下面我按你截图里的JD，把它拆成一套Web3数据运营/数据分析负责人岗位的面试入门包，重点包括：

这个岗位到底在做什么；
Web3必须掌握的核心概念；
JD里提到的工具：Dune、Nansen、Flipside等怎么理解；
Web3数据分析常见指标体系；
典型面试问题与回答思路；
你可以快速准备的案例方向。

一、先理解这个岗位：它不是纯数据分析，而是“Web3数据运营负责人”

从JD看，这个岗位的关键词是：

团队管理 + 数据运营体系 + Web3链上分析 + 用户增长 + 运营策略 + 数据工具建设

它不像普通数据分析师只做SQL和报表，而更接近：

用链上数据、用户行为数据、市场数据，帮助Web3产品做增长、留存、转化、资产流动和运营决策。

你面试时应该把自己定位成：

“我不是只做数据提取和看板，而是能从业务目标出发，搭建指标体系，发现增长机会，并推动产品、运营、市场、技术一起落地策略的人。”

二、Web3关键概念入门

1. Web3是什么？

简单理解：

阶段	特征	数据归属
Web1	只读互联网，比如门户网站	平台生产内容
Web2	可读可写，比如微信、淘宝、抖音	平台掌握用户数据
Web3	可读可写可拥有，比如钱包、DeFi、NFT、DAO	用户拥有资产和身份

Web3的核心变化是：

用户不只是使用产品，还可以拥有链上资产、钱包身份、Token、NFT，并参与协议治理。

所以Web3数据分析不仅看“用户点击、访问、留存”，还要看：

钱包地址；
链上交易；
Token流动；
智能合约交互；
NFT持有和交易；
DeFi存款、借贷、质押、流动性；
DAO治理投票。

2. 区块链 Blockchain

区块链可以理解为一个公开、不可篡改的分布式账本。

每一笔交易都会被记录在链上，比如：

latex

A地址 向 B地址 转账 1 ETH
A地址 调用 Uniswap 合约兑换 Token
A地址 铸造了一个 NFT
A地址 向某DeFi协议存入 1000 USDC

数据分析师要做的事情，就是把这些链上交易翻译成业务语言：

latex

这个地址是新用户还是老用户？
这个用户有没有完成转化？
这个DeFi协议TVL是否增长？
NFT持有人是否在流失？
活动是否带来了真实交易用户？

3. 钱包 Wallet

钱包是Web3用户的身份入口。

常见钱包：

MetaMask；
OKX Wallet；
Trust Wallet；
Phantom；
Coinbase Wallet。

在Web2里，用户身份通常是：

latex

手机号 / 邮箱 / user_id

在Web3里，用户身份通常是：

latex

钱包地址 address

比如：

latex

0x742d35Cc6634C0532925a3b844Bc454e4438f44e

Web3分析里的“用户数”很多时候就是“活跃钱包地址数”。

但要注意：

一个真实用户可能有多个钱包地址，一个钱包地址也可能是机器人、合约地址或机构地址。

所以Web3用户分析比Web2更复杂。

4. 智能合约 Smart Contract

智能合约是部署在链上的自动执行程序。

例如：

Uniswap合约：自动完成Token兑换；
Aave合约：完成存款、借款、清算；
NFT合约：完成铸造、转让、销毁；
Staking合约：完成质押和奖励发放。

数据分析时，很多用户行为不是“点击按钮”，而是“调用合约”。

例如：

latex

用户点击 Swap 按钮
↓
钱包签名
↓
链上产生一笔交易
↓
调用 Uniswap Router 合约
↓
完成 ETH → USDC 兑换

所以你要熟悉：

合约地址；
交易哈希 tx_hash；
方法名 method/function；
事件日志 event logs；
gas fee；
block_time。

5. Token

Token是Web3里的资产载体。

常见类型：

类型	说明	例子
原生币	链本身的资产	ETH、BTC、SOL、BNB
ERC-20 Token	同质化代币	USDC、UNI、AAVE
ERC-721 NFT	非同质化资产	BAYC、Pudgy Penguins
ERC-1155	半同质化资产	游戏道具、批量NFT

数据分析关注：

Token持有人数；
Token转账次数；
Token交易量；
大户集中度；
新增持币地址；
流入/流出交易所；
Token价格和流动性。

6. Gas Fee

Gas Fee是用户在链上交易时支付给网络的手续费。

比如在以太坊上：

latex

用户Swap一次，可能要支付几美元到几十美元gas

Gas对用户行为影响很大：

Gas高时，用户交易意愿下降；
小额用户更容易被劝退；
L2链因为gas低，更适合高频交易和游戏场景。

面试中可以说：

“Web3用户转化路径里，Gas成本、钱包签名、安全感和交易确认时间，都会影响转化率。”

7. DeFi

DeFi是去中心化金融，主要包括：

场景	说明	代表项目
DEX	去中心化交易所	Uniswap、Curve、PancakeSwap
Lending	借贷	Aave、Compound
Staking	质押	Lido、Rocket Pool
Yield Farming	流动性挖矿	Yearn、Convex
Derivatives	衍生品	GMX、dYdX
Stablecoin	稳定币	MakerDAO、Liquity

DeFi核心指标：

TVL；
-交易量 Volume；
活跃用户；
存款用户数；
借款用户数；
借贷利用率；
收益率 APY；
清算量；
协议收入；
流动性深度；
大户集中度。

8. TVL

TVL = Total Value Locked，总锁仓价值。

它是DeFi最核心指标之一。

公式：

latex

TVL = 协议中所有锁定资产的美元价值总和

例如：

latex

Aave中用户共存入：
100,000 ETH + 50,000,000 USDC
按美元价格换算后，TVL = X亿美元

但TVL也有局限：

Token价格上涨会导致TVL上涨，不一定代表用户真实增长；
大户短期存入会拉高TVL；
激励补贴可能带来“雇佣资本”，补贴结束就撤出；
跨协议嵌套会造成重复计算。

面试里可以说：

“我不会只看TVL绝对值，还会拆成资产价格变化和真实净流入，同时关注TVL留存和资金稳定性。”

9. NFT

NFT是非同质化代币，常用于：

数字藏品；
头像；
游戏资产；
会员权益；
品牌通证；
门票；
身份凭证。

NFT核心指标：

指标	含义
Floor Price	地板价，最低挂单价格
Volume	交易额
Holders	持有人数量
Unique Buyers	独立买家数
Listed Ratio	挂单率
Whale Holders	大户持有比例
Mint Count	铸造数量
Royalty Revenue	版税收入
Holder Retention	持有人留存
Wash Trading Ratio	洗盘交易占比

NFT分析重点不是单纯看价格，而是看：

社区活跃；
持有人结构；
挂单压力；
大户抛压；
新买家进入；
真实交易 vs 洗盘交易。

10. DAO

DAO是去中心化自治组织。

常见分析指标：

治理Token持有人数；
提案数；
投票参与率；
投票权集中度；
核心贡献者活跃度；
Treasury资金规模；
社区成员增长；
Discord/Twitter活跃度。

JD里提到“社区治理”，说明他们可能希望候选人理解：

Web3用户不只是消费者，也可能是社区成员、Token持有人和治理参与者。

三、JD提到的工具入门

截图中提到的工具主要是：

Dune；
Nansen；
Flipside；
SQL；
Python；
看板工具。

下面分别解释。

1. Dune Analytics

是什么？

Dune是最常见的Web3链上数据分析平台。

你可以把它理解成：

“Web3版的SQL + Tableau。”

它已经把Ethereum、Polygon、Arbitrum、Optimism、Base、Solana等链上的数据解析好，你可以直接用SQL查询。

Dune能做什么？

查询某个协议的用户数；
查询某个Token的交易量；
统计NFT mint数据；
分析钱包地址行为；
搭建链上数据Dashboard；
追踪活动效果；
分析DeFi TVL、Volume、Fees。

Dune常见表

不同链和协议表名会变，但你要知道几类基础表：

表类型	说明
transactions	链上交易表
traces	内部调用记录
logs	事件日志
token transfers	ERC20转账
nft transfers	NFT转账
dex trades	DEX交易
prices.usd	Token价格
labels	钱包标签，如交易所、项目方、大户

Dune SQL常见分析例子

比如查某协议每日活跃钱包数：

sql

SELECT
  DATE_TRUNC('day', block_time) AS dt,
  COUNT(DISTINCT "from") AS active_wallets,
  COUNT(*) AS tx_cnt
FROM ethereum.transactions
WHERE "to" = 0x协议合约地址
  AND block_time >= NOW() - INTERVAL '30' DAY
GROUP BY 1
ORDER BY 1;

比如查Token每日转账量：

sql

SELECT
  DATE_TRUNC('day', evt_block_time) AS dt,
  COUNT(*) AS transfer_cnt,
  COUNT(DISTINCT "from") AS senders,
  COUNT(DISTINCT "to") AS receivers,
  SUM(value / 1e18) AS token_amount
FROM erc20_ethereum.evt_Transfer
WHERE contract_address = 0xToken合约地址
GROUP BY 1
ORDER BY 1;

面试时你不用写得特别完整，但要能说清：

“Dune适合做链上公开数据分析和Dashboard，比如协议活跃地址、交易量、Token流向、NFT交易、DeFi TVL等。”

2. Nansen

是什么？

Nansen是链上数据分析和钱包标签工具。

Dune偏“自己写SQL查数据”，Nansen偏“现成标签和洞察”。

Nansen最大价值是：

给钱包地址打标签。

比如：

Smart Money；
Whale；
Exchange；
Fund；
NFT Collector；
Airdrop Hunter；
Token Millionaire；
Early Buyer。

Nansen能做什么？

看聪明钱在买什么；
追踪大户地址资产变动；
看资金流入/流出交易所；
发现Token早期持有人；
分析NFT项目持有人质量；
监控链上资金异动；
做用户画像。

面试表达

“如果Dune更适合自定义SQL分析，Nansen更适合利用钱包标签做用户画像和资金流向分析。比如一个NFT项目上线后，我可以用Nansen看持有人里面Smart Money和Whale占比，判断用户质量，而不只是看mint数量。”

3. Flipside Crypto

是什么？

Flipside也是Web3链上数据分析平台，和Dune类似，也支持SQL和Dashboard。

特点：

支持多链数据；
有社区分析任务；
有标准化数据表；
对一些生态如Solana、Near、Flow等支持较多；
经常用于协议增长分析、活动复盘、生态分析。

Flipside与Dune区别

工具	特点
Dune	使用最广，社区Dashboard多，EVM生态强
Flipside	多链分析、任务型分析、标准表较友好
Nansen	钱包标签和资金流向强
Token Terminal	协议收入、财务指标强
DefiLlama	TVL、DeFi协议数据强
Etherscan	单笔交易和合约查看强

面试时可以这样说：

“Dune和Flipside适合自定义链上数据分析，Nansen适合标签化用户洞察，DefiLlama适合看DeFi大盘和TVL，Token Terminal适合看协议收入和基本面。”

4. Etherscan / 区块链浏览器

这是Web3分析师必须会看的基础工具。

用途：

查钱包地址；
查交易hash；
查合约地址；
查Token持有人；
查合约调用；
查事件日志；
看gas；
看交易是否成功。

你要知道几个字段：

字段	含义
Tx Hash	交易哈希，交易唯一ID
From	发起交易的钱包
To	接收地址或合约
Value	原生币转账金额
Gas Fee	手续费
Method	调用的合约方法
Status	成功/失败
Block	区块高度
Timestamp	时间
Logs	事件日志

面试里可以说：

“遇到链上数据异常，我会先在看板定位趋势，再用Etherscan抽样检查交易细节，确认是数据解析问题、合约升级，还是业务真实变化。”

5. DefiLlama

DeFi分析非常常用。

可以看：

各协议TVL；
各链TVL；
DEX交易量；
Fees/Revenue；
Stablecoin市值；
Bridges跨链资金流；
Yields；
Hacks；
Airdrops。

适合做市场研究和竞品分析。

6. Token Terminal

偏协议财务分析。

可以看：

Fees；
Revenue；
Token holder revenue；
Active users；
Core developers；
Market cap；
P/S、P/F等估值指标。

如果面试偏投资、市场、战略，可以提这个工具。

7. The Graph

The Graph是链上数据索引协议。

很多DApp会用它把链上数据整理成可查询的Subgraph。

数据分析师不一定要深度开发，但要知道：

原始链上数据很复杂，The Graph可以把合约事件解析成业务友好的结构化数据。

四、Web3数据分析核心指标体系

JD提到：

用户增长；
活跃度；
留存；
转化；
用户行为；
链上交互；
资产流动；
NFT/DeFi协议。

下面按业务场景拆。

1. Web3用户增长指标

Web2常用：

latex

新增用户、DAU、MAU、留存、转化

Web3对应：

Web2指标	Web3对应指标
注册用户	连接钱包用户 Connect Wallet
活跃用户	活跃钱包地址 Active Wallets
下单用户	发起交易地址 Transacting Wallets
新增用户	首次交互钱包 New Wallets
付费用户	支付Gas/完成Swap/Mint/Deposit用户
留存用户	N日后再次交互的钱包
高价值用户	高交易额/高TVL/高持仓/高频交互地址

一个典型漏斗：

latex

访问官网
  ↓
连接钱包
  ↓
签名授权
  ↓
发起链上交易
  ↓
交易成功
  ↓
再次交互/复购/复投

你要特别强调：

Web3转化漏斗比Web2多了“连接钱包、钱包签名、Gas支付、链上确认”几个关键阻力点。

2. Web3活跃指标

常见指标：

DAW：Daily Active Wallets；
WAW：Weekly Active Wallets；
MAW：Monthly Active Wallets；
交易地址数；
合约交互地址数；
人均交易次数；
人均交易金额；
活跃合约数；
活跃链数量。

但要注意：

Web3的活跃地址不等于真实用户，因为一个人可能多个钱包，也可能有机器人地址。

所以需要清洗：

排除合约地址；
排除明显bot；
排除内部地址；
排除交易所热钱包；
按标签区分机构/个人。

3. 留存指标

Web3留存可以定义为：

latex

某日首次与协议交互的钱包，在第N日是否再次交互。

例如：

Cohort	D1留存	D7留存	D30留存
1月1日新钱包	25%	12%	5%
1月2日新钱包	22%	10%	4%

但不同业务留存定义不同：

业务	留存定义
钱包	再次打开App/再次发起交易
DEX	再次Swap
Lending	再次存款/借款
NFT	再次购买/持有未卖出
GameFi	再次登录/再次链上操作
DAO	再次投票/参与治理

面试时可以说：

“我会先和业务方明确留存的业务定义。比如DeFi不能只看是否访问，而要看是否继续保留资金或再次进行存借操作。”

4. 转化指标

Web3常见转化漏斗：

钱包/DApp转化

latex

访问页面
  ↓
点击Connect Wallet
  ↓
钱包连接成功
  ↓
签名授权
  ↓
发起交易
  ↓
交易成功
  ↓
再次交易

核心指标：

访问-连接钱包转化率；
连接-签名转化率；
签名-发起交易转化率；
交易成功率；
首次交易转化率；
复交易率。

NFT Mint转化

latex

访问Mint页
  ↓
连接钱包
  ↓
进入白名单/符合资格
  ↓
点击Mint
  ↓
交易成功
  ↓
持有/二级市场交易

DeFi存款转化

latex

访问协议
  ↓
连接钱包
  ↓
选择资产
  ↓
Approve授权
  ↓
Deposit存款
  ↓
持续持仓/追加存款

DeFi里要注意Approve：

用户第一次使用某个ERC20 Token时，通常要先Approve授权，然后才能Swap或Deposit。这是一个额外转化步骤。

5. 资产流动指标

JD中特别提到“资产流动”。

常见分析包括：

场景	关注指标
Token	持有人数、转账量、交易量、大户集中度
DeFi	TVL、净流入、净流出、存款、提现
CEX流向	流入交易所、流出交易所
Bridge	跨链流入/流出
NFT	买入、卖出、挂单、转移
Stablecoin	铸造、销毁、流通量变化

一个重要概念：

latex

净流入 = 流入金额 - 流出金额

比如某协议TVL上涨，要判断：

latex

TVL上涨 = 真实资金净流入 + Token价格上涨

6. DeFi指标体系

如果是DeFi产品，核心指标可以这样搭：

latex

北极星指标：TVL / 交易量 / 协议收入

分层指标：

层级	指标
规模	TVL、Volume、用户数
增长	新增钱包、新增TVL、净流入
活跃	DAW、交易次数、人均交易次数
转化	访问-连接-交易-存款转化
留存	资金留存、用户复投率
收益	Fees、Revenue、Take Rate
风险	清算率、坏账、资产集中度、大户撤资风险
资产	各Token占比、稳定币占比、长尾资产占比

7. NFT指标体系

NFT项目可以这样搭：

latex

北极星指标：真实交易量 / 持有人健康度 / 社区活跃

核心指标：

模块	指标
发行	Mint数量、Mint用户数、Mint转化率
交易	Volume、Floor Price、Sales Count
用户	Holder数、Unique Buyers、Unique Sellers
持有	持有时长、Diamond Hands比例
流动性	Listed Ratio、挂单深度
大户	Whale持有比例、Top 10持有占比
社区	Discord活跃、Twitter增长
风险	Wash Trading、集中抛售、地板价崩盘

五、Web3用户画像怎么做？

JD提到：

结合用户画像、链上数据与市场趋势，输出增长策略。

Web3用户画像常用维度：

1. 基础画像

钱包地址；
首次交互时间；
所属链；
使用设备/地区，若有Web2数据；
是否绑定邮箱/社交账号；
是否KYC。

2. 链上行为画像

活跃频率；
交易次数；
交互协议数量；
常用链；
常用DApp；
平均交易金额；
Gas消耗；
是否跨链；
是否参与治理；
是否参与空投。

3. 资产画像

钱包余额；
Token持仓；
NFT持仓；
DeFi存款；
稳定币占比；
风险偏好；
资产规模分层。

4. 用户类型标签

用户类型	特征
新手用户	刚建钱包，少量资产，低频交互
DeFi玩家	经常Swap、借贷、质押
NFT玩家	持有/交易NFT
巨鲸 Whale	资产规模大
Smart Money	早期发现优质项目，投资成功率高
Airdrop Hunter	多地址、高频低额交互，追逐空投
Bot	高频、规律、非自然行为
社区贡献者	投票、发帖、参与治理
长期持有者	低交易、高持仓

面试表达：

“Web3用户画像不能只看注册信息，而要结合链上行为、资产结构、协议交互和钱包标签。比如同样是活跃用户，巨鲸、空投猎人和真实高粘性用户的运营策略完全不同。”

六、Web3常见增长场景

1. 空投 Airdrop

空投是Web3常见增长方式。

目的：

拉新；
激励早期用户；
提高协议交互；
分发治理权；
启动社区。

但风险：

羊毛党；
女巫攻击；
短期虚假活跃；
空投后用户流失；
Token抛压。

分析指标：

活动前后新增钱包；
有效交互用户；
多地址异常比例；
空投领取率；
空投后留存；
Token卖出比例；
真实用户转化；
补贴成本/有效用户。

面试可说：

“空投不是看领取人数越多越好，而是看带来了多少真实留存用户和长期价值用户。”

2. Quest任务系统

常见平台：

Galxe；
Zealy；
Layer3；
QuestN；
Rabbithole。

用户完成任务获得积分、NFT或空投资格。

指标：

任务曝光；
参与人数；
完成率；
链上交易成功率；
任务后留存；
任务用户质量；
Bot/女巫比例。

3. 积分 Points

很多Web3项目在发Token前会先做积分系统。

目的：

激励使用；
引导行为；
沉淀忠诚用户；
为未来空投做依据。

分析关注：

积分获取用户；
积分和留存关系；
积分和TVL关系；
是否被大户/羊毛党操纵；
积分成本和收益。

4. 社区增长

Web3产品常用社区渠道：

Twitter/X；
Discord；
Telegram；
Farcaster；
Lens；
Mirror；
Medium。

社区指标：

新增成员；
活跃成员；
发言人数；
留存率；
活动参与；
提案投票；
内容传播；
KOL转化；
社区成员链上转化。

面试表达：

“社区数据要和链上数据打通。比如Discord活跃不一定代表业务有效，关键要看社区成员是否转化为钱包连接、链上交互、持仓或治理参与。”

七、典型面试问题与回答思路

下面是这类岗位非常可能问的问题。

问题1：你如何搭建Web3产品的数据指标体系？

回答框架

你可以这样答：

“我会先明确产品类型，因为钱包、DeFi、NFT、GameFi的数据体系不同。但底层框架可以分为用户、行为、资产、转化、留存、收入和风险七层。”

示例回答：

latex

第一层：北极星指标
根据业务选择：活跃钱包、TVL、交易量、协议收入、NFT交易量等。

第二层：用户增长
新增钱包、活跃钱包、连接钱包用户、首交用户。

第三层：转化漏斗
访问 → 连接钱包 → 签名 → 发起交易 → 交易成功 → 复购。

第四层：链上行为
合约交互次数、交易频次、交易金额、Gas消耗、跨链行为。

第五层：资产流动
TVL、净流入、净流出、Token持仓、NFT持有。

第六层：留存与质量
D1/D7/D30留存、资金留存、用户分层、真实用户比例。

第七层：收入和风险
Fees、Revenue、补贴ROI、大户集中度、Bot比例、女巫风险。

加一句高级表达：

“我会避免只看活跃地址这种表层指标，因为Web3里地址容易被刷量，所以要结合资产、交易深度、行为质量和留存判断真实增长。”

问题2：Web3和Web2的数据分析有什么区别？

维度	Web2	Web3
用户ID	user_id、手机号、设备ID	钱包地址
行为数据	App点击、浏览、下单	链上交易、合约调用、签名
数据来源	公司内部埋点	链上公开数据 + 内部数据
转化阻力	注册、支付	钱包连接、签名、Gas、交易确认
数据问题	埋点漏报、口径不一	地址多开、Bot、女巫、合约解析

问题3：如何分析一个DeFi协议TVL下降？

回答框架

不要只说“用户流失”，要拆：

latex

TVL变化 = 资产价格变化 + 用户资金净流入/净流出

完整回答：

“我会先拆TVL下降是因为Token价格下跌，还是用户真实撤资。
如果主要是价格因素，那TVL下降不一定代表协议失去竞争力；如果是净流出，就要进一步看流出来自哪些资产、哪些钱包、哪些用户群。”

继续下钻：

按资产拆：ETH、USDC、WBTC哪个流出；
按用户拆：大户还是长尾用户；
按链拆：Ethereum、Arbitrum、Base等；
按时间拆：是否与市场暴跌、黑客事件、收益率下降有关；
按竞品拆：资金是否流向其他协议；
按收益拆：APY是否失去吸引力；
按风险拆：是否有负面舆情、安全事件。

策略建议：

“如果是大户撤资，需要做大户监控和定向沟通；如果是收益率下降导致资金外流，要评估激励策略；如果是竞品吸走资金，要对比APY、风险和用户体验。”

问题4：如何判断一次空投活动是否成功？

问题5：如何识别女巫攻击/Sybil用户？

概念

女巫攻击是指一个人控制多个钱包地址，伪装成多个用户获取空投或奖励。

识别方法

方法	说明
资金来源相同	多个地址由同一个地址打入启动资金
行为路径相似	都在同一时间做同样任务
金额高度一致	每个地址交互金额几乎一样
时间高度同步	批量地址在短时间内操作
低余额低价值	只为任务交互，长期无资产
交互深度低	只完成最低任务门槛
地址关联图谱	多地址之间有资金流转关系

回答示例：

“我会建立钱包质量评分模型，把资金来源、交互频次、资产规模、行为相似度、历史活跃、跨协议行为纳入评分，区分真实用户和疑似女巫地址。”

问题6：如何做Web3用户分层？

用户层级	特征	策略
新手用户	刚连接钱包，少量资产	降低门槛，教育引导
普通活跃用户	有稳定交互，小额资产	任务激励，提升频次
高价值用户	高TVL/高交易额	VIP运营，低费率，专属权益
巨鲸用户	大额资产，影响TVL	定向维护，风险预警
空投猎人	多地址、低质量交互	降低激励权重
社区贡献者	治理/内容/传播活跃	治理权益，声誉激励

问题7：如何监控链上数据异常？

回答框架

“我会建立实时/准实时预警机制，覆盖用户、交易、资产、安全和市场五类异常。”

示例：

异常类型	监控指标
用户异常	活跃地址突然暴涨/暴跌
交易异常	交易失败率上升、Gas异常
资产异常	TVL大额流出、大户撤资
合约异常	某方法调用失败率升高
市场异常	Token价格剧烈波动
安全异常	异常大额转账、疑似攻击

面试表达：

“链上数据异常不一定是业务变化，也可能是合约升级、数据解析延迟、爬虫问题或价格源异常。所以我会先做数据校验，再判断业务影响。”

问题8：如果让你从0到1搭建Web3数据运营团队，你怎么做？

这题对应JD第一部分。

八、你需要准备的3个Web3案例

即使你之前Web3经验不深，也可以准备这三个“模拟案例”，面试时非常实用。

案例1：DeFi协议TVL下降分析

场景

某DeFi协议过去7天TVL下降25%。

分析路径

latex

TVL下降
├─ 价格下跌导致？
├─ 用户真实撤资？
│  ├─ 哪些资产流出？
│  ├─ 哪些钱包流出？
│  ├─ 大户还是散户？
│  ├─ 流向哪里？
│  └─ 是否与竞品收益率有关？
└─ 数据/合约异常？

策略

若大户撤资：建立鲸鱼预警和定向沟通；
若收益率下降：调整激励；
若竞品吸走资金：对比APY和产品体验；
若市场风险：加强风险沟通；
若只是价格因素：避免误判业务下滑。

案例2：NFT Mint活动复盘

场景

项目方做了一次NFT Mint活动，Mint数量达标，但二级市场价格下跌。

分析路径

latex

Mint成功 ≠ 项目成功

需要看：
- Mint用户数
- 独立持有人
- 大户集中度
- 挂单率
- 二级市场成交
- Floor Price
- 持有人留存
- 是否存在批量钱包
- 社区活跃是否延续

结论示例

“Mint数量达标，但如果持有人集中、挂单率高、二级买家少，说明用户主要是短期套利，而不是长期社区用户。”

案例3：空投活动用户质量分析

场景

空投带来10万个新增钱包，但D7留存只有3%。

分析路径

latex

新增钱包
├─ 真实用户
├─ 羊毛党
├─ 机器人
└─ 多地址女巫

分析指标：

每钱包资产余额；
历史链上活跃；
任务完成路径；
交互金额；
地址资金来源；
空投后是否继续使用；
Token是否立即卖出。

策略：

优化资格规则；
提高任务深度；
引入长期积分；
对高质量用户加权奖励；
对疑似女巫降权。

九、Web3面试高频技术问题

1. SQL题可能怎么考？

可能让你写：

每日活跃钱包数；
新增钱包数；
留存率；
某合约交易次数；
某Token转账金额；
某NFT持有人数；
某协议每日交易量；
大户地址Top 10；
活动前后转化；
地址分层。

你要熟悉：

COUNT(DISTINCT wallet_address)；
DATE_TRUNC('day', block_time)；
JOIN prices.usd；
evt_Transfer；
contract_address；
tx_hash；
from/to；
窗口函数；
cohort留存。

2. 示例：每日活跃钱包

sql

SELECT
  DATE_TRUNC('day', block_time) AS dt,
  COUNT(DISTINCT "from") AS active_wallets,
  COUNT(*) AS tx_count
FROM ethereum.transactions
WHERE "to" = 0xYourContractAddress
GROUP BY 1
ORDER BY 1;

3. 示例：新增钱包

sql

WITH first_tx AS (
  SELECT
    "from" AS wallet,
    MIN(DATE_TRUNC('day', block_time)) AS first_day
  FROM ethereum.transactions
  WHERE "to" = 0xYourContractAddress
  GROUP BY 1
)

SELECT
  first_day,
  COUNT(*) AS new_wallets
FROM first_tx
GROUP BY 1
ORDER BY 1;

4. 示例：D1留存

sql

WITH user_active AS (
  SELECT DISTINCT
    "from" AS wallet,
    DATE_TRUNC('day', block_time) AS active_day
  FROM ethereum.transactions
  WHERE "to" = 0xYourContractAddress
),

first_day AS (
  SELECT
    wallet,
    MIN(active_day) AS cohort_day
  FROM user_active
  GROUP BY 1
)

SELECT
  f.cohort_day,
  COUNT(DISTINCT f.wallet) AS new_wallets,
  COUNT(DISTINCT a.wallet) AS d1_retained,
  COUNT(DISTINCT a.wallet) * 1.0 / COUNT(DISTINCT f.wallet) AS d1_retention
FROM first_day f
LEFT JOIN user_active a
  ON f.wallet = a.wallet
  AND a.active_day = f.cohort_day + INTERVAL '1' DAY
GROUP BY 1
ORDER BY 1;

十、你面试前必须会说的Web3关键词

建议你至少熟悉这些词：

基础链上

Wallet Address 钱包地址；
Transaction Hash 交易哈希；
Smart Contract 智能合约；
Gas Fee 手续费；
Block Time 区块时间；
Event Log 事件日志；
Token Transfer 代币转账；
Contract Interaction 合约交互；
On-chain / Off-chain 链上/链下。

DeFi

TVL；
DEX；
Swap；
Liquidity Pool；
LP Token；
Staking；
Lending；
Borrowing；
APY/APR；
Liquidation；
Slippage；
Fees/Revenue。

NFT

Mint；
Floor Price；
Holder；
Royalty；
Listed Ratio；
Collection；
Metadata；
Wash Trading。

增长/运营

Airdrop；
Quest；
Points；
Referral；
Sybil Attack；
Bot；
Retention；
Cohort；
Funnel；
Wallet Quality Score。

工具

Dune；
Nansen；
Flipside；
Etherscan；
DefiLlama；
Token Terminal；
The Graph。

十一、你可以反问面试官的问题

反问非常重要，建议你问业务深度问题。

1. 关于业务目标

“当前团队最核心的北极星指标是什么？是活跃钱包、TVL、交易量、协议收入，还是用户留存？”

2. 关于数据基础设施

“目前链上数据是主要依赖Dune/Nansen等外部工具，还是已经有内部数仓？链上和链下用户数据是否已经打通？”

3. 关于增长挑战

“目前增长上最大的瓶颈是拉新、激活、留存、转化，还是高价值用户沉淀？”

4. 关于用户质量

“团队目前如何识别真实用户、Bot和Sybil地址？是否已有钱包质量评分体系？”

5. 关于团队管理

“如果我加入，前3-6个月最希望我解决的问题是什么？是搭建团队、统一指标体系，还是做增长策略落地？”

这些问题能体现你不是“小白”，而是有经营和体系化思维。

十二、最后给你一个面试表达模板

当被问到“你如何做Web3数据运营”时，可以这样总结：

“我会从业务目标出发，先明确北极星指标，再搭建用户、行为、资产、转化、留存、收入和风险七层指标体系。
在数据源上，我会结合链上数据、产品埋点、市场数据和社区数据。链上部分可以用Dune、Flipside做快速分析，用Nansen做钱包标签和资金流向洞察；长期则需要和技术团队一起沉淀内部数据模型和看板。
在业务应用上，我会重点服务增长、留存、活动复盘和资源分配。例如空投活动不能只看新增钱包，而要看真实用户质量、女巫比例和后续留存；DeFi不能只看TVL，而要拆分价格影响和真实资金净流入。
我的目标不是产出报表，而是把复杂数据转化成产品、运营、市场可以执行的策略。”

这段非常适合用在终面或业务面。

一、先理解这个岗位：它不是纯数据分析，而是“Web3数据运营负责人” ​

二、Web3关键概念入门 ​

1. Web3是什么？ ​

2. 区块链 Blockchain ​

3. 钱包 Wallet ​

4. 智能合约 Smart Contract ​

5. Token ​

6. Gas Fee ​

7. DeFi ​

8. TVL ​

9. NFT ​

10. DAO ​

三、JD提到的工具入门 ​

1. Dune Analytics ​

是什么？ ​

Dune能做什么？ ​

Dune常见表 ​

Dune SQL常见分析例子 ​

2. Nansen ​

是什么？ ​

Nansen能做什么？ ​

面试表达 ​

3. Flipside Crypto ​

是什么？ ​

Flipside与Dune区别 ​

4. Etherscan / 区块链浏览器 ​

5. DefiLlama ​

6. Token Terminal ​

7. The Graph ​

四、Web3数据分析核心指标体系 ​

1. Web3用户增长指标 ​

2. Web3活跃指标 ​

3. 留存指标 ​

4. 转化指标 ​

钱包/DApp转化 ​

NFT Mint转化 ​

DeFi存款转化 ​

5. 资产流动指标 ​

6. DeFi指标体系 ​

7. NFT指标体系 ​

五、Web3用户画像怎么做？ ​

1. 基础画像 ​

2. 链上行为画像 ​

3. 资产画像 ​

4. 用户类型标签 ​

六、Web3常见增长场景 ​

1. 空投 Airdrop ​

2. Quest任务系统 ​

3. 积分 Points ​

4. 社区增长 ​

七、典型面试问题与回答思路 ​

问题1：你如何搭建Web3产品的数据指标体系？ ​

回答框架 ​

问题2：Web3和Web2的数据分析有什么区别？ ​

推荐回答 ​

问题3：如何分析一个DeFi协议TVL下降？ ​

回答框架 ​

问题4：如何判断一次空投活动是否成功？ ​

推荐回答 ​

问题5：如何识别女巫攻击/Sybil用户？ ​

概念 ​

识别方法 ​

问题6：如何做Web3用户分层？ ​

推荐回答 ​

问题7：如何监控链上数据异常？ ​

回答框架 ​

问题8：如果让你从0到1搭建Web3数据运营团队，你怎么做？ ​

推荐回答结构 ​

八、你需要准备的3个Web3案例 ​

案例1：DeFi协议TVL下降分析 ​

场景 ​

分析路径 ​

策略 ​

案例2：NFT Mint活动复盘 ​

场景 ​

分析路径 ​

结论示例 ​

案例3：空投活动用户质量分析 ​

场景 ​

分析路径 ​

一、先理解这个岗位：它不是纯数据分析，而是“Web3数据运营负责人”

二、Web3关键概念入门

1. Web3是什么？

2. 区块链 Blockchain

3. 钱包 Wallet

4. 智能合约 Smart Contract

5. Token

6. Gas Fee

7. DeFi

8. TVL

9. NFT

10. DAO

三、JD提到的工具入门

1. Dune Analytics

是什么？

Dune能做什么？

Dune常见表

Dune SQL常见分析例子

2. Nansen

是什么？

Nansen能做什么？

面试表达

3. Flipside Crypto

是什么？

Flipside与Dune区别

4. Etherscan / 区块链浏览器

5. DefiLlama

6. Token Terminal

7. The Graph

四、Web3数据分析核心指标体系

1. Web3用户增长指标

2. Web3活跃指标

3. 留存指标

4. 转化指标

钱包/DApp转化

NFT Mint转化

DeFi存款转化

5. 资产流动指标

6. DeFi指标体系

7. NFT指标体系

五、Web3用户画像怎么做？

1. 基础画像

2. 链上行为画像

3. 资产画像

4. 用户类型标签

六、Web3常见增长场景

1. 空投 Airdrop

2. Quest任务系统

3. 积分 Points

4. 社区增长

七、典型面试问题与回答思路

问题1：你如何搭建Web3产品的数据指标体系？

回答框架

问题2：Web3和Web2的数据分析有什么区别？

推荐回答

问题3：如何分析一个DeFi协议TVL下降？

回答框架

问题4：如何判断一次空投活动是否成功？

推荐回答

问题5：如何识别女巫攻击/Sybil用户？

概念

识别方法

问题6：如何做Web3用户分层？

推荐回答

问题7：如何监控链上数据异常？

回答框架

问题8：如果让你从0到1搭建Web3数据运营团队，你怎么做？

推荐回答结构

八、你需要准备的3个Web3案例

案例1：DeFi协议TVL下降分析

场景

分析路径

策略

案例2：NFT Mint活动复盘

场景

分析路径

结论示例

案例3：空投活动用户质量分析

场景

分析路径