数据分析实战共享单车类产品数据分析

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