在吃喝玩乐中成为数据分析师——请家政篇

0 评论 5442 浏览 13 收藏 9 分钟

日常生活场景里,其实有许多与数据分析相关的知识待我们进行挖掘,比如家政服务场景。那么,消费者/用户在服务平台上预约家政服务的过程中,可能隐藏着哪些数据分析知识?我们可以从中拆解得到什么经验和策略?

本篇是系列文,全网搜索《在吃喝玩乐中成为数据分析师》,我会带着大家从各种生活场景出发,提升业务理解,轻松学会数据分析思路和技能。

遇到类似的场景,可以拿出来重温。

今天讲的内容是:叫家政服务时,有哪些数据分析知识?

读完本篇,你可以获取这些知识:

  • 你请家政时哪些数据被采集到了
  • 平台至少可能使用哪些指标来提升你的服务体验
  • 计算这些指标会用到的sql/python函数
  • 使用AI写sql的提示词示例

场景复现:

小王在南方城市工作,天气逐渐变凉了,没有地暖,小王只得开空调取暖。

结果屋漏偏逢连夜雨,小王一开空调,发现空调坏掉了,就上网找家政服务来修空调。

找服务:

小王在网上搜索「修空调」三个字,出现了很多服务商。小王再三对比之下,选择了一家可以小程序下单的本地龙头企业。

下单前:

小王授权登陆进入小程序后,找到家电维修的模块,选择空调维修。进入页面后,小王选择了「挂机空调维修」,并提供了以下信息:

  • 位置坐标
  • 预约上门时间

点击预约后,又弹出让小王「手机号快捷注册」,注册完成后即可预约。

但是预约只生成订单,并不需要付钱。

下单后:

小王注册后完成下单,马上收到了短信,告知师父将于某时间联系小王,让小王注意接听。

10分钟后,师父联系小王,再次确认地点及时间。并且小王注意到师傅并没有按照线上预约的时间来沟通。

等待服务:

临近约定时间,师傅还没有到,小王电话催促,师傅回答说又一些事情耽搁了,需要晚点到,询问是否需要更换时间。小王回答不需要。

继续等待两个小时后,师傅终于赶到,开始修空调。修完之后进行拍照。

服务结束:

修完之后,师傅让小王添加一个企业微信,企业微信中会推送订单支付给小王。小王支付后,师傅又给小王留了私人微信,说以后找他修电器水管会便宜一些,然后师傅就回去了。

问:

小王在这个过程中的用户路径如何拆解?

对于平台方来说,至少有哪些阶段有较高的用户流失风险?

作为数据分析师,你如何做整个流程的分析和监控,至少需要哪些指标?

一、用户路径拆解

我们将小王从寻找服务平台到师傅完成服务的流程可以拆解如下:

我们可以看到的是,小王的整体用户路径并没有很连贯,存在着很多站外或者线下的无从监控的路径。

小王的用户行为路径大致上可以分为三个类型:线上的站外行为、站内行为、线下的站外行为

其中比较容易分析的是站内行为,因为产品是自己研发的,可以比较容易的记录到用户行为。

线上的站外行为,一般都需要第三方广告平台提供,而且是收费项目。而线下的站外行为几乎是采集不到的。

所以,在用户行为分析的成本上有如下排序:

站内行为分析成本 > 线上的站外行为分析成本 > 线下的站外行为分析成本

二、用户流失分析简述

在用户流失分析中,由于采集数据的成本不一样,一般需要从已有的数据进行分析。

1. 用户流失点位拆解

我们可以看到有明确的流失点的位置如下:

明显的流失点位为:

  • 从广告到进入小程序的授权过程
  • 下单最后一步的手机号注册流程
  • 下单后的等待服务的过程
  • 服务完成后被引流到个人的私域

2. 用户流失点位分析

从以上四点入手,结合用户数据的获得成本,我们可以得到以下分类:

如果我们这么去评估优先级,确定问题解决的顺序,那就要出!大!问!题!

为什么?

30

原因是:服务师父也是用户!师父接单到完单也是需要走流程的!

那么,「等待服务流失」的节点就有迹可循了:

  • 客户取消订单前等待了多长时间
  • 客户的订单预约时间有没有被师父变更
  • 师父的完成服务时间与客户首次下单时间的匹配率
  • 接单师父地点与客户下单地点的实际距离长短

同时在服务完成流失这个节点的分析上也有了新的进展:我们虽然分析不了小王为什么流失,但是可以计算每个师父的服务流失率呀!可以根据这个信息优化匹配规则呀!

所以 ,流失节点的真实数据情况是:

那么,基于这些数据,如果建立完整的流程指标呢?

三、用户监控指标及其SQL/Python函数

根据用户路径拆解和用户流失点位分析,我们可以大致分为三种场景:用户路径监控、师傅评级监控、匹配机制监控。

至少可以梳理出以下几个对应的指标:

四、小结

其实数据分析是一种思考方式,只要在生活中多观察,多思考,吃喝玩乐中也能加强自己的数据思维。

至于一些复杂的数据处理方式,我们其实没有必要死记硬背,只需要知道搭建什么样的指标,可能用到什么样的工具即可。提示词示例:

只要能梳理清楚业务逻辑,学会如何进行指标管理,在生活中加强自己的思考,人人都可以成为数据分析师。

专栏作家

汪浩,公众号:只说人话的汪Sir,人人都是产品经理专栏作家。资深数据分析师,曾服务于上百家企业,对电商、社交、游戏、零售及泛互联网均有数据经验。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!