数据分析实战如果我为共享单车类产品做

1、从方角度看，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， 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。步骤二：明确用户使用场景以摩拜为例，其产品可能的目标用户有 2 类：用车方、方。用车方就是车辆使用者，是车辆提供者。用车方的诉求是随时随地有车骑，且后骑行体验要良好。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。步骤一：明确用户是谁数据分析实战：如果我为共享单车类产品做数据分析很多人都在问：如何提高数据分析能力？笔者（ ）认为一方面

2、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_。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：步骤六：明确数据度量决策层：关注指标、交易指标、

3、时段趋势组：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数拆解出的子指标，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：步骤五：明确数据观察者角色注：以上拆解因人而异，因经验而异，从不同角度出不同公式，具体要根据实际运营目标进行调整。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

4、 充值次数） （每车成本 +费用） x 车辆数量 ）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：步骤四：拆解目标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经过人群定义和流程梳理，针对共享单车，可简单将分析目标定义为：步骤三：明确分析目标评估需求满足程度/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、路径评估产品使用异常情况平均每次开锁成功率产品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

5、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，以及闲置车辆位置数据评估推广效果用户数、点击数评估活动运营效果充值用户数、邀请用户数、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、认证人数运营数据评估推广效果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、故障车数量数据以上七步进行完毕，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

6、品经 理，一方面可基于此设计统计系统功能；另一方面可依此对不同人群定期产出数据分析报告了。但以上步骤只是完成了冰山一角，如何在观察数据后，对数据的变化合理归因，并对产品、运营策略的优化提出改进意见，才是真正需要深入的！作者：6 年产品人前网易产品经理，现红演圈公司产品 VP本文由 发布于人人都是产品经理。，。总结：以上维度也要再根据需求不断调整、扩展、优化。按时间：小时、日、周、月、季度、年度按地区：按省、按市、按区按：邀请、扫码、点击按类型：已认证/未认证、已充值/未充值按位置：GPS 地图定位有了度量值，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：步骤七：明确数据维度注：以上数据仅为举例，要根据实际需求调整。用户金额：充