2018年秋招那阵，欢聚时代的笔试通知发出来，很多同学第一反应是：产品经理、数据分析、游戏运营、市场专员这四类岗位，怎么就凑到同一场考试里了？我印象很深，当时B卷下来，不少人倒在前面的数据题上。现在回头看，这套题其实把校招笔试的考察逻辑讲得非常清楚——它不考你会不会背概念，而考你有没有业务逻辑、数据意识和清晰的书面表达。哪怕你今天只是在准备数据分析面试题，或者想转行做产品、运营，我都建议把这类校招笔试题当成练手材料好好研究一遍。这篇文章就把这套B卷拆开揉碎，讲清楚四个岗位各自的答题思路、常见误区和拿到题目后如何组织答案。
1. 为什么一份卷子让四个岗位一起考：先看懂出题人的动机
1.1 四个岗位共用的B卷，设计上有什么讲究
欢聚时代那年的业务盘子，已经从单纯的语音工具扩展到了直播、游戏、社交、秀场和海外产品线，招聘岗位当然五花八门。但你如果认真看笔试安排就会发现，产品经理、数据分析、游戏运营、市场专员这几个岗位用的是同一套综合卷，只是不同岗位在后半部分有对应的选做题或附加题。B卷和A卷的区别，主要是题序打乱、部分选择题和案例题做了替换，目的是防止相邻考生互相“参考”。
这套卷子的核心逻辑，是四个岗位都需要具备三样东西：对用户行为的理解能力、对数据的敏感度、以及用结构化方式表达观点的能力。产品经理要盯功能数据，数据分析师要专职跟指标打交道，游戏运营设计活动要考虑玩家心理和数值回收，市场专员做投放要看转化漏斗。这四个岗位表面分工不同，底层能力却是同一套。出题人不可能用一套卷子考你具体的业务知识，因为应届生本来就没太多业务经验，笔试能筛出来的，就是底层能力。
1.2 笔试本质上是筛选器，不是知识竞赛
很多考生误以为笔试是“考知识”，于是拼命背营销理论、背产品方法论、背分析模型，结果看到题目还是懵。实际上校招笔试更像一轮初筛，它的任务不是选拔“什么都懂的人”，而是淘汰“不具备基本逻辑能力”的人。
我见过不少候选人，简历写得天花乱坠，笔试第一道数据分析题就露馅了。给了一张主播周数据表，让他分析付费率下降的原因，他上来就写“建议加强内容质量”“建议增加主播互动”，全是正确的废话。这就是典型的没有拆解逻辑。出题人想看到的，是你能把“付费率下降”拆成“付费人数下降”还是“观看人数上升”，再进一步拆到渠道、新老用户、付费用户分层，最后给出可验证的下一步动作。
1.3 送分题、筛人题、分水岭题，你得学会识别
这套B卷的题目大致可以分成三类。
第一类是送分题，比如公司业务常识、行业基础概念、简单计算。这类题占20%左右，不需要花太多时间，但保证正确率很重要，因为它是后续做题的信心基础。第二类是筛人题，集中在逻辑推理和数据分析，占50%左右。这类题没有标准答案，但非常能拉开差距，大部分人停在这类题上，不是不会算，而是不会表达。第三类是分水岭题，集中在岗位相关的设计题和方案题，占30%左右。这类题决定你能不能进面试，因为它是唯一能体现你“像不像这个岗位的人”的环节。
后面所有内容，我都按照这三类题的逻辑来展开。先聊最容易拉开差距的数据分析题，再分别拆游戏运营和市场专员的方案题，最后讲整个考后复盘该注意什么。
2. 产品经理和数据分析题：用一张直播数据表把逻辑讲清楚
2.1 数据分析题的标准解法：先定义口径，再拆指标
当年这套卷子里最典型的一道数据分析题，是给出一张某直播间的周数据表，包含日期、新增用户数、活跃用户数、直播观看人数、人均观看时长、互动率、付费率等字段，要求考生分析“周四付费率为什么突然下降”。
很多同学拿到题目就开始写原因，这其实是大忌。数据分析面经里反复强调的第一条原则，就是先定义口径。你要先问自己三个问题：付费率的分母是什么？是DAU，还是观看直播的人数，还是进入过付费页面的用户？分子是什么？是付费人数，还是付费订单数，还是重新充值的用户数？所谓“突然下降”，是和前一天的环比比，还是和上周同一天比？
这些口径不写清楚，后面的分析全是空中楼阁。我当时辅导过不少同学，发现能主动写“按公司常见口径，付费率=付费人数/直播观看人数，本次分析以环比为主，参考上周同期”的考生，即使后面的结论稍微偏了，面试官也愿意给机会，因为他展示出了数据人最基本的严谨性。
2.2 一个很典型的场景：直播间付费率下降，数据长这样
为了让你直观理解解题过程，我根据当年那类考题的常见形态，还原一个简化版的数据场景。假设直播运营组看到一张表，数据大致如下：
| 日期 | 新增用户 | DAU | 直播观看人数 | 付费人数 | 付费率 |
|---|---|---|---|---|---|
| 周一 | 1200 | 8500 | 6200 | 340 | 5.48% |
| 周二 | 980 | 8100 | 5800 | 310 | 5.34% |
| 周三 | 1500 | 9020 | 7100 | 380 | 5.35% |
| 周四 | 1100 | 9600 | 7800 | 210 | 2.69% |
单看周四，DAU和直播观看人数都是上升的，付费人数却从380掉到210，于是付费率直接腰斩。很多考生会写：“付费人数下降说明用户付费意愿降低，建议多做充值活动。”这个答案错在只看了一行数据。
正确拆法是先分内在结构：新增用户当天贡献的付费，和存量老用户的付费，要分开看。老用户里，周消费金额在100元以上的核心付费用户有没有流失？如果核心用户还在付费，那问题可能出在“免费用户转化为付费用户”的环节。再看渠道结构：周四主推的推广渠道是不是带来了一堆只看不付费的低质流量？DAU上升，观看人数也上升，但付费没跟上，说明流量质量可能发生了变化。
再往后要看业务动作：周四是不是上线了新功能，把用户注意力引走了？是不是热门主播没有开播，付费用户转向了其他直播间？是不是支付通道出了问题？这些都必须写进“待确认原因”，而不是空泛地说“用户意愿下降”。这套思路，放到今天依然是数据分析岗的核心能力。
2.3 产品经理视角的数据分析题：从指标异动反推功能问题
同样是数据表，产品经理岗位的追问方向会不太一样。比如可能有一道题问：“某功能改版后，次日留存率从35%降到28%，作为产品经理，你怎么定位问题？”这里就不能只停留在数据维度，还要往产品逻辑上走。
我的建议是分四步回答。第一步确认数据口径，次日留存是“新用户次日留存”还是“活跃用户次日留存”，两者含义完全不同。第二步拆分人群，看是新用户留存下降还是老用户留存下降，如果只有新用户下降，问题多半出在注册流程和首次体验上，而不是核心功能。第三步还原用户路径，从启动App到完成关键行为的每一步，哪个环节流失最多，最好能说出“我需要在关键页面上埋点，比如注册页、首页推荐位、内容详情页”。第四步给出假设和验证方案，比如“我认为是改版后首页信息密度降低，导致新用户找不到感兴趣内容，我会通过A/B测试验证”。
产品经理不一定要自己算出所有数据，但必须知道用数据验证什么。笔试时能把“埋点、A/B测试、漏斗”这些词落在具体方案里，说明你确实做过思考，而不是背了几个名词。
2.4 关于SQL、Excel和Python：当时笔试环境下的工具选择
很多同学备考时会纠结：数据分析笔试到底要不要会写SQL？要不要会调Python？欢聚时代这套B卷的年代比较早，考场还是限时在线作答，不会让你真的连数据库取数。它考察的是你“拿到数据后怎么想”，而不是“怎么用工具跑”。
但这不等于工具能力不重要。我后来参与校招出题，发现一个很普遍的现象：会写工具的人很多，能讲清逻辑的人很少。你能用Python做数据清洗、用Excel做数据透视，这是基础技能，但笔试中更值钱的是「在脑子里面先画一张分析框架图」。比如看到付费率下降这个题目，你首先要画出指标拆解树，然后在旁边标注“此处需要SQL查询筛选出付费用户明细”“此处需要用Excel做分组对比”，这样即使没有真实数据，面试官也能看出你具备完整的数据分析能力。
更现实的是，很多笔试题允许你口算和手写。你只需要掌握基本的Excel计算思维，比如求和、占比、环比、留存率、ARPU，就足够应对大部分题。而Python、R、甚至像DBeaver这样的可视化工具，更多是在实际项目和面试方案展示中发挥作用。与其临考猛刷工具语法，不如先把指标口径和拆解逻辑练熟。
3. 游戏运营卷的“活动设计题”：答题框架直接暴露运营功底
3.1 游戏运营笔试题的典型形态
游戏运营岗位的附加题，通常不是让你分析竞品，而是直接扔给你一个运营场景。比如“某款游戏上线三个月，次留从45%降到30%，付费率也不理想，请你设计一个活动方案来提升七日留存和付费率”。这道题特别容易暴露应试者是否做过运营。
没经验的人会写“搞一个充值返利活动”，完事。但如果做过游戏运营，你会知道活动方案至少要覆盖七个模块：活动目标、活动周期、目标用户、活动规则、数值投放、风险控制、效果评估。这七个模块不是让你面面俱到地凑字，而是确保你的方案能落地。
举一个简单的例子：做“回归用户礼包”活动。目标用户是“流失超过14天但活跃期间付费过的玩家”，活动规则可以设计为“回归后连续登录3天赠送限定道具，回归首日充值双倍返利”。为什么这么设计？因为流失用户回归最需要的是动力和奖励反馈，双倍返利针对的是付费习惯已建立的用户，能直接刺激付费率回升。
3.2 一套可复用的活动策划回答模板
如果你以前没做过运营，面试前可以把下面这套框架背熟，然后套用到任何活动题里。
第一，活动目标要数字化。不要只说“提升留存”，要说“七日留存从30%提升到35%”，这样后面的规则才有方向。第二，活动周期要结合游戏节奏。比如版本更新后的第一周是留存关键期，活动放在这个时间段效果最好。第三，目标用户要足够细分。全量用户发奖励是烧钱，把用户按“是否付费”“活跃天数”“流失天数”分层，再决定每个人看到什么样的活动内容。
第四，活动规则要简单可执行。说明白玩家需要做什么、得到什么、什么时候发放。第五，数值投放要算账。我在实际运营中见过很多活动，一口气送一堆顶级道具，短期数据好看，长期把付费生态毁了。正确做法是控制稀有道具的投放量，让玩家“拿得到但不够多”。第六，风险控制要提前想，比如如果刷量怎么办，如果活动奖励被无限小号薅走怎么办。第七，效果评估要留后手，活动上线前确定好数据监控指标，活动后能和历史均值对比。
3.3 数值敏感度：游戏运营笔试里的隐藏加分项
游戏运营岗位对数值的敏感度要求是明显高于其他岗位的。比如活动设计题里，如果你能写出“这次活动预计消耗XX万金币，按照当前经济系统产出速度，影响在可控范围内”，分数会高很多。因为游戏运营本质上是在管理一个虚拟经济系统，数值崩了，游戏就崩了。
这里可以借一点商业数据分析的思维。游戏里的付费率、ARPPU、七日留存、LTV，和电商里的转化率、客单价、复购率是非常相似的。你在笔试时只要会做简单的比率计算和方法论证，就能和其他考生拉开差距。比如活动规则里写“每充值1元获得10钻石，同时额外返还20%钻石”，你可以顺手算一下，如果用户充值100元，实际获得多少钻石，等价折扣是多少，付费率大概能提升多少。这种数字写出来，不用多精确，已经证明你有数学建模与数据分析的基本功。
我当时带过的候选人里，有一半人不会在活动方案里写任何数字。他们不是能力不够，而是没有养成“凡事估算一下”的习惯。这个习惯，才是笔试中最值钱的东西。
4. 市场专员卷的预算分配与投放逻辑：结论不值钱，假设才值钱
4.1 预算有限时，怎样拆解渠道组合
市场专员岗位的附加题，常见的是“预算只有30万元，产品是一款面向年轻用户的社交App，请你制定一个月的投放方案，并说明理由”。这种题看起来很开放，但开放题最容易暴露思维混乱。
先把预算和时间拆清楚。30万一个月，一天只有1万预算，如果全投品牌广告，根本烧不出水花。所以第一步不是选渠道，而是算账：获客成本目标是多少？假设当前产品测试期每个有效用户的获客成本可以接受在30元以内，30万预算对应1万个用户，平均每天300个新增用户。这个数字一出来，你自然知道需要选择以“效果投放”为主的渠道，而不是砸钱做品牌曝光。
第二步是渠道组合。可以按“主力渠道+测试渠道”的框架来做。主力渠道选择信息流广告和应用商店投放，预算占比60%-70%，核心目标是获得确定性新增；测试渠道选择KOL合作、校园社群、异业互换等，预算占比30%-40%，核心目标是探索内容和口碑增量。这个结构的好处是既有基本盘，又有弹性。
4.2 说清楚“我为什么这么分”比给数字重要
很多同学答这类题，写了一大堆渠道名称，却没有说明理由。比如写“投抖音、投快手、投微信朋友圈”，这没有任何信息量。你要说明的是选择依据，比如“目标用户是18-25岁年轻群体，短视频平台渗透率高，且支持按兴趣定向投放，可以控制单个用户成本”。
我当时在笔试陪练中总结过一句话：结论不值钱，假设才值钱。你不需要保证你的投放方案一定正确，但你必须写清楚你背后的假设。比如“我假设新用户次周留存达到15%时，回收周期可以控制在三个月内”，这就比“我觉得这个渠道效果好”高级得多。因为一旦进入面试，面试官可以基于你的假设继续追问，你们之间就形成了真正的专业对话。
这里也能看出来，市场岗位为什么也要考数据分析。投放不是花钱，是花数据。每一次曝光、点击、注册、付费都是一条数据记录，数据回收和归因是投放方案的标配。如果你能在方案里画出“曝光→点击→注册→活跃→付费”的转化漏斗，并说明每个环节要监控哪些指标，这道题基本就稳了。
4.3 市场题和产品题的交叉考点：用户画像与投放素材
市场专员卷里还有一类题，会给你一个产品，让你写投放文案或设计推广方向。这种题表面考文案能力，实际考的是用户画像理解。比如一个主打陌生人社交的产品，你可以先拆用户核心诉求：有人想扩列交友，有人想看内容，有人想找同好。不同诉求对应不同素材方向，投放文案也完全不同。
做用户画像时，我建议用“基础属性+场景+痛点”三段式。基础属性指年龄、城市、职业，场景指用户通常在什么时间、什么情绪下打开App，痛点指用户为什么用你的产品。然后围绕痛点和场景生成投放素材，比空泛地写“引领年轻人社交新潮流”要强得多。
这种能力放到今天，很多行业依然适用。比如金融风控数据分析里要做用户分层和风险画像，本质上和用户画像的拆解方法一样；再比如无监督学习可以帮助做人群聚类，但在笔试阶段，你能手动按数据特征分层，已经能证明自己的基本功了。市场岗位越来越需要懂数据的复合型人才，这个趋势从那年的笔试题里已经能看出来了。
5. 考后复盘：B卷里真正决定你能否进面试的四个细节
5.1 时间分配：别把简答题写成小论文
考这套B卷时，最容易犯的错是在简答题上写太多。很多人看到论述题就兴奋，洋洋洒洒写800字，写到后面分值更高的数据分析和方案题时，时间不够了。
我建议把时间按照“分值权重+难度”来分配。送分题控制在15分钟内做完，遇到不会的不要恋战，直接标记跳过；逻辑和数据分析题，每道题给自己15-20分钟，先搭框架再填肉；最后的大题，至少预留40分钟以上。所有大题的回答，都要控制在300-400字之间。把结论写在最前面，然后分1-2-3点展开，每点两行话，让面试官一眼看到你的逻辑。
记住，笔试阅卷的人通常要一天看几百份卷子，他没有耐心帮你找重点。你的核心观点如果淹没在长篇大论里，和没写没有区别。
5.2 卷面结构：每个岗位的“必答区”和“加分区”
这套B卷里，每个岗位都有自己的必答区。产品经理必须答功能设计和需求分析题；数据分析必须答指标拆解和统计题；游戏运营必须答活动设计题；市场专员必须答投放方案题。必答区决定你是否达到岗位的门槛，加分区决定你是否能超过其他候选人。
什么是加分区？就是你在答自己岗位题目时，展现了其他岗位的知识。比如产品经理在答功能设计题时，顺手写了上线后要关注哪些数据指标，并给出预期值；游戏运营在做活动设计时，计算了活动对短期收入的拉动和长期留存的影响；市场专员在投放方案里，用数据漏斗拆解了各渠道的预期转化率。这些表现会让面试官觉得你是一个有全局视角的人，而不仅仅是一个完成任务的答题机器。
5.3 应届生最常在笔试中犯的三个错误
我批过不少笔试卷子，总结出三个反复出现的坑，你备考时一定要绕开。
第一个坑是下结论太快。看到一个数据异常就直接归因，完全不考虑其他可能。第二个坑是只写策略不写验证。写了一堆“建议优化内容”，但不说怎么验证、用什么指标判断成功。第三个坑是不敢写数字。方案里全是形容词，没有预算、没有比率、没有时间节点。
如果你能在笔试中做到“先说口径、再拆数据、后给方案、最后写验证”，你已经超过了80%的候选人。
5.4 从这套题延伸到今天：校招笔试变了吗
这些年再回头看2018年的这套B卷，测试方式变化很大。有些公司已经改成游戏化测评、AI视频面试，甚至允许用ChatGPT、用dify做数据清洗、用Python做完整分析后再提交报告。工具和形式在变，但核心考察点没有变：你能不能把模糊问题变成可执行方案，能不能用数据支撑判断，能不能让自己的思路被对方快速理解。
我后来带实习生和校招生时，还经常拿这套笔试题当练手材料。最明显的一个感受是，现在很多同学工具用得很溜，数据可视化也很漂亮，但一到“业务指标为什么波动”这种问题就卡住了。反而是那些愿意花时间把题目拆开，把所有可能的原因列出，再用数据验证的人，更容易在工作中脱颖而出。笔试不是终点，它只是进入这个行业的第一道门槛，但通过这道门槛的方式，往往能预示你在以后的工作中会怎样思考问题。
