数据中台实战六交易分析

　　上一篇文章讲到《数据中台实战（五）：自助分析平台》，本篇文章讲一下交易分析模块。
　　交易分析设计原则
　　交易数据是一个公司最核心的数据，领导层会十分关注，一线的运营的kpi也是围绕交易额展开。领导层和一线的运营还是有些不同，公司领导层关注的是大盘，是不会看一些明细数据，而运营需要大量的明细数据来分析数据上升或者下降的原因。
　　所以给领导层看的功能都是计算好的看板，给运营看的数据的是可以各种维度拆解的数据，所以交易分析模块针对领导层和运营要分开设计。
　　给领导层看的交易分析数据
　　我们先看下领导层关注的指标有哪些。需要对公司的领导层做一个调研，ceo的视角和每条业务线老大的视角还是有些不同。
　　针对领导层的交易指标还是要围绕着公司的全年计划来定义，作为高层他们是公司全局的视野，需要一眼能看到公司全年的交易额、收入、每日的交易额、每日的收入。其次就是公司总用户数，每日新增用户数。还有就是每条产品线都有交易额、收入的kpi，可以针对总的交易额做一个拆解，每条线的交易额、收入、完成率。这些指标的口径要向公司高层确定好，然后邮件同步确认，因为交易的数据是每条业务线很敏感的数据，口径必须一致。
　　1。交易指标的口径
　　我们也约了公司的几个领导层共同确定了一下，基本确定领导层关注的数据指标，主要分为三块：交易额、收入、用户数。
　　交易额没什么歧义，口径比较清晰，就是按下单金额（用户看到的包含优惠的原价）、下单时间来统计。为了防止刷单，我们又加了一个规则，所有未支付、已取消的单不算进交易额，这个也和领导层、各个产品线的负责人做的一个进一步的确认。
　　公司总用户数是以手机号为唯一ID，业务中台总体中心有多少手机号，公司就有多少用户数，这个十分明确。各个产品线的用户数就有一些小问题，因为我们的用户都在用户中心，用户只有一个平台标识，注册了产品线A的用户平台标识就是产品线A，不可能是产品线B。所以我们和产品线的运营同事定了一个规则，比如产品线A的用户的定义是，平台标识为产品线A或者注册了产品线A又登陆产品线B的用户。
　　关于收入这个指标，数据中台统一取订单中的佣金来计算，这就要求各个业务线都要接入中台的交易中心，提交订单时，已经把佣金算好记录到订单中。和业务中台的产品经理沟通后，除了某些产品线会有一些线下订单，这些是没有直接进入业务中台的，他们的运营会每隔一段时间补录进入系统，这样会会导致交易数据的显示没那么及时，其他产品线交易模块都已经接入业务中台。这样看来问题不大。
　　2。技术选型
　　接下来还有一个问题是这些指标的计算是到底采用离线计算还是实时计算，目前公司产品线的数据量还是比较大。我拉上技术评估了一下需求，因为数据比较重要而且是领导层看，如果做成离线计算体验很不好，今天只能看到昨天的交易情况，领导想了解今天的交易情况我们还得找我们处理，为了解决后顾之忧，我们决定采用实时计算，每5秒算出整个公司的交易额。
　　这些指标怎么展示给领导层呢？
　　我们决定采用3个渠道：
　　第一是移动端需要做一版，让高层能够随时随地通过手机查看这些关键指标。
　　第二是关键的指标如完成率要每天推给各个业务线的负责人及公司CEO，督促业务部门完成业务目标。
　　第三是要做大屏，一方面大屏的展示会更加清晰全面，让领导层到了公司就能一眼看到公司的健康状态，另外一方面也是对外展示公司实力的一种手段。
　　3。移动端设计
　　先说移动端，为了降低开发成本，和前端开发工程师啊沟通了一下，让他研究一下微信小程序，最终我们选择小程序内嵌H5的形式，这样前端只用前端开发工程师开发代码，而且维护起来比较方便，只用修改H5的代码，部署更新就好。
　　功能层面统计维度是按年的，高层那几个人登陆后可一眼看到公司最核心的那几个指标。我们采用的是实时计算的技术，每五秒能计算并汇总公司各个产品线的交易额和收入指标。数据会自动刷新，区别于传统的离线计算，只能看到昨天的数据。这些关键性数据，实时性越高，体验就越好。
　　4。每日短信
　　关于自动化的短信推送，我们接入业务中台消息中心的能力，业务中台已经和短信平台做了一层对接，我们只用在短信平台设置好自己的模板，调用业务中台已经封装好的短信接口，搞定定时推送就好了。推送的内容为每天发送前一天各个产品线交易额、完成率的统计情况。
　　前期短信还是要多一层检查，比如早上9。30要发给各个高层，为了防止错误，我要求技术在8。30先发给我和技术的负责人，这样还有一个小时时间修改问题。另外每次修改短信推送内容，都有一个短信平台的人工审核，有时候还是挺耗时，所以第一次尽量都确定好。
　　5。大屏设计
　　下面再讲一下大屏，关于大屏，市面上有很多解决方案，我们选择阿里的DataV，基础版本是每月5元，只能个人使用。我们选择的是企业版，每年几千块钱，需要做的和我们的自助看板一样，只用按照DataV的数据规范，计算好数据源，通过拖拉拽的方式就能形成一个漂亮的大屏。数据大屏不是放在数据中心，就是放在老板屋里，大屏的设计可以和领导先确认好，包括风格。
　　大屏是公司秀肌肉的一个手段，所以还是要设计的简洁大气为主。设计好大屏DataV会输出一个访问地址，这个访问地址可以做到不用登陆就可以访问，在普通的浏览器按F11进入全屏浏览就能访问。当然如果想要效果好，要买一个比较大的屏幕效果会更好。
　　基于公司的特点我们针对电商产品线做了一个大屏，最显眼的位置，也就是屏幕的中上方，我们放了几个跳动的数据，包括的交易额、收入，用户数，是实时数据，每5秒刷新一次。屏幕中间放了一个地图，订单的热点图，那个区域订单量比较高，哪里颜色就比较重。左侧当了公司热销的单品排行，这个是滚动的数据，也是每5秒刷新一次；右侧是一些品类销售情况和订单量趋势。
　　给运营人员看的交易分析数据
　　以上通过移动端、短信、大屏三种手段解析了针对领导层设计的交易分析模块相关指标。接下来再说一下交易分析运营同事看到的数据指标的设计。
　　1。权限问题
　　首先是权限问题，因为运营的岗位分的比较细，比如电商产品就分为用户运营、平台运营、商品运营，他们分别看到自己负责的模块的数据指标就好。
　　用户运营交易分析模块只会给他看到每天用户的首单、复购人数、首单复购金额；平台运营看的更多的是流量、坑位交易额等相关的指标；商品运营看的是那些商品好卖，比如品类价格段的销售件数、金额，单品的销售件数、金额；还有运营的负责人则需要看到总体情况和每个模块的情况。
　　所以我们的权限设置要能精确到个人级别，图表可以设置有那些人可以看，那些人不能看到。运营负责人更加关注产品线的总体情况，和老板不同，他们一般也会更加注重明细数据，因为要分析原因并采取措施，所以我们在pc端要注意数据的多维度筛选与导出，最好是能一眼分析出来原因。运营负责人主要关注年度目标，完成率、月度目标，完成率，每日交易额、每日收入等指标，这些指标最好也能做成实时数据在移动端、PC端展示，能够实时监测产品线的健康状态。
　　2。电商主路径
　　作为电商产品有一条主路径，是从访问到加购到下单到支付，我们需要输出访问人数、加购人数、加购金额，下单人数、下单金额，支付人数、支付金额，需要看每步之间的转化率，作为运营，长期观察这些数据就会对转化率的波动区间有一个感知，如果某一天转化率突然暴跌或者暴增就要分析背后的原因，这时需要明细数据，需要可以分客户端端去看每个端的转化率情况。
　　一般客户端分为苹果、安卓、H5、小程序、公众号（一般来说公众号号也是用的H5），这样就可以进一步缩小问题，更方便查找原因。刚才提到的指标，比如访问人数、下单人数、支付人数涉及到用户的指标，也可以很方便的查看到底是那些用户在什么时候下单，进行进一步分析。
　　3。渠道销售分析
　　第二块比较重要的就是交易渠道分析。成熟的电商平台都不止一个销售渠道，拿电商产品举个例子，有普通的线上销售，线上的销售又分为自营和非自营。
　　自营就是预售模式，我们的商品运营会在市场挑一批货拿到网上卖，有的做的比较发的品牌甚至会和工厂合作去卖货，这种模式我们赚取差价。
　　非自营模式就是和我们的供应商合作卖货，供应商把他们觉得好卖的货放到电商宝，电商宝的角色类似支付宝，做担保交易，放采购商确定收到货满意了，再打钱给供应商，这种模式电商产品赚取佣金比如拿交易额5的提成。
　　还有针对VIP客户就是我们的大客户，就是客单价很高的客户，我们会提供VIP的服务，比如带市场去看货、优先发货、货品质检等服务。还有一些其他的渠道，比如最近比较流行的网红直播的销售渠道，主要是面向C端客户，这类的特点是订单量大，退货率相对较高。还有一些线下的销售渠道，我们会定期联合优质的供应商举行线下的私密订货会，会会通知优质的采购商去现场挑货采购，这类的特点是订单量大，因为是采购现场亲自去选货，退货率就比较低。
　　针对这几个销售渠道，我们都是不同的同事在运营，在交易额方面我们就需要拆出来每个销售遇到的交易额到底是多少，一方面可以找到盈利能力最强的销售渠道，还有那些销售渠道的性价比比较低；另外一方面可以拆分出来这些运营团队的绩效到底怎么样。
　　那我们是如何区分不同销售渠道的销售情况呢？
　　我们统一要求各个销售渠道的负责人给所负责的供应商填上负责人，这个负责人会提前录入系统并填好部门，因为订单中有商品的信息，商品又属于某个供应商，这个供应商又有负责人，又可以通过负责人的找到负责人的部门，因为销售渠道是按部门来的，所以我们通过部门来区分不同销售渠道的销售额。
　　涉及到的指标主要有销售渠道总的交易额、每天的交易额、客单价，客单价决定我们了到底我们该为这个销售渠道的采购商，提供那个价格的商品。
　　4。购物频次及间隔分析
　　还有一块比较重要的是购物频次、购物间隔分析。购物频次是针对已支付用户，可以先看下用户的购物频次分布，基于购物频次确定购物频次分析区间，比如购物频次区间为0、1、2、3、4、5、6、6次以上。
　　这个图可以直接反馈出来平台的粘性，如果大部分支付次数都是0，那么我们做的工作更多的是需要激活。如果大部分分布在1、2那么说明平台现有用户粘性不是很高，价值不是很高。如果大部分的购物频次比较高，那说明平台的价值还是比较高。另外购物频次也可以基本决定我们商品的上新周期，如果用户每隔7天购买一次，如果用户再次来，我们给用户推荐的一定是他喜欢的新品。
　　一般来说电商产品的魔法数字（北极星指标）是一个新用户到我们的平台来，如果一周内购买12次，那么他的购买留存率会变得非常高，购买留存率是指当天购买的用户，7日后或者14天后，这批用户还有多少人继续购买商品。
　　这个一周内购买12次是怎么来的呢？可以做一个购物间隔分析。我们可以看下注册后到首单的间隔分布，比如间隔17天的用户、830天的用户等区间先看一下分布情况。
　　此时你会发现一个规律，随着时间间隔的越来越长，用户下单的用户会越来越少，也就是说在用户注册17天内，用各种手段让他下单效率是最高的，不然用户就偷偷的溜了。如果范围大还可以拿出距离注册时间17天的用户，做个分布的分析。你会发现当天注册当天下单的概率是最多的，距离注册时间越短，下单总体量就越多。
　　所以当用户新注册那天，我们的运营手段是最有效的，未首单用户随着随着用户的注册天数增加会越来越难转化。
　　同样的我们也可以看一下，首单到首次复购的时间间隔，时间我们也定义为17天、830天等。
　　电商产品的规律是大部分人在首单后，就会进行复购，还有一些人的复购时间集中在130天，所以做复购的运营当用户产生首单后当天再去用一些手段去刺激他复购是概率最大的，越向后持续的越久就越难转化。
　　基于购物间隔分析你就可以定义出平台的魔法数字，也就是用户注册一到7天内一定要想办法让他下单，注册当天也很重要，可以采取一些措施。基于这个魔法数字，你就可以和运营合作解决怎么让用户在注册一周内实现下单1到2次，当有了这么一个清晰的目标，你所有的事情都围绕着这个目标，你会发现效率真的不一样。
　　End
　　推荐阅读：
　　《数据中台实战（五）：自助分析平台》
　　《数据中台实战（四）：商品分析（产品设计篇）》
　　《数据中台实战（三）：用户分析（产品设计篇）》
　　《数据中台实战（二）：基于阿里OneData的数据指标管理体系》
　　《数据中台实战（一）：以B2B点电商为例谈谈产品经理下的数据埋点》
　　数据中台实战入门篇：数据中台对内、对外合作机制
　　数据中台实战入门篇：双中台战略