指数退避重试(1s/2s/4s/8s 最大60s，最多3次)。

5. 错误恢复：启动自检清理过期缓存；失败不阻塞操作；flush() 强制发送。

6. 扩展：dev 模式 console 日志；Plugin 机制；采样率配置。

第 28 题（🔴）设计 AB 测试平台的核心架构。 ​

查看答案与解析

1. 实验配置层：管理后台创建实验，定义变量和分流比例；实验元数据(实验ID/名称/层/域/时间)。

2. 分流引擎：hash(userId+experimentId)%100 决定分组；分层正交(每层不同 salt)；用户级一致性。

3. 前端 SDK：请求分流配置并缓存 localStorage；计算分组判定实验命中；abTest.getVariation(key) API；自动上报曝光事件。

4. 指标计算：实时 KFlink 聚合；离线 Hive/Spark T+1 计算；二项分布用 Z/卡方检验；均值用 T 检验。

5. 统计决策：p 值 vs 0.05；护栏指标检查；运行时长检查(至少一周)；AA 检验验证分流均匀性。

6. 结果展示：趋势对比、累计 p 值曲线、置信区间；支持下钻；历史实验汇总。

标签：#data-engineering #ab-testing #metrics #tracking

最后更新：2026-07-06

基于 MIT 协议发布

Copyright © 2026 前端架构师知识库