M1-018Hard指标树实例 · Metric trees

如何量化广告的“用户体验成本”?

How would you quantify the user-experience cost of advertising?
💡 考场高分一句话答案:

用“广告引起的负向行为增量”来量化:广告 load 上升导致的 query abandonment、session 缩短、回访下降,再折算成长期收入损失。

Quantify the incremental negative behaviour caused by ads — abandonment, shorter sessions, lower return as ad load rises — then translate that into long-run revenue loss.

📌 核心考察要点 (Key Points)

  • 直接负向行为:ad 区域的快速划过率、点击后 5 秒返回率、因广告离开页面的比例
  • 间接影响:ad load 提升后 D7/D30 回访变化、搜索频次变化、满意度调查变化
  • 折算方法:用历史弹性(ad load +10% → 留存 −0.3%)把留存损失换成 LTV 损失,与短期 RPM 增量对比
  • 决策规则:短期 RPM 增量 < 长期 LTV 损失时不上线,即使当期收入为正
  • Direct negatives: fast scroll-past in ad slots, return within 5s of a click, share of users leaving the page because of ads
  • Indirect effects: change in D7/D30 return and search frequency as ad load rises, plus satisfaction survey movement
  • Translation: use historical elasticity (ad load +10% → retention −0.3%) to convert retention loss into LTV loss and compare with the short-term RPM gain
  • Decision rule: if the short-term RPM gain is smaller than the long-run LTV loss, do not ship, even when current-period revenue is positive

📐 第一性原理与数理推导机理

净现值判据:$$\Delta \text{NPV}=\underbrace{\Delta \text{RPM}\cdot Q}_{\text{短期收入}}+\underbrace{\frac{\partial \text{Rev}}{\partial \text{Ret}}\cdot \Delta \text{Ret}\cdot \frac{1}{1-\delta}}_{\text{长期留存效应}}$$其中 $\delta$ 为折现率。关键是 $\partial \text{Rev}/\partial \text{Ret}$ 这个弹性,需要用历史 holdout 或跨市场差异估计,不能拍脑袋。

⚖️ 业务权衡与取舍 (Trade-offs & Calibration)

广告 load 的决策还有一个非线性问题:轻度加载时 RPM 近似线性增长,超过阈值后用户负向行为急剧上升(拐点)。因此实验应该做 dose-response(多档 load)而不是 A/B 两档,才能找到拐点。这是 Google 广告类面试的高分回答。

⚠️ 常见高频面试陷阱与避坑指南

  • 只看当期 RPM 与 CTR,不看留存弹性
  • 用两档 A/B 推断“再多一点也没事”——忽略了非线性

🔍 大厂面试官连环追问 (Follow-ups)

  • 如何估计留存对 ad load 的弹性?
  • 如果广告主 ROAS 也在下降,说明什么?

嫌字多看太累?进入苏格拉底式对话推演实验室

零打字负担,以大厂考官真实困境切入,通过点选直觉选项暴露思维盲区,手把手推导 Why。

💬 开启对话式破冰 ➔
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔