数据分析实战共享单车类产品数据分析.docxVIP

数据分析实?战：共享单车类?产品数据分?析步骤一：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?用场景从维护方角?度看，其简单场景?如下图：从用车方角?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