1. 岗位背后的经济学逻辑1.1 互联网公司为什么需要经济学家很多人看到这个标题第一反应是快手不是做短视频的吗怎么还招经济学家这个问题我在备考时也反复想过。后来想通了——短视频平台本质上是一个极度复杂的双边市场一边是内容生产者一边是内容消费者中间还夹着广告主、电商商家、主播机构等多方角色。任何一方的行为变化都会引发连锁反应而这种系统性问题的分析框架恰恰是经济学训练最擅长的领域。经济学家的核心任务不是预测GDP也不是分析宏观经济走势而是用经济学的研究方法解决平台内部的资源配置、激励设计、供需平衡等问题。比如怎样的分成比例能让优质创作者持续产出怎样的流量分配机制能让新创作者有成长空间同时不损害老用户体感推荐算法优化目标里时长、互动、留存、商业化收入之间的权重如何设定这些问题表面上是产品问题、算法问题但底层都是经济问题。快手2019年春招设立经济学家岗位其实释放了一个明确信号平台型公司开始意识到单靠算法工程师和产品经理的经验直觉不足以应对日益复杂的生态治理和增长挑战。经济学家提供的是一套严谨的分析框架能够把模糊的业务问题转化为可量化、可验证的模型问题。1.2 经济学家试卷B的定位与特色从岗位JD反推这份试卷考察的不是纯粹的经济学理论记忆而是三个核心能力建模能力、数据敏感度和商业直觉。这和高校经济学考试有本质区别——高校考试考察你“知道什么”这份试卷考察你“能用这些知识解决什么实际问题”。试卷B针对的应该是一批特定的候选人方向。一般互联网公司经济学家岗位的笔试会分为A、B甚至C卷不同卷侧重不同方向比如A卷可能侧重宏观行业分析B卷侧重平台经济与微观机制设计C卷侧重数据分析与因果推断。从“经济学家试卷B”这个命名来看它大概率定位于平台经济、双边市场、激励设计这些中观和微观问题。这里要特别提醒准备此类笔试的同学互联网公司经济学家笔试不是靠背诵能通过的。你必须反复训练自己“把现实问题抽象成经济学模型”的能力并且要熟练使用数据去验证你的理论假设。否则即使你微观经济学考了满分面对试卷上的实际业务题也会无从下手。2. 试卷考察的能力模型全景拆解2.1 从题型倒推岗位要求根据我对同类试卷的分析和笔试经验经济学家试卷B大体上会包含以下四类题型选择题或简答题考查经济学基础概念的迁移能力案例分析题考查平台经济与机制设计的理解深度数据推断题考查因果识别与实证分析能力开放论述题考查对内容生态和商业模式的系统性思考。这四类题型的分布本身就反映了岗位的能力要求基础概念迁移对应的是日常工作中快速理解业务逻辑的能力案例分析对应的是设计激励方案、评估策略效果的能力数据推断对应的是通过实验或观测数据做出科学决策的能力开放论述对应的则是站在更高维度思考平台长期发展问题的能力。值得注意的是这类试卷通常不会考察具体的编程语言或机器学习算法——那是算法工程师岗位的范畴。经济学家岗位更看重你是否能设计出识别因果效应的方案是否能理解实验分组、样本量、显著性水平这些概念背后的统计逻辑并把它应用于业务场景的评估中。2.2 经济学理论在平台场景中的映射双边市场理论是平台经济学家最基础的分析工具。传统经济学研究的是“价格如何影响供需”双边市场研究的是“平台如何平衡两边的参与者”。一个短视频平台如果过分偏向创作者提高分成比例消费者可能因为广告增多或内容质量参差而流失如果过分偏向消费者强化推荐体验创作者可能因为收入下降而减少产出。平台必须在两者之间寻找动态平衡。网络效应也是核心概念。短视频平台存在跨边网络效应创作者越多内容供给越丰富消费者越愿意留下来消费者越多创作者的流量和收入机会越大创作动力越强。但也存在负向网络效应内容供给过载时用户的筛选成本增加体验反而下降。理解这个“过载”临界点在哪里是平台经济学家需要回答的问题。还有交易成本的概念。创作者和品牌主之间的商业合作过去需要中介撮合存在很高的搜寻和信任成本。平台通过“蒲公英”这类官方接单系统本质上是降低了双边交易成本让市场更高效地运转。笔试中如果出现这类问题核心是考察你是否理解制度设计和平台规则如何改变交易成本结构。提示准备此类笔试前建议系统梳理双边市场、网络效应、价格歧视、激励相容、道德风险、逆向选择、因果推断等概念并思考它们在各互联网产品中的具体体现。不要只背定义要能举出业务例子。3. 核心题型解题思路深度解析3.1 平台定价与补贴策略分析平台经济中最高频的考题类型就是定价与补贴策略。假设平台要提升下沉市场的渗透率是应该补贴用户还是补贴创作者如果预算是1亿元如何分配才能实现拉新效果最大化解题时需要先界定问题性质这是一个双边市场的冷启动或增长问题。补贴用户是降低消费者参与门槛但如果没有足够内容供给补贴带来的用户会迅速流失。补贴创作者是增加内容供给但消费者体感提升需要时间短期数据可能不好看。合理思路是区分平台所处阶段——冷启动期以创作者补贴为主确保内容供给充足增长期可以平衡两边补贴用新人创作者流量扶持配合用户拉新成熟期则应逐步退坡补贴用自然生态驱动增长。这个题型考察的核心是“识别约束条件”和“动态决策”能力不要只给出静态建议要考虑到不同阶段的切换逻辑。同时补贴的ROI评估也很关键要引入LTV用户生命周期价值和CAC用户获取成本的对比框架。再往深一层补贴策略还涉及经济学中的价格弹性概念。创作者的供给弹性在平台早期可能很高——给钱就多产但到后期会趋于饱和普通用户的参与弹性在不同人群间差异很大。优秀的答案会引入弹性差异设计差异化补贴策略而不是一刀切地给所有人发钱。我当年备考时整理过一个分析框架分享出来供参考先判断问题属于增长、留存、变现还是生态治理场景。列出所有参与方的目标函数和约束条件。分析各方之间的外部性正向或负向。针对外部性设计激励或补贴方案。明确评估指标和数据回收方案。3.2 激励机制设计的博弈论视角激励设计是经济学家笔试的另一座大山。典型题目如平台希望创作者持续产出高质量内容但平台无法直接观察创作者的“努力程度”只能看到内容的数据表现完播率、互动率、涨粉量等。如何设计分成规则让创作者自愿选择高质量创作这个问题的本质是“委托-代理问题”和“激励相容约束”。平台是委托人创作者是代理人双方信息不对称平台不能直接观测创作者的投入程度。根据契约理论最优分成合约需要在激励强度和风险分担之间取得平衡。如果完全按播放量分成创作者可能选择标题党或低质高频的创作策略如果完全不与数据挂钩又缺乏激励。实操中常见的设计是“基础流量分成质量加权系数粉丝长线价值”的组合体系。答题时记住一个核心原则好的激励机制是让参与者的自利行为与平台目标自动对齐。平台不需要强制创作者做什么而是设计好规则让创作者“为了自己赚钱”而做出平台希望他们做的事。这也是经济学里“看不见的手”在平台治理中的具体应用。另外要关注博弈论中的多轮博弈问题。创作者不是只做一次决策而是持续与平台互动。如果平台的规则经常变动且不透明创作者会减少投入或寻求其他平台。所以激励设计还要考虑声誉机制和承诺的可信度——这在试卷中可以作为加分项提出。3.3 因果推断与数据评估有些试卷会直接考察因果推断的题目比如平台上线了一个新功能如何评估它对用户留存的影响给你三个月的日活和留存数据你应该怎么分析这道题标准的答题思路是不能简单比较上线前后的留存差异因为存在时间趋势、季节性、同期其他策略的干扰。应该使用DID双重差分法或RDD断点回归等方法找到合适的对照组。如果功能是随机灰度上线的可以直接比较实验组和对照组如果没有随机分组则要考虑倾向得分匹配或工具变量等方案。很多经济学专业的同学在学校学过这些方法但考场上容易犯的毛病是只写方法名称不写具体操作流程。阅卷人更希望看到完整的分析框架——数据如何清洗、分组如何定义、指标如何选取、稳健性检验怎么做。建议按照“定义指标—构建对照—估计效应—稳健性检验”四步法来组织答案。这里也建议大家提前熟悉一些实际分析工具。虽然笔试通常不要求写代码但如果你在答案中体现“我会用Python或R进行倾向得分匹配”“我会用Stata跑DID模型”会明显提升专业度。纸质试卷可能用不上但面试环节很可能会追问你工具的具体使用细节。3.4 内容生态与供需匹配的综合题快手平台的核心是内容生态试卷末卷的开放题大概率会围绕内容供需展开。例如短视频平台如何判断一个内容品类是否值得重点扶持请给出分析框架。解题思路可以分为三个层次供给侧分析该品类现有创作者数量、内容质量和增长速度判断供给是否充足且优质需求侧观察该品类的用户消费数据——播放量、完播率、关注转化率,尤其要注意用户对相关品类的主动搜索行为这代表真实需求生态位分析评估该品类是否与其他品类形成差异化互补、是否有助于平台整体内容的多元化、是否具备商业化潜力。更高级的答法是用“市场失灵”的视角切入。比如某些品类如知识科普、戏曲艺术具有明显的正外部性对整个平台调性有提升作用但单靠创作者个人商业化很难变现。这时平台就应该介入扶持通过流量倾斜、创作激励、商业对接等方式弥补市场失灵。这类答案才能体现经济学思维的深度。3.5 案例题实战复盘我熟悉的一套类似题型中有一道案例题某内容平台用户增长放缓管理层提出两种方案一是提高创作者分成比例二是加大用户补贴力度。请分析两种方案的利弊并给出建议。很多人的第一反应是算一笔账提高分成比例收入减少X%加大用户补贴成本增加Y%。然后给出一个看似严谨的比较。但这是典型的“会计思维”不是“经济思维”。经济学思维要求你先分析间接效应和长期均衡。提高创作者分成会激励更多人进场创作内容供给增加用户活跃度和时长提升广告库存增加平台整体收入可能不降反升。加大用户补贴短期内数据会涨但补贴退坡后用户可能流失而且可能吸引一批低价值“羊毛党”污染生态。也就是说两种方案不能只算直接财务成本还要评估动态博弈中各方行为的变化。我还喜欢在答案中加一个“时间维度”的讨论短期用补贴拉增长同时用分成制度改革留住创作者形成组合拳。这种综合性答案是区分高分的关键——大部分人都能分析单一方案的优劣但能把方案组合成策略的人很少。4. 备考方法论与实战经验教训4.1 经济学知识储备清单以我的经验准备这类笔试不需要把高鸿业、曼昆的教材重新翻一遍但要重点复习以下内容板块微观经济学供需均衡、弹性、消费者与生产者剩余、垄断与价格歧视、外部性与公共品。博弈论与信息经济学纳什均衡、囚徒困境、委托-代理、逆向选择、道德风险、信号传递。平台经济学双边市场、网络效应、多归属、平台竞争。计量经济学多元回归、DID、RDD、IV、面板数据模型重点理解适用条件和优缺点。一个高效的学习方法是每学一个理论就找一个互联网公司对应的产品功能去验证。学到价格歧视时想想视频会员的差异化定价学到信号传递时想想创作者认证标识的设计逻辑。这种学习方法能让抽象的经济学概念变得具体考场遇到真实业务题时也能快速定位到对应的理论工具。4.2 时间分配与答题策略经济学家试卷一般题量不大但每道题需要深度思考总时长通常为90到120分钟。时间分配上建议选择与简答题控制在20到30分钟案例分析题每道20到25分钟最后的开放题留足30分钟以上。最容易犯的错误是在前面的简答题上过度发挥。看到一道题觉得自己会就洋洋洒洒写几百字——这在考场上是大忌。简答题考察的是概念是否清晰、要点是否完整不是考察字数。后面的案例分析题分值高、区分度高才是决定能否进入面试的关键。建议简答题只写核心定义和关键结论点到为止。开放题的策略则相反要尽量展现思维的结构性和延展性。可以先提一个分析框架再逐层分析最后给出可落地的建议和可验证的指标。形式上建议分段清晰、逻辑层层推进不要一大段写到底。阅卷人在快速评分时结构清晰的答案天然占优势。4.3 三个容易丢分的隐形陷阱第一个陷阱是“只讲理论不讲落地”。互联网公司的经济学家不是学术研究员而是用经济学思维解决业务问题的实践者。如果你的答案只有经济学推导没有提到具体落地路径、涉及的业务部门、上线后的评估机制会被认为缺少大局观。第二个陷阱是“忽视平台的特殊性”。很多经济学的标准模型假设是完全竞争市场但平台经济是典型的垄断竞争或寡头市场。答题时要把平台的特殊约束加入讨论——算法分发的黑盒属性、用户的注意力稀缺、监管环境的限制等。第三个陷阱是“数据处理思路缺失”。有些考生在笔试中遇到偏数据分析的题目时会下意识回避数据维度只谈逻辑框架。这是在丢关键分。同一道题如果能主动提出需要哪些数据字段、如何构建实验、如何评估效果会明显与其他考生拉开差距——这恰恰是经济学家和生产品经理的核心区别。注意快手2021年在港交所上市后管理团队多次强调“算法向善”和“数字普惠”。如果你在面试环节被问到平台责任相关的问题可以从经济学中的外部性、信息不对称和分配公平几个角度切入既能体现思考深度也符合企业价值观。5. 试卷之外从笔试到面试的链路准备5.1 笔试如何为面试埋伏笔笔试不只是筛选关卡更是一次展示你思维深度的机会。我的建议是笔试答卷中的每一道大题都可以当作面试时的自我介绍素材。如果你在案例题中提出了一个有洞察力的观点面试时被问到“你对我们平台有什么了解”时就可以自然引用这个观点延伸开去。比如你在笔试中分析了创作者分成机制面试前可以进一步研究一下市面上主流平台的分成规则差异准备一些数据支撑。当面试官问“你对创作者生态有什么理解”时你就能从一个具体的观察切入再展开成系统的分析。这种“从具体到抽象再回到具体”的表达方式远比背诵行业报告有说服力。5.2 经济学家岗位的长期发展想象即使最终没有通过这场笔试准备过程中建立的“用经济学视角分析平台业务”的能力也会在你未来的产品运营、商业分析、战略投资等岗位上持续产生价值。我的个人体会是经济学训练最大的收获不是那些模型和公式而是一套“永远追问激励机制和资源配置效率”的思维习惯。如果你成功入职这类岗位早期的工作可能会集中在策略评估和实验设计上——比如某个创作者激励计划上线后用数据衡量它的效果。中期会参与机制设计——深度参与平台规则制定、创作者生态治理。长期则可能涉足战略层面——评估新业务方向的经济学可行性、设计平台与监管的沟通框架。每一层级的跃迁都依赖你在笔试中展现的那些核心能力建模能力、数据敏感度和商业直觉。最后分享一个我备考时常用的思维训练方法每天选一个平台的功能变动比如抖音调整了搜索流量入口、B站升级了创作激励计划要求自己在30分钟内写出一页纸的分析——这个变动的目标是什么涉及哪些参与方激励如何改变谁受益谁受损如果我是决策者我会怎么做坚持一个月你会发现自己看待产品的视角发生了质变。这也是这类笔试真正的考察目标——不是知识量而是你思考问题的方式。