人人玩三张官方网站|数据中台实战(六):交易分析

  • 阅读:3939
  • 发表于:2020-01-10 12:42:51

人人玩三张官方网站|数据中台实战(六):交易分析

人人玩三张官方网站,最后一篇文章谈的是“台湾实战数据(五):自助分析平台”,本文谈的是交易分析模块。

交易数据是公司最核心的数据,领导会密切关注。一线运营的kpi也关注交易量。领导层和前线作战仍然有些不同。该公司的领导层关注的是大市场,而不是一些详细的数据。但是,操作需要大量详细数据来分析数据增加或减少的原因。

因此,向领导层显示的功能都是计算广告牌,向操作显示的数据是可以在各个维度上分解的数据。因此,交易分析模块应该为领导和操作分别设计。

让我们首先看看领导层关心的指标。需要对公司领导层进行调查。首席执行官的观点与每个业务部门的老板仍然有些不同。

领导者的交易指标应围绕公司的年度计划进行定义。作为最高领导者,他们是公司的整体愿景,需要能够一目了然地看到公司的年营业额、收入、日营业额和日收入。第二是公司的用户总数,每天新用户的数量。每条生产线都有营业额和收入的kpi,可以分解为每条生产线的总营业额、营业额、收入和完成率。这些指标的口径应先向公司高级管理层确认,然后同时通过邮件确认,因为交易数据是各业务线的敏感数据,口径必须一致。

我们还安排了公司的几位领导共同确定并基本确定了领导关心的数据指标,主要分为营业额、收入和用户数量三个部分。

交易金额不含糊,口径相对清晰。统计数据基于订单数量(包括用户看到的折扣的原始价格)和下单时间。为了防止订单被取消,我们增加了一条规则,即所有未支付和取消的订单都不计入交易金额。这也是对领导和每个产品线负责人的进一步确认。

公司的用户总数基于作为唯一id的移动电话号码。很明显,该公司的用户数量与业务中心的手机总数一样多。每个产品线的用户数量都有一些小问题,因为我们的用户都在用户中心,用户只有一个平台标识符。在产品线A注册的用户平台标识符是产品线A,而不是产品线b。因此,我们与产品线的运营同事制定了一个规则。例如,产品线A的用户定义是平台标识是产品线A或已注册产品线A并登录产品线b的用户

关于收入指标,数据中的中心局按计算顺序收取佣金,这需要所有业务线连接到中心局的交易中心。提交订单时,佣金已计算并记录在订单中。在与业务中心的产品经理沟通后,除了一些产品线之外,还会有一些不直接进入业务中心的在线订单。他们的操作将定期重新记录到系统中,这将导致交易数据显示不及时,并且其他产品线交易模块已连接到业务中心。问题似乎不大。

下一个问题是这些指标的计算是离线还是实时的,公司产品线中的数据量仍然相对较大。我利用这项技术来评估需求,因为数据更重要,这是领导层的观点。如果离线计算体验非常糟糕,我们只能看到昨天的今天的交易情况。领导层想知道今天的交易情况,我们必须找到我们来应对。为了解决这些担忧,我们决定每5秒钟使用实时计算来计算整个公司的交易量。

这些指标是如何向领导层显示的?

我们决定采用三种渠道:

首先,在移动方面,为了降低开发成本,我与前端开发工程师进行了交谈,并请他研究微信小程序。最后,我们选择了将h5嵌入applet的形式,这样前端只使用前端开发工程师来开发代码,维护起来相对方便,只需要修改h5代码并部署更新。

职能层面的统计维度是逐年递增的,排名前几位的人登录后一眼就能看到公司的核心指标。我们使用实时计算技术,每五秒钟计算并汇总一次公司各产品线的营业额和收入指标。数据将自动刷新,这不同于传统的离线计算。只能看到昨天的数据。这些关键数据越实时,体验就越好。

关于自动短消息推送,我们访问服务中心消息中心的能力已经与短消息平台进行了一层对接。我们只需要在短信平台中建立自己的模板,调用服务中心的封装短信接口,并修复定时推送。推送内容是每天前一天各产品线的交易量和完成率的统计。

早期的短信仍然需要再检查一层。例如,它们应该在早上9点30分发给所有高级官员。为了防止出错,我要求在8.30之前将技术发送给我和技术负责人,因此还有一个小时来纠正问题。此外,每次修改短信推送的内容时,都会对短信平台进行手动审查,有时相当费时,所以第一次尽可能确定。

接下来,我们来谈谈大屏幕。市场上有许多解决方案。我们选择阿里的数据。基本版本是每月5元,只能个人使用。我们选择了每年花费数千美元的企业版。我们需要做的和我们的自助广告牌一样。我们只需要根据datav的数据规范计算数据源,并通过拖动形成一个漂亮的大屏幕。大数据屏幕要么放在数据中心,要么放在老板的房间。大屏幕的设计可以先与领导确认,包括风格。

大屏幕是公司展示肌肉的一种方式,所以仍然有必要设计一个简单的氛围。设计的大屏幕数据v将输出一个访问地址,无需登录即可访问,在普通浏览器中按f11进入全屏浏览即可访问。当然,如果你想要一个好的效果,最好买一个更大的屏幕。

根据公司的特点,我们为电子商务产品线制作了大屏幕。在最显眼的位置,也就是在屏幕的中部和上部,我们放了几个跳动的数据,包括交易量、收入和用户数量,这些都是实时数据,每5秒刷新一次。在屏幕的中间,有一张地图,订单的热点地图,其中订单数量相对较高,颜色相对较重。左边是公司最畅销商品的排名。这是滚动数据,每5秒刷新一次。右边是一些类别的销售情况和订单量趋势。

以上通过移动终端、短信和大屏幕三种方式分析了为领导设计的交易分析模块的相关指标。接下来,让我们谈谈交易分析和运营同事看到的数据指标的设计。

首先是权力问题,因为操作的位置相对详细。例如,电子商务产品分为用户操作、平台操作和商品操作。对他们来说,看到他们分别负责的模块的数据指标是很好的。

用户操作交易分析模块将每天只向他显示用户的第一个订单、再购买次数和第一个订单的再购买金额。该平台的运营更加注重交通量、场内交易量等相关指标。商品经营着眼于那些卖得好的商品,例如在类别价格段中售出的商品数量和数量,以及为单个商品售出的商品数量和数量。操作负责人需要了解总体情况和每个模块的情况。

因此,我们的权限设置应该精确到个人级别,并且图表可以设置给能看到它的人和不能看到它的人。运营经理更关注产品线的整体情况。与他们的老板不同,他们通常更关注详细的数据。因为我们需要分析原因并采取措施,所以我们应该注意在pc机端的多维筛选和数据导出,最好是一目了然地分析原因。运营负责人主要关注年度目标、完成率、月度目标、完成率、日营业额、日收入等指标。这些指标也可以制成实时数据,显示在移动终端和个人电脑终端上,可以实时监控生产线的健康状况。

作为一种电子商务产品,从访问到购买,从下单到付款有一条主要的途径。我们需要输出访客数量、额外购买数量、额外购买数量、下订单数量、下订单数量、付款数量和付款数量。我们需要看看每一步之间的转化率。作为一项操作,对这些数据的长期观察将使我们了解转化率的波动范围。如果转换率在某一天突然下降或突然上升,我们需要分析其背后的原因。此时,我们需要详细的数据,并且我们需要能够按客户端查看每端的转化率。

一般来说,客户端分为苹果、安卓、h5、applet和公共号码(一般来说,公共号码也是h5),这样可以进一步减少问题,更容易找到原因。刚才提到的指标,如访客数量、下订单数量和涉及用户的付款数量,在用户下订单进行进一步分析时也可以很容易地检查。

第二个重要部分是对交易渠道的分析。成熟的电子商务平台有不止一个销售渠道。以电子商务产品为例,有普通的网上销售,网上销售分为自营和非自营。

此外,vip客户是我们的主要客户,即单价高的客户。我们将提供贵宾服务,如带市场看货、优先送货、质检等服务。还有其他一些渠道,比如最近流行的直播销售渠道,主要针对的是高端客户。这种渠道的特点是订单量大,回报率相对较高。还有一些离线销售渠道。我们将定期与高质量供应商举行离线私人订购会议,并通知高质量购买者在现场提货。这种类型的特点是订单数量大,因为在现场提货时退货率相对较低。

对于这些销售渠道,我们在运营中都是不同的同事。就交易量而言,我们需要对每次销售遇到的交易量进行细分。一方面,我们可以找到最有利可图的销售渠道,而这些销售渠道的性价比相对较低。另一方面,我们可以区分出这些操作团队的表现。

那么我们如何区分不同销售渠道的销售呢?

我们统一要求各销售渠道负责人填写供应商负责人。该负责人将进入系统并提前填写部门,因为订单包含商品信息,商品属于某个供应商,供应商也有负责人,通过负责人可以找到主管部门。因为销售渠道是按部门来的,所以我们可以通过部门来区分不同销售渠道的销售。

涉及的指标主要包括销售渠道总营业额、日营业额和客户单价。顾客的单价决定了我们是否应该向这个销售渠道的购买者提供那个价格的商品。

另一件重要的事情是购物频率和购物间隔的分析。购物频率指付费用户。您可以首先查看用户的购物频率分布,并根据购物频率确定购物频率的分析间隔。例如,购物频率间隔大于0、1、2、3、4、5、6和6倍。

该图表可以直接反馈平台的粘性。如果大多数付款是0,那么我们需要激活更多的工作。如果它们大部分分布在1或2中,这意味着平台的现有用户不是很粘并且价值很低。如果大多数购物频率相对较高,那么平台的价值仍然相对较高。此外,购物频率基本上可以决定我们产品的新周期。如果用户每7天购买一次,如果用户再次光临,我们将推荐他喜欢的新产品。

一般来说,神奇数量的电子商务产品(Polaris index)是来到我们平台的新用户。如果他一周内购买1-2次,他的购买保留率将变得非常高。购买保留率是指当天购买产品的用户。这些用户中有多少人会在7或14天后继续购买产品。

你是怎么一周买1-2次的?可以做购物间隔分析。我们可以查看从注册到第一订单的时间间隔分布,例如,用户之间的时间间隔为1-7天,用户之间的时间间隔为8-30天,等等。让我们先看看分布情况。

这时,你会发现一个规则,随着时间间隔越来越长,越来越少的用户会下订单,也就是说,在用户注册后的1-7天内,通过各种方式下订单的效率最高,否则用户会偷偷溜走。如果范围很大,可以将距离注册时间1-7天的用户带出去并进行分析以进行分发。您会发现在注册当天下订单的概率最高,注册时间越短,订单总数就越多。

因此,当用户新注册时,我们的操作方法是最有效的。随着注册天数的增加,第一个单一用户越来越难以转换。

同样,我们也可以查看从第一个订单到第一次再购买的时间间隔,也可以定义为1-7天、8-30天等。

电子商务产品的规则是大多数人会在第一个订单后再购买,有些人会在1-30天内再购买。因此,最有可能的是,重新购买操作将在用户生成第一个订单的那一天执行,然后使用一些手段来刺激他重新购买,并且它持续的时间越长,转换就越困难。

基于购物区间分析,可以定义平台的幻数,也就是说,用户必须在注册后的一到七天内找到让他下单的方法,注册的日子也很重要,可以采取一些措施。基于这个神奇的数字,你可以配合操作来解决如何让用户在注册后一周内下1到2次订单。当你有一个如此明确的目标时,你所有的事情都围绕着这个目标,你会发现效率确实不同。

-结束-

推荐读数:

《台湾实战数据(五):自助分析平台》

"台湾实战数据(4):商品分析(产品设计)"

"台湾实战数据(三):用户分析(产品设计)"

“台湾实战数据(二):基于阿里onedata的数据指标管理系统”

“台湾实战数据(1):以b2b点电子商务为例谈产品经理下的数据嵌入点”

台湾与中国在数据上的实战介绍:台湾与中国在数据上的内外合作机制

数据中的两岸实战介绍:两岸战略

作者:威尔顿(董朝华),曾在HKUST迅飞工作,现任富力全球商品贸易大学数据产品经理。微信公众号:改变世界的产品经理。简单、简短、有用,坚持原创,坚持接触你的好文章。

这篇文章最初是由@华子发表的。每个人都是产品经理。未经允许禁止复制。

主题地图来自unsplash,基于cc0协议。