应用Quick BI实现首购用户和用户首购的三种运营场景监控

本文涉及的产品
智能商业分析 Quick BI,专业版 50license 1个月
简介: 首购用户和用户首购是互联网公司运营中最简单、最常遇到、也最容易混淆的两个概念。运营人员与BI经常在首购用户和用户首购上沟通不畅,信息不对称造成理解偏差,导致数据仓库模型或者BI仪表板一改再改。本文归纳总结了三种常见运营场景来解释首购用户与用户首购的区别,并讲述如何应用Quick BI制作满足三种场景的监控仪表板,希望能对运营和数据分析同行有所启发。

导读:


首购用户和用户首购是互联网公司运营中最简单、最常遇到、也最容易混淆的两个概念。运营人员与BI经常在首购用户和用户首购上沟通不畅,信息不对称造成理解偏差,导致数据仓库模型或者BI仪表板一改再改。本文归纳总结了三种常见运营场景来解释首购用户与用户首购的区别,并讲述如何应用Quick BI制作满足三种场景的监控仪表板,希望能对运营和数据分析同行有所启发。


一、虚拟公司经营模式:


我们首先来虚拟一家O2O公司——X电商公司,这家公司主要经营水果、快餐和药品三个产品大类的线上下单线下送货上门服务,主要销售渠道是PC和移动端,其中移动端除了自主开发的APP之外还在手淘开个店。经营模式如下图:

a11c607078d7be21900d59fd276ada133a4609f7

组织架构和经营模式相一致,层级从高到低为总监—经理—主管,如下图:

bb41890f3016eb4ccdae6ce60d20e7b65a613164

二、 三种运营场景:


1. 场景一:首购用户的产品和渠道

从CEO和总监的视角出发,看公司整体的新用户来源,哪个产品大类贡献的多(产品总监关注),哪个销售渠道贡献的多(渠道总监关注)。这里“首购用户”的概念即,在X电商公司,每个用户的一生中只有一次首购,就是注册后第一次购买的产品和渠道。


2. 场景二:用户首购的产品大类

从水果经理的视角出发,扩展水果品类的用户量,水果的用户首购哪个产品来的最多?是苹果、香蕉还是西瓜?此处“用户首购”水果的概念即,用户第一次购买水果类产品,之前可能买过快餐或药品,但买水果是第一次。


3. 场景三:用户首购的渠道

从移动端经理的视角出发,拓展使用移动端购物的用户量,用户第一次在移动端购物,即“用户首购”移动端的概念,用户之前可能在PC端购买过产品,但在移动端购买是第一次。移动端经理会关注哪个渠道多——APP还是手淘店?哪个产品大类多——水果、快餐还是药品?


接下来,我们在数据仓库建一张表来满足以上三种场景的运营监控需求。



三、 数据仓库建模:


首先我们需要构造一张包含产品大类、销售端类型的订单明细表,如下图:


63e5bd35502f16411195886b2eb8a3d2f4547480

注:订单时间和支付时间用递增的不重复数字代替(懒得编╮(╯_╰)╭)


我们将此用户订单表按照以上三种场景的需求排序打标,如下图:

ba7de1c944cfe84db357f2a92f2a8e6e3fd98a64

这样三种排序打好标之后,取rn_all_fst=1对应首购用户订单,rn_prod_fst=1对应用户首购某产品大类订单,rn_channel_fst=1对应用户首购某销售渠道订单。


四、 应用Quick BI制作仪表板:


1. 首购用户和用户首购的业务形式比较适合使用 树图



4488df9615ef6891e5bda03aca8e88a8db2352d42. 看样例图的数据结构,由父节点、子节点、数据值三部分组成。其中同一值(如收红包)同时出现在父节点和子节点就可以构造出上下延展的效果

d503b231d87ac149f6cad6d350517a7608a19a8b

3.  构造场景一的数据和仪表板


根据树图的数据结构构造场景一仪表板所用表fst_user_ord_mod_sample_qbi_01


205015fe158e7556c5279444ef3c9315e9b20378

将此表导入数据集,然后将父节点parent_node和子节点child_node字段拖入“维度”,将用户数user_cnt拖入“度量”


a65643c232a97608422d41f746dee873c6bd85bb

样式如下图选择,注意高亮主路径可以突出显示占比最高的子节点

7916f1fa6a437df8fcf53cb073c0f8e640d10075

增加作用于数据集fst_user_ord_mod_sample_qbi_01的查询条件,将buy_type字段选入,选择单选枚举,这样可以避免人工输入导致的偏差。这个buy_type字段是设计来区分首购用户监控的两个层次,监控首购用户从什么产品来的,选择buy_type=‘首购用户-产品’;监控首购用户从什么渠道来的,及什么渠道下的什么产品来的,选择buy_type=’首购用户-渠道-产品’。


至此,适用于场景一的首购用户监控仪表板就做好了,让我们来看看效果。


选择“首购用户-产品”:



d7e1fe0d8475871b26b2f157c7a48a1371946141


站在CEO和产品销售总监的角度,公司一共有224个用户,他们注册后的首购大部分来自快餐类,快餐类里最多的又是拉面,看来快餐经理和他的下属拉面主管

可以多领些奖金了。


选择“首购用户-渠道-产品”

41420d216c8cfeca8f4ac6c616f3492b1258bb06

站在CEO和渠道总监的角度,公司的224个首购用户中185个来自移动端,且其中手淘达到115个。看来移动端经理和其下属手淘主管要升职加薪了。


4. 构造场景二、三的数据和仪表板


根据树图的数据结构构造场景二、三仪表板所用表 fst_user_ord_mod_sample_qbi_02

1ef1d9cd5e272e6399f8b90bd87ef8d800b45629

仪表板构造思路同场景一,不再赘述,效果如下。


场景二:

选择 用户首购-产品大类 且 产品大类为水果


8fdc9bf694e1d4f619b7f99ce94fb501b00a06a2

站在产品销售总监和水果经理的角度,假设水果是O2O市场新兴的品类,各大O2O公司都在抢夺水果市场,那么从上图可以看出,用户首购水果品类的来源主要在西瓜,苹果相差无几排第二,可进行针对性的用户调研分析用户首购水果主要源自西瓜的原因,从而实施针对性的营销策略。


快餐经理和药品经理的视角同上,筛选产品类型即可,如下图


b1cf6463c90aeb24438b69d7874276f48ca6b4a6

场景三:


选择 用户首购-销售渠道,且销售渠道为 移动端


2d4f01f2efd5a446522db77405b61b4bc501a16e

站在渠道总监和移动端经理的角度,假设目前O2O市场各公司都在转移动互联网,扩大移动端客群,那么从上图可看出,为X电商公司移动化转型贡献做大的移动端是手淘,用户首购移动端来源大部分是手淘(140人),且购买最多的品类是快餐(拉面最多),那么移动端经理应该与手淘经理沟通,令其思考如何与快餐经理及其拉面主管合作,扩大用户向移动端转移的战果。


五、 灵活调整


以上虚拟的经营模式比较简单,实际运营要复杂的多,但万变不离其宗,根据业务变化情况在用户订单表增加产品大类和销售端类型重新排序即可。以上案例的首购用户和用户首购的口径均为用户下单即可,订单状态已支付和未支付均包含,实际业务情况是某一天运营人员可能告知数据分析师,所有首购的口径改为“已支付”的,这时数据分析师将用户订单明细排序表加一个 where pay_status=‘已支付’即可。Quick BI在整个仪表板制作过程中可以灵活的应对变化,快速变更上线。猛戳以下链接可观看 Quick BI 教学视频


http://data.aliyun.com/product/bi



相关实践学习
阿里云实时数仓实战 - 用户行为数仓搭建
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求:熟练掌握 SQL 语法熟悉 Linux 命令,对 Hadoop 大数据体系有一定的了解   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
目录
相关文章
|
数据采集 监控 数据可视化
BI工具在数据分析和业务洞察中的应用
BI工具在数据分析和业务洞察中的应用
337 11
|
7月前
|
运维 监控 数据可视化
产品测评 | 大模型时代下全场景数据消费平台的智能BI—Quick BI深度解析
Quick BI是阿里云旗下的全场景数据消费平台,助力企业实现数据驱动决策。用户可通过连接多种数据源(如本地文件、数据库等)进行数据分析,并借助智能小Q助手以对话形式查询数据或搭建报表。平台支持数据可视化、模板快速构建视图等功能,但目前存在不支持JSON格式文件、部分功能灵活性不足等问题。整体而言,Quick BI在数据分析与展示上表现出强大能力,适合业务类数据处理,未来可在智能化及运维场景支持上进一步优化。
|
7月前
|
SQL 数据可视化 BI
挖掘QuickBI产品的独特价值——模板市场一键应用篇
模板市场一键应用的独特价值在于: - 所见即所得、丰富的数据看板模板参考,提效业务人员工作方式及时间,对于数据人来说,日常大量的数据需要分析,追求更快地赋能业务决策,同时可以有效降低设计数据看板的时长耗用,是BI产品很重要的一项落地企业业务的能力; - 一键应用按钮减少了业务人员对产品的学习成本、操作成本; - 拖拉拽字段的操作本身是敏捷BI工具相较于其它数据处理方式(如SQL、Python、Excel)的一大超越,但替换数据集的支持直接节省了用户进行拖拉拽,可谓又是一增效点。同时也可以帮助日常业务人员(非专业数据处理人员)快速理解他需要提供的分析数据的数据类型。
176 1
|
数据可视化 安全 搜索推荐
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”(2)
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”
442 4
|
监控 数据可视化 数据挖掘
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”(1)
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”
432 4
|
9月前
|
人工智能 BI 自然语言处理
【瓴羊数据荟】 共话AI×Data的企业应用进化,瓴羊「数据荟」MeetUp城市行上海场顺利收官!
瓴羊「数据荟」Meet Up城市行系列活动第四期活动将于3月7日在上海举办,由中国信息通信研究院与阿里巴巴瓴羊专家联袂呈现,共同探讨AI时代的数据应用实践与企业智能DNA的革命性重构。
388 0
【瓴羊数据荟】  共话AI×Data的企业应用进化,瓴羊「数据荟」MeetUp城市行上海场顺利收官!
|
8月前
|
数据可视化 数据挖掘 BI
Quick BI评测报告:从IT开发视角评测“全场景数据消费式BI平台”
Quick BI评测报告:从IT开发视角评测“全场景数据消费式BI平台”
309 0
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
Quick BI V5.3 发布 | 面向场景“真需求”,解锁用户“新体验” !
V5.3 版本功能速递:面向场景“真需求”,解锁用户“新体验”。
198 7
|
数据采集 数据可视化 数据挖掘
数据驱动决策:BI工具在数据分析和业务洞察中的应用
【10月更文挑战第28天】在信息爆炸的时代,数据成为企业决策的重要依据。本文综述了商业智能(BI)工具在数据分析和业务洞察中的应用,介绍了数据整合、清洗、可视化及报告生成等功能,并结合实际案例探讨了其价值。BI工具如Tableau、Power BI、QlikView等,通过高效的数据处理和分析,助力企业提升竞争力。
272 5