应用Quick BI实现首购用户和用户首购的三种运营场景监控

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
助力游戏运营数据分析
本体验通过多产品组合构建了游戏数据运营分析平台,提供全面的游戏运营指标分析功能,并有效的分析渠道效果。更加有效地掌握游戏运营状态,也可充分利用数据分析的结果改进产品体验,提高游戏收益。
Quick BI在业务数据分析中的实战应用
Quick BI 是一款专为云上用户和企业量身打造的新一代自助式智能BI服务平台,其简单易用的可视化操作和灵活高效的多维分析能力,让精细化数据洞察为商业决策保驾护航。为了帮助您更快的学习和上手产品,同时更好地感受QuickBI在业务数据分析实践中的高效价值,下面将以一个真实的数据分析案例为场景带您开启QuickBI产品之旅。场景:假设您是一家大型互联网新零售企业的数据分析师,您的经理刚刚拿到8月份的月度运营分析数据,他发现近期企业运营状况不佳,8月份毛利额环比前几个月下滑较大,三季度存在达标风险。因此将这个任务交给了您,根据订单信息和流量渠道信息等相关数据,分析企业8月份毛利额下滑的关键要素,并将其分享给团队,以便指导相关业务部门采取决策和行动,提高企业整体毛利额。  
目录
相关文章
|
2月前
|
传感器 数据可视化 搜索推荐
瓴羊Quick BI助力深圳光明环境水务公司举办水务数据应用大会暨第二届“光环杯”BI应用大赛
瓴羊Quick BI助力深圳光明环境水务公司举办水务数据应用大会暨第二届“光环杯”BI应用大赛
|
2月前
|
BI
Quick BI V5.0发布:一键解锁智能小Q等全新智能商业分析能力
Quick BI V5.0发布:一键解锁智能小Q等全新智能商业分析能力
|
2月前
|
机器学习/深度学习 网络架构 计算机视觉
YOLOv5改进有效涨点系列->适合多种检测场景的BiFormer注意力机制(Bi-level Routing Attention)
YOLOv5改进有效涨点系列->适合多种检测场景的BiFormer注意力机制(Bi-level Routing Attention)
123 0
|
3月前
|
消息中间件 BI Serverless
消息队列推出serverless版、Quick BI升级至5.0……阿里云近期产品动态汇总
消息队列推出serverless版、Quick BI升级至5.0……阿里云近期产品动态汇总
478 1
|
3月前
|
SQL 机器学习/深度学习 数据可视化
产品至简,大道行宽——Quick BI接入通义千问大模型,引领数据消费新范式
产品至简,大道行宽——Quick BI接入通义千问大模型,引领数据消费新范式
275 0
|
3月前
|
数据可视化 数据挖掘 BI
Quick BI助力山东高速集团成功举办数字化应用场景创新大赛
Quick BI助力山东高速集团成功举办数字化应用场景创新大赛
106 0
|
3月前
|
监控 数据可视化 搜索推荐
四度入选Gartner后Quick BI又有大动作 | 着重交互分析与监控告警升级,持续优化分析链路
四度入选Gartner后Quick BI又有大动作 | 着重交互分析与监控告警升级,持续优化分析链路
158 0
|
3月前
|
自然语言处理 数据可视化 数据挖掘
5000字详解|Quick BI缘何吸引众多权威机构,四入Gartner并完成象限突破
5000字详解|Quick BI缘何吸引众多权威机构,四入Gartner并完成象限突破
196 0
|
3月前
|
监控 安全 大数据
瓴羊X跨越速运:Quick BI助力「中国速度」跨越山海
瓴羊X跨越速运:Quick BI助力「中国速度」跨越山海
|
3月前
|
监控 安全 BI
Quick BI 又上新|提升交互式分析能力、监控告警和主链路易用性
Quick BI 又上新|提升交互式分析能力、监控告警和主链路易用性

热门文章

最新文章