数据分析实战:如果我为共享单车类产品做数据分析
2016/12/29 人人都是产品经理

    

     很多人都在问:如何提高数据分析能力?笔者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

     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:

     点击“阅读原文”下载APP

    http://weixin.100md.com
返回 人人都是产品经理 返回首页 返回百拇医药