快手经济学家笔试复盘：从经济学思维到业务决策的转化

最近在整理面试资料时翻到“快手2019年春季校园招聘笔试试题——经济学家试卷”的回忆版职业病发作忍不住按题型和考察逻辑拆了一轮。这份材料在网上不算难找但真正把它当回事、认真研究过的人不多大多数求职者把它当成普通经济学考试来准备结果笔试就被刷了。我当时参加过同一时期好几家互联网公司经济学相关岗位的笔试回头看这些题目核心考察的并不是“你背了多少经济学模型”而是“你能不能把经济学思维翻译成业务决策”。所以这篇就不做流水账式的试题复述了直接聊这套卷子的命题逻辑、答题重心、容易踩的坑以及它背后代表的那类“互联网平台经济学家岗位”到底想要什么人。对准备互联网公司经济学、商业分析、数据科学类笔试的同学来说这份复盘会比单纯刷题有用得多。1. 为什么快手要招经济学家平台经济岗位的底层逻辑很多人看到“经济学家”挂在互联网招聘岗位名称里第一反应是“搞宏观研究的”或者“发论文的”。实际上互联网公司里这个岗位离学术很远离业务很近。快手这类短视频平台脱不开一个根本属性——双边市场一边是内容创作者一边是内容消费者再往外延伸还有广告主、电商商家、直播公会。双边市场里所有机制设计都逃不开“平衡”两个字创作者多了会不会卷用户多了会不会影响内容匹配效率广告加载率调到多少用户不会跑这些问题的答案不能靠拍脑袋需要有体系的经济学分析框架来支撑。经济学家岗位的日常工作基本就是围绕这几个方向展开的。第一类是生态研究。研究平台上的创作者激励、分成比例、流量分配机制本质上是机制设计问题。经济学里博弈论、激励理论在这类工作里直接落地成策略。比如一个创作者的分成比例调整要评估短期内容供给变化和长期生态健康度这需要把“物质激励如何影响创作行为”这个经济学命题拆开做实证。第二类是定价策略相关研究。广告竞价机制、快手的粉条推广产品定价、电商抽佣比例、直播打赏分成每一个都是价格问题。标准的微观经济学供给需求框架在这里只是起点实际操作要结合平台数据做价格弹性估计然后设计实验验证。快手作为大体量的平台价格调整影响面很大所以更需要有经济学训练的人来做系统性测算。第三类是因果推断与实验评估。平台任何一个策略上线前都要回答“这个策略到底有没有用”。比如给新用户发补贴怎么区分“补贴带来的增量用户”和“本来就会留下的用户”教科书里的随机对照试验在平台上落地很难做到完全随机这时需要靠谱的计量方法比如断点回归、双重差分、工具变量。这套思维不是普通数据分析师能替代的必须系统学过计量的人才有敏感度。笔试试题就是围绕这些业务能力反向设计的。它不是用来筛“谁经济学考分高”而是用来筛“谁具备用经济学框架解决真实业务问题的潜力”。所以你在试卷里看到微观经济学、计量经济学、逻辑推理、案例分析四个模块本质上就是在模拟经济学家岗位的四类核心工作场景。2. 试卷结构与题型全景拆解回忆版试题没有官方标准卷可以贴但从多个渠道的信息来看2019年这场笔试的题型设计基本稳定在四个模块经济学基础、计量与统计、逻辑推理、案例分析。我整理了一个框架表方便大家对照理解。模块常见题型考察能力建议时间占比经济学基础选择题、简答题微观宏观核心概念、机制理解约30%计量与统计概念题、回归分析题因果推断、数据处理、模型选择约25%逻辑推理逻辑题、数学题结构化思维、抽象能力约15%案例分析开放问答、商业场景分析业务建模、方案设计、表达严谨性约30%经济学基础模块重点在微观经济学宏观会考但占比不大。复习的时候不用像准备考研那样把所有知识点都过一遍应该集中在需求供给、弹性、消费者行为、生产者行为、市场结构、外部性、公共品、博弈论这些核心概念上。简答题往往会给一个业务场景让你用经济学原理解释现象比如“为什么短视频平台在冷启动阶段会给创作者高比例分成”这类考的是机制理解。计量与统计模块是区分度最高的部分。拿到的数据能不能合理推断因果关系不是只看你会不会跑回归而是看你知不知道什么时候应该用工具变量、什么时候做断点回归、什么时候老老实实做随机实验。试题里经常会出现“你选择哪个模型、为什么”这样的追问考察的不是记忆而是建模决策能力。逻辑推理模块是很多经济学专业学生容易轻敌的部分。它不明显考专业知识更多是给一段材料让你做逻辑判断或者用数字图形做推理。这部分实际上在测试你有没有“定义问题——拆解问题——验证结论”的思维习惯这是做研究的基本功。案例分析模块是最接近真实工作状态的题型。给定一个业务问题让你给出分析思路、数据方案、政策建议。这里没有标准答案但是评分标准非常明确逻辑是否自洽、假设是否合理、是否有可落地性。有些同学答得像学术论文摘要全是理论概念有些答得像拍脑袋方案全凭直觉。真正高分答案是在两者之间找平衡既有框架感又能把方案落到数据可验证的程度上。整体来看这套卷子的设计思路跟普通经济学考试很不一样。普通考试考察的是“知识储备”这套卷子考察的是“知识迁移能力”。所以会出现同一个概念的两种考法一种问你“什么是价格弹性”一种给你一个业务场景让你算弹性并给出定价建议。后者才是真正的考察重点。3. 核心题型深度解析从经济学理论到业务实战这套卷子里最有嚼头的不是单选题而是那些看起来“像在聊天”的开放题。下面挑几个典型的命题方向展开聊每个方向都结合快手业务实际说说答题时的切入点。3.1 价格弹性与平台定价价格弹性是微观经济学里最核心的概念但在业务语境下考察方式完全不同。一个典型题目可能长这样平台上的广告位提价10%预期收入会增加还是减少这类题考点不在计算本身而在你是否意识到广告位需求价格弹性不等于1提价后收入变化取决于弹性大小。答题时要建立分析框架。首先说明需要测算广告主对价格变动的敏感度。其次指出影响弹性的关键因素广告主有多少可替代渠道、平台广告带来的增量收益能否被准确衡量、广告主是否已经形成投放习惯。然后提出一个实证方案比如对广告主分层做价格实验用历史数据分析不同客群的降价敏感度。最后得出结论如果弹性绝对值小于1则提价有利如果大于1则提价会损失收入。这种答题框架的本质是把抽象概念变成一个可验证的决策逻辑。你的最终答案不是“应该提价”或“不该提价”而是一套识别问题的路径。再比如直播打赏分成比例问题。平台提高分成比例短期看收入增加长期看会不会导致主播流失到其他平台这就是一个动态弹性问题短期弹性和长期弹性不同。答题时如果能把“短期提高分成虽好但长期供给弹性会被放大需要考虑竞争平台价格锚点”这个逻辑讲清楚基本就能踩中考察点了。3.2 因果推断与实验设计计量模块通常会出一个跟因果推断相关的场景题。比如平台做了一个创作者激励活动活动结束后发现参与者的内容产量提升了20%那能不能得出结论“激励活动提升了内容产量”很多没受过计量训练的人会直接说“能”但正确答案是“不一定”。为什么因为参与者不是随机分配的。主动参加激励活动的创作者可能是本来就更有动力提升内容质量的进取型创作者。想得到因果效应必须对比“参加”和“不参加”在反事实状态下有什么差异。答题需要给出的方案是要么做随机分组实验要么用倾向得分匹配、双重差分、断点回归等方法尽可能消除选择偏差。这里有一个很实用的答题公式识别问题样本选择、混淆变量— 提出识别策略RCT、DID、RD、IV— 说明稳健性检验安慰剂检验、替代样本— 得出结论的边界条件。这套公式不仅适用于笔试也是经济学家岗位日常工作思考问题的标准范式。我踩过的一个坑是只讲计量方法的名字不讲为什么适合这个场景。比如题目说“平台要评估新用户补贴的效果”你回答“用双重差分”但没有说明谁处理组谁对照组DID就不能成立。答题时必须把“处理组是北京地区新用户、对照组是上海地区新用户假设两地除了补贴政策外趋势一致”这种具体设定写出来才能证明你真正理解方法适用条件。3.3 业务场景分析框架案例分析题是整场笔试的分水岭也是经济学家岗位面试前一定要练熟的能力。这类题会给一个完整的业务背景比如某区域电商业务GMV连续三个月下滑请问你作为平台经济学家如何分析归因并给出策略建议。这类题不存在唯一正确答案但必须展示出完整的分析链路。我常用的框架是三分法数据层面、机制层面、策略层面。数据层面先明确GMV的构成把它拆成用户数、转化率、客单价再进一步看动销商品数、流量供给、支付转化等二级指标。通过拆解定位是哪个环节出了问题而不是笼统地说“GMV下降了”。机制层面分析这些指标变化背后可能的驱动因素。流量端有没有调整头部商品供给有没有流失竞争对手有没有大促活动消费环境有没有变化这个环节的核心是列出可能假说然后指出哪些数据可以验证假说。策略层面给出优先级排序。不能什么都说要有取舍。如果判断是商品供给流失导致那核心策略就是供给恢复而不是一味发补贴。经济学家岗位需要你给出“关键原因 关键对策”的清晰结论而不是“多管齐下”式的万金油答案。这套框架不只适用于笔试任何互联网商业分析场景都能复用。面试官在改卷时看的是你有没有形成自己的分析范式而不是你恰好押中了某个正确答案。3.4 平台生态与博弈论博弈论在业务分析中的应用常以“平台与创作者博弈”的方式出现。一个经典题平台想鼓励优质内容生产但优质内容生产成本高、风险大创作者不愿意投入平台应该怎么办把这个问题抽象成一个博弈模型就是“投入高成本制作优质内容”和“低成本批量制作一般内容”之间如何选择。单纯提高内容定价创作者会倾向于提升数量而不是质量单纯提升流量倾斜又可能被创作者钻空子刷量。这类题目要想得高分通常会考察两类能力。一类是对信息不对称的理解平台无法直接观测创作者的真实努力水平只能通过结果间接判断这导致需要设计一个“激励相容”的机制。另一类是机制设计思维比如平台可以设置内容质量分级将高质量内容和广告分成、流量加成、品牌合作机会挂钩形成正反馈循环。答题时可以用“设定——博弈主体——策略空间——均衡结果——机制改进”五步展开这套框架一旦成型面对没有见过的新场景也不再慌张因为骨架是通的。4. 答题策略与解题思路示例前面拆的是命题方向这一部分聊具体怎么答题。笔试时间有限经济学家岗位的卷子普遍题量偏大想在有限时间内拿高分不只是会答还要会分配精力。4.1 拿到题目先做信息分层很多经济学专业学生做案例分析题的通病是一上来直接开答忽略题干里已经给出的边界条件。比如题目反复提到“平台短视频用户中三线城市用户占比超过60%”那后面所有分析都要基于这个设定不能按一线城市逻辑硬套。拿到一道案例分析题我建议先用1分钟把信息分层哪些是核心业务事实、哪些是隐性假设、哪些是干扰信息。快速在草稿纸上写三个关键词后续所有分析都围绕这三个关键词展开不容易跑偏。时间分配上选择题遇到不会的不要恋战先蒙一个标记出来等后面做完再回看。案例分析题给到的时间至少占总量一半这类题分值高、区分度大容错空间比选择题小。我见过不少同学在前面概念题上花太多时间抠细节导致后面案例分析只能草草几百字收尾非常可惜。4.2 数据分析题的结构化回答数据分析类的简答题阅卷人最反感的是“只有一个数字结论”的答案。比如问“平台补贴ROI是多少”你直接写一个数字没有意义因为没有人知道你背后的口径和假设。标准答法一定要包含三部分计算公式、变量定义、假设条件。举个例子如果题目问“某功能上线后对次日留存的影响”你的回答应该结构化为定义哪些用户为处理组、哪些为对照组用什么指标衡量留存用哪种方法剔除时间趋势干扰最终结论是“功能上线对次日留存有显著正向影响但长期影响需要继续追踪”。把每一步说清楚即使你的计算有偏差阅卷人也能看出你是一个有逻辑、有数据意识的人。另外一个小技巧是学会区分“相关性”和“因果性”。数据分析题中经常设置陷阱两个指标看起来一起涨就暗示它们有因果关系。你要主动指出“这可能存在遗漏变量”或“可能存在反向因果”这种敏感性很受阅卷人认可因为它体现的是框架级理解力不是计算能力。4.3 政策建议类题的评分点案例分析里最常见的结尾是“请给出你的建议”很多人在这里疯狂堆砌建议希望体现知识面。但这其实是低分操作因为阅卷评分点不是你给了几条建议而是你给出的建议是否跟前面的分析形成闭环。政策建议类题的高分结构是首先指出核心问题是什么然后给出一条主线策略和两条辅助策略每条策略都说明“为什么是这个问题”“预期解决什么问题”“需要什么数据来验证效果”。比如分析结论是创作者供给不足主线策略就应该是重置创作者激励体系辅助策略可以是优化冷启动流量分配、引入内容制作工具降低门槛。策略之间要有逻辑层次不能东一榔头西一棒子。我在练习这套题时还发现一个细节政策建议最好区分“短期止血”和“长期建设”这会明显提升答案的专业质感。短期策略是快速执行的比如调整分成比例、做活动补贴长期策略是需要机制设计的比如建设内容审核体系、培养原生创作者。两条线同时展开显示出你对业务节奏有理解而不是只想当一个“点子大王”。5. 笔试复盘常见失误与避坑指南这部分内容是我结合自己多年做互联网经济学相关笔试、面试的经验以及跟很多参与过阅卷和出题的朋友交流后总结出来的。以下每个坑都是真实发生过的如果有同学能提前避开笔试通过率会提升不少。5.1 理论倒挂忽略了业务语言最常见的失误是经济学理论学得很好但答案写出来像教材一样僵硬。比如问“用户增长放缓时平台应该怎么办”有人直接用索洛增长模型开始推完全脱离业务。阅卷人想看到的是你理解这个平台的用户增长机制是什么而不是把宏观增长理论硬套在微观产品上。正确做法是用经济学概念指导分析但用业务语言表达。比如“用户增长放缓”背后可能是同类产品渗透率见顶、内容供给端增速下降、产品生命周期进入新阶段这些分析可以用经济学里的边际收益递减、需求曲线移动来解释但仍要落到“平台该怎么做”上。5.2 忽略数据口径与量级一致性数据分析类题目经常有陷阱比如题目给的是“日均活跃用户数”但题干里又说“月度新增用户为X”有些同学没做换算就放一起算得出离谱结论。数据口径不同、时间单位不同都是数据题最基础的失分点。养成写计算过程的习惯能避免这类错误比如“日活、月活的换算关系”“存量和流量的区别”“名义值和实际值的差异”。这些细节看起来不起眼但往往决定你是否能拿到完整分数。5.3 不设显式假设直接给结论开放题里给任何结论前最好都先声明自己的假设。比如“如果假设用户对广告的容忍度不变那么提高广告加载率短期会提升收入但长期可能引发用户流失”。把假设说清楚结论就有边界阅卷人会认为你思维缜密。反之直接说“提高广告加载率增加收入”这种话容易被认为是拍脑袋。我记得有一次模拟练习题目是“分析补贴政策效果”有人直接列出补贴后的GMV涨了多少认为政策有效。但其实没有讨论“如果不补贴GMV会怎样”这个反事实问题这是最大的分析缺口。设置显式假设等于给阅卷人画了一条评估你思维的路径价值远超一句正确但干瘪的结论。5.4 时间分配失当案例分析草草收尾这套卷子最容易导致时间不够的地方就是案例分析因为它没有固定标准答案写起来容易收不住。有些同学前面选择题仔细推敲花了太多时间最后案例分析只写了三四行这种得分曲线非常吃亏。如果发现自己时间紧张建议案例分析先写框架把核心的“问题定义—分析思路—主要结论”三行先写出来有时间再补细节和数字没时间也能保住基础分。这个策略和写纸笔测试一样先拿到骨架分再逐步冲高分。5.5 忽视笔试与面试的联动很多同学以为笔试考完就完了实际上笔试内容往往会在后续面试里被追问。比如笔试中写了“用双重差分评估补贴效果”面试官很可能会追问“DID平行趋势假设怎么验证”“有没有可能做断点回归”。如果笔试是背的模板面试追问就会露馅。备考时建议对自己笔试中出现过的每一个方法都能用自己的话讲出适用条件、操作步骤、局限性和补充方案把笔试当作一面镜子提前暴露知识盲区。6. 备考资料与长期能力建设准备这类互联网经济学家岗位笔试“临时抱佛脚”有效果但天花板很低。真正拉开差距的是长期积累的分析框架和数据敏感度。下面按三个层次给一些可操作的备考建议。6.1 经济学核心教材怎么读才有效标准教材像曼昆的《经济学原理》、范里安的《微观经济学现代观点》、伍德里奇的《计量经济学导论——现代观点》备考时不需要从头到尾死磕。建议用“问题导向”的方式读看到教材里的一个模型先问三个问题——这个模型解决了什么问题、依赖什么假设、如果假设放松结论会怎样变化。比如读到价格歧视想想短视频平台广告定价为什么可以按用户画像差异化定价读到信号博弈想想创作者发布高质量内容本身是不是一种信号发送。把教材知识翻译成互联网业务语言比单纯背定义重要得多。我见过不少履历漂亮的候选人经济学概念都懂但一碰到业务场景就不知道怎么迁移根源就是读书阶段只做了概念记忆没有做场景联结。6.2 互联网行业研究素材怎么积累笔试案例分析题离不开行业积累尤其是平台经济、内容生态、电商相关话题。建议平时读公司财报和行业研究报告时不要只看结论要有意识地把“平台策略变化——数据指标变化——经济学机制变化”串成一条线。比如某平台调整分成政策后观察创作者行为变化、内容供给结构变化、平台收入变化尝试用博弈论或不完全契约理论解释。还可以给自己设一个“每日案例分析”练习用互联网行业新闻做素材每看到一个商业决策三句话回答它要解决什么问题经济学机制是什么衡量成功的指标是什么坚持一个月案例分析题的答题效率会有明显提升。6.3 模拟练习与复盘方法到笔试冲刺阶段一定要做限时模拟而且是按真实考试时间来做写完再复盘。复盘不是对答案而是对照评分标准看自己在“框架结构、假设设定、数据支撑、可落地性”四个维度上分别丢了多少分。我当时练习时有一个习惯拿到一套题先不看完整题目只读题干第一段就停下来写“我预判这道题会考什么”再继续往下读看预判是否命中。这个练习能有效提升读题时抓主线信息的能力考试时碰到不熟悉的场景也不容易慌。说回到这套2019年快手春季校园招聘的经济学家试卷它的价值不止在于给快手筛了一波候选人更在于它展示了一类新岗位的思考方式经济学家不再是政策研究室的标配而是平台型互联网公司在机制设计、定价决策、实验评估等核心商业问题上的关键角色。这类岗位的笔试没有固定题库但考察的内核非常稳定就是“经济学思维到商业决策的转化率”。如果你正在准备类似的互联网经济学、商业分析、数据科学类岗位笔试我的体会是不要沉迷于刷公式和背理论把时间花在“理解一个机制、拆解一个案例、设计一个分析框架”上会比只看教材有用得多。这轮笔试刷下来能留下来的永远是那些能快速把自己的知识转化为决策语言的人。