
數(shù)據(jù)分析實戰(zhàn):如果我為共享單車類產(chǎn)品做數(shù)據(jù)分析
很多人都在問:如何提高數(shù)據(jù)分析能力?筆者認(rèn)為一方面要掌握基本的分析框架和分析思路,另一方面就要不斷實踐。一種很好的實踐方式就是:分析行業(yè)內(nèi)典型產(chǎn)品的設(shè)計、運營思路,假設(shè)自己就是該公司的數(shù)據(jù)產(chǎn)品經(jīng)理,你會如何對其進行分析。
前一陣在“在行”上就遇到一個案例,學(xué)員想了解共享單車類產(chǎn)品的數(shù)據(jù)分析思路,本文就針對這個案例整理一二,供讀者參考。如果讀者中有摩拜或ofo的同學(xué),麻煩幫我參謀下思路是否靠譜哈。
步驟一:明確用戶是誰
以摩拜為例,其產(chǎn)品可能的目標(biāo)用戶有2類:用車方、維護方。用車方就是車輛使用者,維護方則是車輛提供者。用車方的訴求是隨時隨地有車騎,且付費后騎行體驗要良好。維護方的訴求則是以最少的車輛服務(wù)最多的用車方,并從用車中得到收益。
步驟二:明確用戶使用場景
從維護方角度看,其簡單場景如下圖:
從用車方角度看,其場景如下圖:
明確使用場景、使用流程的原因在于:第一,我們的數(shù)據(jù)都來源于這些場景中;第二,我們需要通過分析這些數(shù)據(jù),讓用戶每一步過程都順利進行,避免流失;第三,還要讓企業(yè)利益最大化,從而進一步讓利用戶。
步驟三:明確分析目標(biāo)
經(jīng)過人群定義和流程梳理,針對共享單車,我們可簡單將分析目標(biāo)定義為:
提高成功騎行次數(shù)——用戶利益最大化
提高毛收入——企業(yè)利益最大化
步驟四:拆解目標(biāo)
數(shù)據(jù)分析的思路就是將目標(biāo)層層拆解,從每個子指標(biāo)中發(fā)現(xiàn)問題。基于以上目標(biāo),可拆解為:
成功騎行次數(shù) = app啟動次數(shù) x 每啟動掃碼開鎖率 x 成功開鎖率 x 成功結(jié)束率
成功騎行次數(shù) = 每人每日行程次數(shù) x 人數(shù)
毛收入 = 充值收入 – 投入成本 = ((每充值金額 – 欠費金額) x 充值次數(shù)) – ((每車成本 + 維護費用) x 車輛數(shù)量 )
注:以上拆解因人而異,因經(jīng)驗而異,從不同角度可得出不同公式,具體要根據(jù)實際運營目標(biāo)進行調(diào)整。
步驟五:明確數(shù)據(jù)觀察者角色
拆解出的子指標(biāo),需要呈獻給不同角色的人群查看,以此來進行不同維度的分析,因此在分析前也要明確這些角色,例如:
決策層:關(guān)注核心指標(biāo)、交易指標(biāo)、時段趨勢
維護組:關(guān)注車輛狀態(tài)、位置、軌跡、故障率、用戶反饋
運營組:關(guān)注騎行次數(shù)、充值情況、押金情況、欠費情況、信用積分
產(chǎn)品組:關(guān)注騎行流程、交互路徑、用戶反饋
開發(fā)組:關(guān)注請求失敗率、App崩潰數(shù)
步驟六:明確數(shù)據(jù)度量
依據(jù)不同角色,可將拆解出的子指標(biāo)進一步匯總整合,組成不同的統(tǒng)計度量值。這一過程中有一點要注意:每產(chǎn)出一份度量值,都要給出目的。也就是說看這個度量值能得出什么結(jié)論。沒有結(jié)論的數(shù)值是沒有意義的。如下所示:
核心數(shù)據(jù)
評估推廣效果——注冊用戶數(shù)
評估活躍程度——啟動次數(shù)、活躍用戶數(shù)
評估業(yè)務(wù)健康程度——成功騎行次數(shù)、每啟動騎行率(用車密度)
評估現(xiàn)金流健康程度——總?cè)胭~、總出賬、充值金額、欠費金額、車輛總成本
評估車輛健康程度——車輛總數(shù)量、故障車數(shù)量
運營數(shù)據(jù)
評估推廣效果——注冊用戶數(shù)、下載點擊數(shù)
評估活動運營效果——充值用戶數(shù)、邀請注冊用戶數(shù)、成功騎行次數(shù)、積分增長/消耗量
評估用戶質(zhì)量——行程次數(shù)排行、騎行距離排行、信用積分排行、充值排行、欠費人數(shù)、認(rèn)證人數(shù)
維護數(shù)據(jù)
車輛使用總覽——車輛總數(shù)+車輛位置實時呈現(xiàn)——未使用/使用中/故障中/預(yù)約中
評估車輛使用率——使用車輛數(shù)/總車輛數(shù)
評估車輛故障率——故障車輛數(shù)/總車輛數(shù)
評估車輛閑置率——連續(xù)N日未使用車輛數(shù)/總車輛數(shù),以及閑置車輛位置
產(chǎn)品數(shù)據(jù)
評估需求滿足程度/車輛調(diào)度效果——每啟動騎行率
評估產(chǎn)品使用情況——成功騎行次數(shù)、異常騎行次數(shù)、平均騎行里程、平均騎行時長、日騎行頻率、啟動次數(shù)、平均騎行天數(shù)、預(yù)約操作成功率
評估產(chǎn)品操作效果——充值路徑、注冊路徑
評估產(chǎn)品使用異常情況——平均每次開鎖成功率
評估用戶騎行習(xí)慣——騎行軌跡聚合,為調(diào)度路線做參考
評估用戶滿意度——用戶反饋好評數(shù)/用戶反饋數(shù)
財務(wù)數(shù)據(jù)
用戶金額:充值流水、充值次數(shù)、充值金額、充押金金額、余額不足金額、押金退款金額
維修金額:車輛生產(chǎn)成本、車輛維修成本
注:以上數(shù)據(jù)僅為舉例,要根據(jù)實際需求調(diào)整。
步驟七:明確數(shù)據(jù)維度
有了度量值,就要思考可以通過哪些維度查看這些值,也就是要定義數(shù)據(jù)維度。常見的維度包括:
按時間:小時、日、周、月、季度、年度……
按地區(qū):按省、按市、按區(qū)……
按渠道:邀請注冊、掃碼注冊、廣告點擊注冊……
按類型:已認(rèn)證/未認(rèn)證、已充值/未充值……
按位置:GPS地圖定位
以上維度也要再根據(jù)需求不斷調(diào)整、擴展、優(yōu)化。
總結(jié)
以上七步進行完畢,一個基本的共享單車數(shù)據(jù)分析框架就搭建完畢了。作為數(shù)據(jù)產(chǎn)品經(jīng)理,一方面可基于此設(shè)計統(tǒng)計系統(tǒng)功能;另一方面可依此對不同人群定期產(chǎn)出數(shù)據(jù)分析報告了。但以上步驟只是完成了冰山一角,如何在觀察數(shù)據(jù)后,對數(shù)據(jù)的變化合理歸因,并對產(chǎn)品、運營策略的優(yōu)化提出改進意見,才是真正需要深入研究的!
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11