数据分析实战:如果我为共享单车类产品做数据分析

很多人都在问:如何提高数据分析能力?笔者(申悦)认为一方面要掌握基本的分析框架和分析思路,另一方面就要不断实践。一种很好的实践方式就是:分析行业内典型产品的设计、运营思路,假设自己就是该公司的数据产品经理,你会如何对其进行分析

前一阵在“在行”上就遇到一个案例,学员想了解共享单车类产品的数据分析思路,本文就针对这个案例整理一二,供读者参考。如果读者中有摩拜或ofo的同学,麻烦帮我参谋下思路是否靠谱哈^_^。

步骤一:明确用户是谁

以摩拜为例,其产品可能的目标用户有2类:用车方维护方。用车方就是车辆使用者,维护方则是车辆提供者。用车方的诉求是随时随地有车骑,且付费后骑行体验要良好。维护方的诉求则是以最少的车辆服务最多的用车方,并从用车中得到收益。

步骤二:明确用户使用场景

维护方角度看,其简单场景如下图:

用车方角度看,其场景如下图:

明确使用场景、使用流程的原因在于:第一,我们的数据都来源于这些场景中;第二,我们需要通过分析这些数据,让用户每一步过程都顺利进行,避免流失;第三,还要让企业利益最大化,从而进一步让利用户。

步骤三:明确分析目标

经过人群定义和流程梳理,针对共享单车,我们可简单将分析目标定义为:

提高成功骑行次数——用户利益最大化

提高毛收入——企业利益最大化

步骤四:拆解目标

数据分析的思路就是将目标层层拆解,从每个子指标中发现问题。基于以上目标,可拆解为:

成功骑行次数 = app启动次数 x 每启动扫码开锁率 x 成功开锁率 x 成功结束率

成功骑行次数 = 每人每日行程次数 x 人数

毛收入 = 充值收入 – 投入成本 = ((每充值金额 – 欠费金额) x 充值次数) – ((每车成本 + 维护费用) x 车辆数量 )

注:以上拆解因人而异,因经验而异,从不同角度可得出不同公式,具体要根据实际运营目标进行调整。

步骤五:明确数据观察者角色

拆解出的子指标,需要呈献给不同角色的人群查看,以此来进行不同维度的分析,因此在分析前也要明确这些角色,例如:

决策层:关注核心指标、交易指标、时段趋势

维护组:关注车辆状态、位置、轨迹、故障率、用户反馈

运营组:关注骑行次数、充值情况、押金情况、欠费情况、信用积分

产品组:关注骑行流程、交互路径、用户反馈

开发组:关注请求失败率、App崩溃数

步骤六:明确数据度量

依据不同角色,可将拆解出的子指标进一步汇总整合,组成不同的统计度量值。这一过程中有一点要注意:每产出一份度量值,都要给出目的。也就是说看这个度量值能得出什么结论。没有结论的数值是没有意义的。如下所示:

核心数据

评估推广效果——注册用户数

评估活跃程度——启动次数、活跃用户数

评估业务健康程度——成功骑行次数、每启动骑行率(用车密度)

评估现金流健康程度——总入账、总出账、充值金额、欠费金额、车辆总成本

评估车辆健康程度——车辆总数量、故障车数量

运营数据

评估推广效果——注册用户数、下载点击数

评估活动运营效果——充值用户数、邀请注册用户数、成功骑行次数、积分增长/消耗量

评估用户质量——行程次数排行、骑行距离排行、信用积分排行、充值排行、欠费人数、认证人数

维护数据

车辆使用总览——车辆总数+车辆位置实时呈现——未使用/使用中/故障中/预约中

评估车辆使用率——使用车辆数/总车辆数

评估车辆故障率——故障车辆数/总车辆数

评估车辆闲置率——连续N日未使用车辆数/总车辆数,以及闲置车辆位置

产品数据

评估需求满足程度/车辆调度效果——每启动骑行率

评估产品使用情况——成功骑行次数、异常骑行次数、平均骑行里程、平均骑行时长、日骑行频率、启动次数、平均骑行天数、预约操作成功率

评估产品操作效果——充值路径、注册路径

评估产品使用异常情况——平均每次开锁成功率

评估用户骑行习惯——骑行轨迹聚合,为调度路线做参考

评估用户满意度——用户反馈好评数/用户反馈数

财务数据

用户金额:充值流水、充值次数、充值金额、充押金金额、余额不足金额、押金退款金额

维修金额:车辆生产成本、车辆维修成本

注:以上数据仅为举例,要根据实际需求调整。

步骤七:明确数据维度

有了度量值,就要思考可以通过哪些维度查看这些值,也就是要定义数据维度。常见的维度包括:

按时间:小时、日、周、月、季度、年度……

按地区:按省、按市、按区……

按渠道:邀请注册、扫码注册、广告点击注册……

按类型:已认证/未认证、已充值/未充值……

按位置:GPS地图定位

以上维度也要再根据需求不断调整、扩展、优化。

总结:

以上七步进行完毕,一个基本的共享单车数据分析框架就搭建完毕了。作为数据产品经理,一方面可基于此设计统计系统功能;另一方面可依此对不同人群定期产出数据分析报告了。但以上步骤只是完成了冰山一角,如何在观察数据后,对数据的变化合理归因,并对产品、运营策略的优化提出改进意见,才是真正需要深入研究的!

作者:申悦  6年产品人  前网易新闻产品经理,现红演圈公司产品VP

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,088评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,715评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,361评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,099评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 60,987评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,063评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,486评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,175评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,440评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,518评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,305评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,190评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,550评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,880评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,152评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,451评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,637评论 2 335

推荐阅读更多精彩内容