这几天好几个准备校招的同学问我游戏公司数据分析师笔试怎么准备我第一反应就是把搜狐畅游2019校招那套题翻出来说。这套题不是最难的但它是典型的“游戏行业风格”和互联网通用数据岗的八股题完全是两路子。当年我拿它当模拟题做的时候很多思考方式到现在带新人还在用。这篇文章就把这份回忆版真题的考点、答题思路、踩坑经验和备考路线完整拆一遍想投数据分析师、尤其是盯着游戏赛道的应届生可以直接照着准备。先说清楚一点2019年的题目到今天我手上的并不是官方原版而是当时一批考生的回忆汇总细节会有偏差。但数据岗笔试题的核心考点特别稳定版本更新、留存下降、付费率异常、抽卡概率、LTV计算这些东西你换三家公司还是会遇到。所以就算题目不完全一致题目背后的解题逻辑完全能复用。1. 为什么搜狐畅游这份笔试题值得反复复盘1.1 游戏数据岗和互联网数据岗的差异先别急着刷题得先搞清楚游戏公司的数据分析师要干什么。搜狐畅游是老牌的端游、手游厂商旗下产品线覆盖MMO、卡牌、休闲等多个品类这类公司对数据分析师的要求不是单纯跑数而是要求能从数据里看到“玩家为什么流失”“这次活动为什么没拉起来付费”这类业务问题。这就决定了它的笔试题和互联网大厂通用数据岗有明显的侧重差异。我做了个对照你们感受一下对比维度互联网通用数据岗游戏公司数据岗考察重心SQL、AB实验、指标体系、用户增长SQL、游戏指标、版本分析、付费归因典型题目“怎么评估某功能上线效果”“写SQL算GMV”“版本更新后次留下降怎么排查”“算抽卡期望”业务场景电商、内容、社交链路新手引导、关卡难度、活动设计、经济系统常用术语DAU、转化率、GMV、CACDAU、次留、付费率、ARPPU、LTV、关卡通过率你在互联网公司里说“ARPPU”很多人要先愣一下但在游戏公司这是天天挂在嘴边的基础指标。搜狐畅游的笔试里很多选择判断题都是直接拿这类游戏术语当题干不懂游戏业务的人连题目都读不顺。1.2 2019年前后游戏公司笔试的“题目风向”2019年那个时间点很特殊手游买量市场已经开始卷了公司对新增用户的获取成本和后续留存越来越敏感。同时市场上的竞品大量出现版本更新节奏变快玩家流失也更快。所以那个阶段的游戏公司笔试非常集中地考三件事获客质量分析、留存优化、付费转化。搜狐畅游这套题基本就是照着这个风向出的。选择题里有很多概率和统计学基础主观题则是给你一个游戏业务场景让你扮演数据分析师去回答“怎么办”。这种出题方式更像真实工作流的预演而不是纯考记忆力。现在2025年了你去面其他游戏公司题目包装换了内核还是这三板斧。1.3 这份题适合谁参考我觉得这份复盘对三类人最有用。第一类是完全没接触过游戏数据岗的应届生可以用它快速建立“游戏数据分析到底考什么”的认知框架第二类是已经拿了互联网数据岗offer、想转游戏方向的候选人可以拿它补业务术语和分析框架第三类是刚入行一两年的数据新人想系统整理自己的分析思路这套题里的归因逻辑和指标口径可以当检查清单用。2. 当年笔试的题型全景与时间分配2.1 题型分布与记忆中的分值结构根据考生回忆汇总搜狐畅游2019校招数据分析师的笔试大致是这套结构题量和具体分值不用完全当真但考察维度是确定的题型题量估算主要考察点建议用时选择题20题左右概率论、统计学、逻辑推理、基础SQL30分钟填空/简答2-3题概率计算、指标定义、SQL结果输出30分钟业务分析题1-2题留存下降、付费异常、活动评估40分钟综合分析题1题结合数据和业务给出可落地方案20分钟我记得当时不少人是倒在了时间分配上。前面选择题纠结太久后面业务大题只能写两行。笔试题量大不是要让所有人都做不完而是看你在有限信息下怎么抓重点。2.2 选择填空覆盖的基础知识选择题覆盖面很广但难度不算深。统计部分会考置信区间的含义、p值的误读、标准差和标准误、二项分布、正态分布这些基础概念。概率部分会考条件概率、期望、独立性判断。还有几道题是给一段游戏数据场景比如“某区服玩家平均在线时长上涨但付费率下降”让你选最合理的解释。这种题没有绝对标准答案考的是“能不能排除明显不合理的选项”。我建议复习的时候不要死记硬背公式而是把每个统计概念放在业务场景里理解。比如置信区间95%不是说“有95%概率落在区间里”而是“重复抽样100次大约95次的区间包含真实值”这类概念辨析题几乎是必考。2.3 主观大题的三种常见包装主观题从2019年到现在换汤不换药基本都是三种包装版本更新评估游戏发了新版本某些指标变了让你判断是版本问题还是外部因素。活动复盘某次充值活动或节日活动上线后收入提升但留存下降让你评估活动是赚是亏。指标异常归因DAU涨了收入却跌了或者次留突然下降让你给出排查链路。这三种包装背后考的是同一种能力把指标变化拆到“用户结构”“行为路径”“外部环境”三层然后给出验证动作。后面第3章我会把具体解法展开。2.4 我的答题时间分配参考以我当年模拟这套题的节奏比较合理的分配是前30分钟做选择题每道题不超过1分半不会的立刻标记跳过接下来30分钟做SQL和概率计算题这类题有确定性答案先拿稳最后60分钟全部留给业务主观题其中10分钟打草稿列框架40分钟展开写剩10分钟检查有没有漏题。为什么把业务题放最后给最多时间因为选择题蒙一个还有概率得分主观题开头不写框架、写到一半发现逻辑乱了可能整题拿不到几分。阅卷看的是分析结构不是看字多。3. 把高频题目拆开看概率、SQL、业务题的解法3.1 概率统计抽卡概率类的“标准动作”游戏公司笔试里概率题最喜欢用抽卡包装。当时流传的一个版本是“某卡池SSR出货概率为1%玩家抽取100次至少获得1个SSR的概率是多少”这道题的解法就是二项分布补集单次不出货概率0.99100次都不出的概率是0.99的100次方所以至少出一个的概率是P 1 - 0.99^100 ≈ 1 - 0.366 0.634也就是约63.4%。很多同学一看“概率1%抽100次”直接答“100%必出”这是错的。这个错误在游戏数据分析里很致命因为你会高估玩家在活动中的获得感进而设计出不合理的付费活动。笔试时我建议写完公式后加一句业务解释真实游戏中如果有保底机制实际概率会高于这个数值如果没有保底单纯靠1%的概率100抽仍有36.6%的玩家一无所获这会影响玩家体验和付费意愿。这种“公式业务解读”的答题方式比干写一个数字得分高很多。除了这种题还需要掌握几何分布的期望重复独立试验直到成功平均需要抽取1/p次。比如SSR概率1%平均100抽才出一个。这在算玩家获取成本的时候非常实用也是面试官追问时最可能抛出的问题。3.2 SQL次日留存与连续登录到底怎么写SQL题是游戏数据岗笔试的重头戏因为日常工作就是写SQL取数。流传版本里有一道很典型的“给定用户注册表和登录表计算某日新增用户的次日留存率。”表结构大致是这样user_register(user_id, reg_time) user_login(user_id, login_time)答题第一步不是写SQL而是说清口径。我当时把口径写在前面新增用户按注册日期去重次日留存用户定义为“注册日后第一天内有登录记录的用户”。这样既能防止歧义也能让阅卷人知道你不是在背答案。SQL可以写成select a.reg_date, count(distinct a.user_id) as new_users, count(distinct b.user_id) as retained_users, count(distinct b.user_id) / count(distinct a.user_id) as retention_rate from ( select user_id, date(reg_time) as reg_date from user_register where date(reg_time) between 2019-09-01 and 2019-09-07 ) a left join ( select user_id, date(login_time) as login_date from user_login where date(login_time) between 2019-09-01 and 2019-09-08 ) b on a.user_id b.user_id and date_add(a.reg_date, interval 1 day) b.login_date group by a.reg_date;这里有几个容易丢分的地方一是注册表可能有重复记录必须用distinct二是这个登录表是全量表要先过滤日期范围再做join否则全表扫描性能极差三是次日留存的join条件要写“注册日期1天”不是简单地“日期大于注册日”不然会把7日后的登录也算进来。另一个常见SQL题是“统计连续登录3天及以上的用户数”。思路是用窗口函数row_number给每个用户的登录日期排序然后用登录日期减去排序天数得到一个日期这个日期相同的记录就是连续的。select user_id from ( select user_id, login_date, date_sub(login_date, interval row_number() over (partition by user_id order by login_date) day) as diff from user_login ) t group by user_id, diff having count(*) 3;这个解法在笔试里最好写清楚思路再贴代码因为阅卷人会重点看你能不能解释为什么用“日期减序号”来判断连续性。3.3 业务分析版本更新后留存下降先查什么主观题最经典的一道是“游戏发布新版本后次日留存率下降了3个百分点你作为数据分析师怎么排查”这种题没有标准答案但一定有高分框架。我的思路是六步走第一步先校验数据。确认指标下跌不是埋点漏报、数据管道延迟、口径变更造成的。这一步很多人会漏但真实工作中数据出问题的概率远大于业务出问题的概率。第二步锁定下跌范围。是整体大盘都跌还是只有某个渠道、某个机型、某个区服在跌如果只是安卓渠道跌那多半和包体兼容性有关如果全平台都跌更可能是游戏内容或运营动作的问题。第三步拆分用户结构。把所有活跃用户按新用户、3日回访用户、长期老用户拆开看下跌主要发生在哪一层。新用户次留跌重点查新手引导和首日体验老用户次留跌重点查版本改动是否影响了核心玩法。第四步结合版本内容看改动列表。美术资源加载变慢、登录流程多了一步、必备功能入口变深都可能引发留存下降。这一步要求你懂一点游戏设计至少能判断哪些改动会影响玩家路径。第五步排除外部因素。节假日、竞品开服、应用商店推荐位变化都会影响大盘留存。要拉过去一个月的数据做对照别把“暑假结束自然回落”当成版本事故。第六步提出验证方案。比如灰度回滚、对某个用户群做定向问卷、用AB实验验证版本改动的影响。答题时一定要收尾在“下一步做什么”这才像一个数据分析师该给的答案。3.4 DAU上涨收入却跌了怎么解释还有一些主观题会给你一组看起来矛盾的趋势数据比如“DAU涨了10%收入却下降了5%请分析可能原因”。这类题考的是对指标关系的敏感度。第一步先把收入拆解收入 DAU × 付费率 × ARPPUDAU涨了收入却跌说明后面两个因子至少有一个出现明显下滑。可以继续拆付费率下降可能是新增用户大量涌入但付费能力弱ARPPU下降可能是活动拉动了小额付费却透支了大R充值也有可能是iOS和安卓渠道结构变化安卓用户占比升高拉低了整体付费率。答题时最好给一个归因清单新增用户质量差、老用户付费衰减、核心付费点被版本改动削弱、高价值活动结束、渠道结构变化、外部竞品分流。不要只列原因每个原因后跟一个验证方式比如“查新增用户7日付费率是否低于历史水平”或“分渠道看付费率变化趋势”。3.5 LTV这类经营指标的计算与串联搜狐畅游这套题里经常出现“用户生命周期价值怎么算”“LTV和ROI怎么串联”这类问题。LTV全称是Life Time Value简单理解就是一个用户从进入游戏到流失给公司贡献的总收入。常见的计算口径有两种。精确口径是把每个生命周期日的留存率和日人均收入相乘再累加LTV Σ (第n日留存率 × 第n日新增用户人均收入) / 新增用户数简化口径是LTV 平均用户生命周期 × ARPU如果按付费用户口径也可以写成LTV 平均用户生命周期 × 付费率 × ARPPU笔试里最好不要只写一个公式要把分母和统计周期说清楚。比如ARPU是“全部用户人均收入”ARPPU是“付费用户人均收入”两者的分母差了付费率这个因子。算LTV时如果混用结果会偏差很大。LTV和CAC放在一起看就是互联网公司常说的投入产出比。CAC是获取一个用户花的钱只有当LTV大于CAC且回本周期在可接受范围内买量才是可持续的。游戏行业尤其看重这个因为买量成本逐年涨如果LTV撑不住CAC产品上线越快亏越多。4. 游戏行业笔试的隐藏考点指标口径和业务框架4.1 指标口径不一致是最大的坑很多同学在笔试里不是不会分析而是从头到尾不定义自己的指标口径导致逻辑链出现漏洞。比如“DAU”这同一个词在不同的游戏公司可能定义不同是“进入游戏主界面”算活跃还是“触发任意一条行为日志”算活跃当天注册的用户算不算进DAU跨天凌晨在线的用户算昨天还是今天。答题时哪怕只是在开头写一句“以下分析中活跃用户定义为当天有任意一条行为日志的设备去重数”你的答案就立刻比那些直接开分析的人高一个档次。因为阅卷人能看到你具备数据治理意识这是真实工作中每天都要面对的问题。4.2 游戏数据岗必须背下来的指标体系笔试会直接考察指标含义建议你把这套表吃透能做到看见英文缩写就条件反射说出计算口径指标含义计算公式/口径说明DAU/WAU/MAU日/周/月活跃用户数指定周期内去重活跃用户数次留/7留/30留第2日/第7日/第30日留存率新增用户中第N日仍有活跃行为的占比付费率付费用户占活跃用户比例付费人数 / 活跃人数ARPU每活跃用户平均收入总收入 / 活跃用户数ARPPU每付费用户平均收入总收入 / 付费用户数LTV用户生命周期价值用户从进入到流失贡献的总收入CAC每用户获取成本投放总花费 / 新增用户数ROI投产比收入 / 成本或LTV / CAC关卡通过率通过某关卡的玩家比例通过人数 / 进入该关人数流失率一段周期不再活跃的用户占比流失用户数 / 周期前活跃用户数这些指标之间不是孤立的要能看出它们之间的乘除关系。比如收入和DAU、付费率、ARPPU三者相乘相关LTV和CAC相除就是ROI。笔试里给一组数字让你填指标考察的就是这种串联能力。4.3 活动复盘与AB测试的框架活动分析是游戏数据岗笔试题里的高频主观题通常给你一次活动的背景和过程数据让你判断活动效果。我的框架是目标、投入、过程指标、结果评估、沉淀。目标要看这次活动是拉新增、拉活跃还是拉付费目标不同评估逻辑完全不同。投入包括资源投入和让利成本。过程指标要看活动曝光到参与的转化率。结果评估不能只看总流水要看是否对存量有透支比如活动结束后一周的付费是否回落。沉淀就是总结下一次同类活动能不能复用这套打法。AB测试在游戏里比互联网更复杂的点在于玩家分服、跨服匹配、同设备多账号都会污染实验。笔试如果问“怎么做一次新手引导优化实验”你要先提样本量公式n (z_α/2 z_β)^2 * (p1 * (1 - p1) p2 * (1 - p2)) / (p1 - p2)^2其中p1、p2是两组的基础转化率。但更重要的是分组随机化尽量按设备维度分流避免同一个人分到两个组实验周期要覆盖完整的游戏内行为周期至少一周观察指标不能只看核心转化率还要看次留和付费是否有负向影响。5. 最容易翻车的细节与答题策略5.1 只给结论不给过程笔试题阅卷和面试官看人很接近最怕看到答案只有一个结论没有推理过程。比如业务题里直接写“留存下降是因为新手引导不好”没有任何数据支撑也没有验证方法这种答案基本拿不到分。正确的写法是给一个可追溯的推理链数据表现长什么样、我拆了什么维度、看到了什么规律、需要进一步验证什么。哪怕最后给不出100%确定的结论只要逻辑链完整阅卷人就知道你具备真实的数据分析能力。5.2 忽略数据质量很多考生拿到题目就一头扎进分析忘了现实中的数据都是脏的。笔试里点一句“首先核对埋点完整性和数据口径”会让你的答案变得非常真实。你可以说上线新版本可能出现客户端崩溃、数据上报延迟、玩家重装App导致身份变化等问题这些会直接干扰留存和收入指标。先排除数据问题再谈业务波动这是专业分析师的本能。5.3 概率题写对公式却被扣分的原因有同学明明写对公式了还是会丢分。我观察到的原因是他们没有把业务场景翻译成概率模型的假设条件。比如抽卡题你会看到有的答案假设“每次抽取相互独立”但没说明游戏里是否实际存在保底机制。如果题目没说有保底你就写“假设各次抽取独立且概率恒定”如果题目提了“100抽必出”那就要按混合分布重新算。把假设写清楚既是为了严谨也是为了让阅卷人知道你不是只会套公式。5.4 时间不足时的取舍顺序如果真的做不完我的取舍顺序是主观业务题优先写框架每道题至少给一个“问题拆解验证方案”的骨架SQL题哪怕语法不完整也要把join逻辑和分组字段写出来概率题快速给公式和关键数字不用反复检查小数点。反过来千万不要在选择题上死磕。一道选择题花5分钟就算蒙对了也亏因为那5分钟够你给业务大题写出三个维度的分析框架。笔试考察的是“在有限时间内做出合理判断”的能力这本身就是数据分析师的岗位要求。6. 校招备考三周路线与资料清单6.1 第一周SQL与概率统计突击第一周只做两件事SQL取数和概率题手感。SQL重点练三类聚合计算、join、窗口函数。每天至少写5道题不用贪多但每道题都要能口述解题逻辑。概率统计重点复习二项分布、泊松分布、正态分布、条件概率、贝叶斯、假设检验、置信区间。推荐在牛客和“SQLZoo”上刷题数据量不大但很适合找回手感。这个阶段不要急着碰业务题先把工具基础打牢。否则后面业务题里让你写SQL或者算概率你还得一边组织分析框架一边想语法非常吃力。6.2 第二周业务框架与游戏指标第二周把重心转向上层思维。把第4章的指标表背熟每个指标想清楚三个问题怎么算、数值高低意味着什么、提升它有哪些手段。然后找几款主流手游自己试着拆它们的商业化模型是靠卖皮肤、卖数值、月卡还是广告变现每个付费点对应的核心指标是什么。业务框架的练习方法是拿“留存下降”“付费率上升”“DAU波动”这类通用问题自己写一页纸的归因清单。不用追求唯一正确答案但要保证覆盖数据校验、维度拆解、版本内容、外部因素四个层面。6.3 第三周真题节奏与输出能力第三周开始做限时模拟。随便找一套历年数据岗笔试题设定120分钟闹钟关闭所有资料模拟真实笔试环境。做完之后重点复盘两件事时间分配是否合理以及主观题回答够不够“结构化”。我特别建议把每道主观题的答案控制在“开头给结论、中间给拆解、结尾给下一步动作”的结构里。你甚至可以准备一份自己的“主观题模板库”把留存、付费、版本、活动、AB测试五个场景的分析模板都写下来。笔试时不是照抄模板而是快速调用框架往里填题目的具体信息。最后再分享一个我自己这些年带模拟面试得来的体会搜狐畅游这套题单做一遍记答案价值很小真正值钱的是把每道题背后的指标口径、归因路径和业务动作串起来。你可以在做完题之后顺手把题目改造成自己的场景再练一遍比如把“抽卡概率”改成“签到奖励概率”把“留存下降”改成“付费率下降”。练过两三轮之后你会发现再去面任何一家游戏公司题面看着眼生但解题的骨架都熟了。这些框架不是考前背出来的是真拿着数据推演过一遍手才会比脑子快。