數據中臺實戰(六):交易分析

關注公眾號:改變世界的產品經理,回覆“ 1 ”獲取10G產品經理學習資料。

數據中臺實戰(六):交易分析

上一篇文章講到《 ,本篇文章講一下交易分析模塊。

數據中臺實戰(六):交易分析

一、交易分析設計原則

交易數據是一個公司最核心的數據,領導層會十分關注,一線的運營的kpi也是圍繞交易額展開。領導層和一線的運營還是有些不同,公司領導層關注的是大盤,是不會看一些明細數據,而運營需要大量的明細數據來分析數據上升或者下降的原因。

所以給領導層看的功能都是計算好的看板,給運營看的數據的是可以各種維度拆解的數據,所以交易分析模塊針對領導層和運營要分開設計。

給領導層看的交易分析數據

我們先看下領導層關注的指標有哪些。需要對公司的領導層做一個調研,ceo的視角和每條業務線老大的視角還是有些不同。針對領導層的交易指標還是要圍繞著公司的全年計劃來定義,作為高層他們是公司全局的視野,需要一眼能看到公司全年的交易額、收入、每日的交易額、每日的收入。其次就是公司總用戶數,每日新增用戶數。還有就是每條產品線都有交易額、收入的kpi,可以針對總的交易額做一個拆解,每條線的交易額、收入、完成率。這些指標的口徑要向公司高層確定好,然後郵件同步確認,因為交易的數據是每條業務線很敏感的數據,口徑必須一致。

1. 交易指標的口徑

我們也約了公司的幾個領導層共同確定了一下,基本確定領導層關注的數據指標,主要分為三塊:交易額、收入、用戶數。交易額沒什麼歧義,口徑比較清晰,就是按下單金額(用戶看到的包含優惠的原價)、下單時間來統計。為了防止刷單,我們又加了一個規則,所有未支付、已取消的單不算進交易額,這個也和領導層、各個產品線的負責人做的一個進一步的確認。

公司總用戶數是以手機號為唯一ID,業務中臺總體中心有多少手機號,公司就有多少用戶數,這個十分明確。各個產品線的用戶數就有一些小問題,因為我們的用戶都在用戶中心,用戶只有一個平臺標識,註冊了產品線A的用戶平臺標識就是產品線A,不可能是產品線B。所以我們和產品線的運營同事定了一個規則,比如產品線A的用戶的定義是,平臺標識為產品線A或者註冊了產品線A又登陸產品線B的用戶。

關於收入這個指標,數據中臺統一取訂單中的佣金來計算,這就要求各個業務線都要接入中臺的交易中心,提交訂單時,已經把佣金算好記錄到訂單中。和業務中臺的產品經理溝通後,除了某些產品線會有一些線下訂單,這些是沒有直接進入業務中臺的,他們的運營會每隔一段時間補錄進入系統,這樣會會導致交易數據的顯示沒那麼及時,其他產品線交易模塊都已經接入業務中臺。這樣看來問題不大。

2. 技術選型

接下來還有一個問題是這些指標的計算是到底採用離線計算還是實時計算,目前公司產品線的數據量還是比較大。我拉上技術評估了一下需求,因為數據比較重要而且是領導層看,如果做成離線計算體驗很不好,今天只能看到昨天的交易情況,領導想了解今天的交易情況我們還得找我們處理,為了解決後顧之憂,我們決定採用實時計算,每5秒算出整個公司的交易額。

這些指標怎麼展示給領導層呢?

我們決定採用3個渠道:

  • 第一是移動端需要做一版,讓高層能夠隨時隨地通過手機查看這些關鍵指標。
  • 第二是關鍵的指標如完成率要每天推給各個業務線的負責人及公司CEO,督促業務部門完成業務目標。
  • 第三是要做大屏,一方面大屏的展示會更加清晰全面,讓領導層到了公司就能一眼看到公司的健康狀態,另外一方面也是對外展示公司實力的一種手段。

3. 移動端設計

先說移動端,為了降低開發成本,和前端開發工程師啊溝通了一下,讓他研究一下微信小程序,最終我們選擇小程序內嵌H5的形式,這樣前端只用前端開發工程師開發代碼,而且維護起來比較方便,只用修改H5的代碼,部署更新就好。

功能層面統計維度是按年的,高層那幾個人登陸後可一眼看到公司最核心的那幾個指標。我們採用的是實時計算的技術,每五秒能計算並彙總公司各個產品線的交易額和收入指標。數據會自動刷新,區別於傳統的離線計算,只能看到昨天的數據。這些關鍵性數據,實時性越高,體驗就越好。

數據中臺實戰(六):交易分析

4. 每日短信

關於自動化的短信推送,我們接入業務中臺消息中心的能力,業務中臺已經和短信平臺做了一層對接,我們只用在短信平臺設置好自己的模板,調用業務中臺已經封裝好的短信接口,搞定定時推送就好了。推送的內容為每天發送前一天各個產品線交易額、完成率的統計情況。

前期短信還是要多一層檢查,比如早上9.30要發給各個高層,為了防止錯誤,我要求技術在8.30先發給我和技術的負責人,這樣還有一個小時時間修改問題。另外每次修改短信推送內容,都有一個短信平臺的人工審核,有時候還是挺耗時,所以第一次儘量都確定好。

數據中臺實戰(六):交易分析

5. 大屏設計

下面再講一下大屏,關於大屏,市面上有很多解決方案,我們選擇阿里的DataV,基礎版本是每月5元,只能個人使用。我們選擇的是企業版,每年幾千塊錢,需要做的和我們的自助看板一樣,只用按照DataV的數據規範,計算好數據源,通過拖拉拽的方式就能形成一個漂亮的大屏。數據大屏不是放在數據中心,就是放在老闆屋裡,大屏的設計可以和領導先確認好,包括風格。

大屏是公司秀肌肉的一個手段,所以還是要設計的簡潔大氣為主。設計好大屏DataV會輸出一個訪問地址,這個訪問地址可以做到不用登陸就可以訪問,在普通的瀏覽器按F11進入全屏瀏覽就能訪問。當然如果想要效果好,要買一個比較大的屏幕效果會更好。

基於公司的特點我們針對電商產品線做了一個大屏,最顯眼的位置,也就是屏幕的中上方,我們放了幾個跳動的數據,包括的交易額、收入,用戶數,是實時數據,每5秒刷新一次。屏幕中間放了一個地圖,訂單的熱點圖,那個區域訂單量比較高,哪裡顏色就比較重。左側當了公司熱銷的單品排行,這個是滾動的數據,也是每5秒刷新一次;右側是一些品類銷售情況和訂單量趨勢。

數據中臺實戰(六):交易分析

給運營人員看的交易分析數據

以上通過移動端、短信、大屏三種手段解析了針對領導層設計的交易分析模塊相關指標。接下來再說一下交易分析運營同事看到的數據指標的設計。

1. 權限問題

首先是權限問題,因為運營的崗位分的比較細,比如電商產品就分為用戶運營、平臺運營、商品運營,他們分別看到自己負責的模塊的數據指標就好。

用戶運營交易分析模塊只會給他看到每天用戶的首單、復購人數、首單復購金額;平臺運營看的更多的是流量、坑位交易額等相關的指標;商品運營看的是那些商品好賣,比如品類價格段的銷售件數、金額,單品的銷售件數、金額;還有運營的負責人則需要看到總體情況和每個模塊的情況。

所以我們的權限設置要能精確到個人級別,圖表可以設置有那些人可以看,那些人不能看到。運營負責人更加關注產品線的總體情況,和老闆不同,他們一般也會更加註重明細數據,因為要分析原因並採取措施,所以我們在pc端要注意數據的多維度篩選與導出,最好是能一眼分析出來原因。運營負責人主要關注年度目標,完成率、月度目標,完成率,每日交易額、每日收入等指標,這些指標最好也能做成實時數據在移動端、PC端展示,能夠實時監測產品線的健康狀態。

2. 電商主路徑

作為電商產品有一條主路徑,是從訪問到加購到下單到支付,我們需要輸出訪問人數、加購人數、加購金額,下單人數、下單金額,支付人數、支付金額,需要看每步之間的轉化率,作為運營,長期觀察這些數據就會對轉化率的波動區間有一個感知,如果某一天轉化率突然暴跌或者暴增就要分析背後的原因,這時需要明細數據,需要可以分客戶端端去看每個端的轉化率情況。

一般客戶端分為蘋果、安卓、H5、小程序、公眾號(一般來說公眾號號也是用的H5),這樣就可以進一步縮小問題,更方便查找原因。剛才提到的指標,比如訪問人數、下單人數、支付人數涉及到用戶的指標,也可以很方便的查看到底是那些用戶在什麼時候下單,進行進一步分析。

數據中臺實戰(六):交易分析

3. 渠道銷售分析

第二塊比較重要的就是交易渠道分析。成熟的電商平臺都不止一個銷售渠道,拿電商產品舉個例子,有普通的線上銷售,線上的銷售又分為自營和非自營。

  • 自營就是預售模式,我們的商品運營會在市場挑一批貨拿到網上賣,有的做的比較發的品牌甚至會和工廠合作去賣貨,這種模式我們賺取差價。
  • 非自營模式就是和我們的供應商合作賣貨,供應商把他們覺得好賣的貨放到電商寶,電商寶的角色類似支付寶,做擔保交易,放採購商確定收到貨滿意了,再打錢給供應商,這種模式電商產品賺取佣金比如拿交易額5%的提成。

還有針對VIP客戶就是我們的大客戶,就是客單價很高的客戶,我們會提供VIP的服務,比如帶市場去看貨、優先發貨、貨品質檢等服務。還有一些其他的渠道,比如最近比較流行的網紅直播的銷售渠道,主要是面向C端客戶,這類的特點是訂單量大,退貨率相對較高。還有一些線下的銷售渠道,我們會定期聯合優質的供應商舉行線下的私密訂貨會,會會通知優質的採購商去現場挑貨採購,這類的特點是訂單量大,因為是採購現場親自去選貨,退貨率就比較低。

針對這幾個銷售渠道,我們都是不同的同事在運營,在交易額方面我們就需要拆出來每個銷售遇到的交易額到底是多少,一方面可以找到盈利能力最強的銷售渠道,還有那些銷售渠道的性價比比較低;另外一方面可以拆分出來這些運營團隊的績效到底怎麼樣。

那我們是如何區分不同銷售渠道的銷售情況呢?

我們統一要求各個銷售渠道的負責人給所負責的供應商填上負責人,這個負責人會提前錄入系統並填好部門,因為訂單中有商品的信息,商品又屬於某個供應商,這個供應商又有負責人,又可以通過負責人的找到負責人的部門,因為銷售渠道是按部門來的,所以我們通過部門來區分不同銷售渠道的銷售額。

涉及到的指標主要有銷售渠道總的交易額、每天的交易額、客單價,客單價決定我們了到底我們該為這個銷售渠道的採購商,提供那個價格的商品。

數據中臺實戰(六):交易分析

4. 購物頻次及間隔分析

還有一塊比較重要的是購物頻次、購物間隔分析。購物頻次是針對已支付用戶,可以先看下用戶的購物頻次分佈,基於購物頻次確定購物頻次分析區間,比如購物頻次區間為0、1、2、3、4、 5、6、6次以上。

數據中臺實戰(六):交易分析

這個圖可以直接反饋出來平臺的粘性,如果大部分支付次數都是0,那麼我們做的工作更多的是需要激活。如果大部分分佈在1、2那麼說明平臺現有用戶粘性不是很高,價值不是很高。如果大部分的購物頻次比較高,那說明平臺的價值還是比較高。另外購物頻次也可以基本決定我們商品的上新週期,如果用戶每隔7天購買一次,如果用戶再次來,我們給用戶推薦的一定是他喜歡的新品。

一般來說電商產品的魔法數字(北極星指標)是一個新用戶到我們的平臺來,如果一週內購買1-2次,那麼他的購買留存率會變得非常高,購買留存率是指當天購買的用戶,7日後或者14天后,這批用戶還有多少人繼續購買商品。

這個一週內購買1-2次是怎麼來的呢?可以做一個購物間隔分析。我們可以看下注冊後到首單的間隔分佈,比如間隔1-7天的用戶、8-30天的用戶等區間先看一下分佈情況。

此時你會發現一個規律,隨著時間間隔的越來越長,用戶下單的用戶會越來越少,也就是說在用戶註冊1-7天內,用各種手段讓他下單效率是最高的,不然用戶就偷偷的溜了。如果範圍大還可以拿出距離註冊時間1-7天的用戶,做個分佈的分析。你會發現當天註冊當天下單的概率是最多的,距離註冊時間越短,下單總體量就越多。

所以當用戶新註冊那天,我們的運營手段是最有效的,未首單用戶隨著隨著用戶的註冊天數增加會越來越難轉化。

數據中臺實戰(六):交易分析

同樣的我們也可以看一下,首單到首次復購的時間間隔,時間我們也定義為1-7天、8-30天等。

數據中臺實戰(六):交易分析

電商產品的規律是大部分人在首單後,就會進行復購,還有一些人的復購時間集中在1-30天,所以做復購的運營當用戶產生首單後當天再去用一些手段去刺激他復購是概率最大的,越向後持續的越久就越難轉化。

基於購物間隔分析你就可以定義出平臺的魔法數字,也就是用戶註冊一到7天內一定要想辦法讓他下單,註冊當天也很重要,可以採取一些措施。基於這個魔法數字,你就可以和運營合作解決怎麼讓用戶在註冊一週內實現下單1到2次,當有了這麼一個清晰的目標,你所有的事情都圍繞著這個目標,你會發現效率真的不一樣。

數據中臺實戰(六):交易分析

本文作者Wilton(董超華):曾任職科大訊飛,現任富力環球商品貿易港大數據產品經理。公眾號名稱:改變世界的產品經理。簡單、簡短、有用,堅持原創、堅持做感動你的好文章。未經許可,禁止轉載。


分享到:


相關文章: