关于促销活动原型设计

写在前面:
自己负责的平台终于在昨天成功上线了,上线后还是发现很多问题,包括交互的,业务流程的,系统功能的,数据的等等...相关内容会在之后的摘读里强化,今天继续学习和促销活动相关的内容


电商活动之数据分析原型设计篇

如今,各大电商平台之间虽然不再通过大量补贴来培养用户在自家平台的消费习惯,但是电商靠活动拉拢用户的习惯与体系已经成熟,本文作者将基于活动的数据统计来谈谈产品应该如何设计。

很久……很久……以前,电商竞争模式初立之期,盘古拨混沌开天地之时,江湖中曾经流传过一句永世的经典:“道可道,非常……”,no no no,是这句:

“得用户者,得天下兮!”

电商竞争初期,亦是线上电商活动步入正规之时,平台与平台之间通过大量放血活动来拉拢并期待用户形成在自家购物与消费的行为习惯,用户赚的是钵满盆满,商家拼的是血流成河。

很久很久以后,各平台之间虽然不在继续那么玩命的血液游戏,但是电商靠活动拉拢用户的习惯与体系已经成熟。今天我们就来说一下电商活动的基本统计功能(对,你没有看错,我并不是要说活动怎么做,而是说基于活动的数据统计产品应该如何设计)。

注:电商活动数据分析系统,支持H5、web、APP原生三种前端形式的数据分析,可完全无障碍打通。

插曲:页面右下角有两个按钮:一个赞,一个收藏,当前页面底部还有个评论区,作为一个数据分析人员,你能联想到什么?发挥你们的想象吧,同志们!我将分享更多的原型!

数据分析的指标包含两种:

  • 一种叫做原始数据,即数据状态为未经过任何形式的重新计算、组合、拆解等操作的数据,这部分数据也将成为数据分析中的底层数据。这种数据的特点是:能够展示最真实,且没有任何干扰因素,且直白简而已懂,比如用户基本数据中的性别、年龄段、消费金额等。
  • 另一种叫做计算数据,即通过单个或多个原始数据,按照特定的数学公式进行计算,产生人们所熟知的或具有概括性分析的数据。比如性别占比、年龄段占比、消费金额占比。

我规划这套系统的用户数据分析功能中,包含了大量的原始数据,以及少量的计算数据。

之所以如此设计,是因为产品人员并非数据的直接使用者,在我的后台产品生涯中,我倾向于提供更多更全面更干净的原始数据给运营人员,并由他们自己组合、拆解,产生自己需要的数据,而不是直接给很多计算数据。

产品不应该限制数据的使用方式,以及限制数据分析人员的思路,为了避免这两个方面的问题,我才会如此设计产品。(这并非是我不懂数据分析,而是非常了解数据分析的思路与重点)

思路再拓展:

记得我前几天写的《 后台产品经理:三步教你打造简单的营销平台》么?其实在活动数据分析模块中,每个用户都已经被做了活动标记。

一、用户数据分析

无论你所在何种的平台与行业,无论你销售的产品是实物还是虚拟,你营销的最终目标都将为人。同时你也会发现,在有互联网的企业中,会将人的数据以各种单一、组合、拆解、再计算的形式进行展现,不管你用什么办法来观察购买你产品的人,这种行为都叫做用户分析。

针对活动类的数据展示与分析,我们究竟要展示哪些数据呢?

  1. 用户:性别、身份、地域、年龄等,直接看到买你账的用户基本信息;
  2. 用户下单类型与来源:首单比例、渠道来源等,能够清晰的看到用户从哪里来,评价渠道价值所用,也能够了解这种类型的活动对于拉新与促活的帮助是怎样的;
  3. 用户关注:活动中的各种商品品类被用户关注的程度,这是平台用户喜好分析;
  4. 热度:活动参与度、用户关注数、分享次数,可以通过当前指标看到本次活动用户是否关注。
image

二、订单数据分析

订单,一个电商行业最关心、最引人注目、最能衡量成效的信息产出物。与用户分析不同,订单反应的是平台的活跃度、用户认可度、以及主营收入等方面的敏感信息,我想它的重要程度不容置疑吧。

订单分析页面中主要有几个模块组成:

  1. 订单数量:首先以曲线图形式进行展现,可以凸显订单数量走势,同时搭配订单金额、下单人数、订单数量三个维度,直面订单基本情况。
  2. 订单来源:饼状图将平台所有品类按照块的形式进行展现,一眼就可以看出来当前时间之前,当前活动的参与者的品类倾向,这将成为你改造下次活动最重要的指标。
  3. 下单时间分布:将订单的下单时间以24小时的曲线图进行归类,此时,你已经清晰的了解,当前活动的参与者参与活动的主要时段,同时也是当前平台用户习惯的一种表现形式。
image

三、商品数据分析

如果你是电商产品,那你一定知道SKU与SPU。

商品数据分析中,主要以商品维度展示当前活动所产生的数据,比如SKU、SPU的销量情况,商品品类销售情况,品牌用户倾向情况,等等各种商品数据。

image

四、渠道数据分析

渠道,顾名思义,当前活动的导流路线为你的活动贡献了多少人流,说的专业点就是贡献了多少UV、PV。

展现形式以渠道引流趋势图、各渠道贡献度占比柱状图,外区域广告投放占比及点击图,通过这些指标,可以非常清晰的展示每条渠道的价值,并且能够指导你此类活动哪个渠道会对你有直接的帮助,分分钟改善下一次活动的效果。

image

五、页面数据分析

通过页面分析,可以直击页面的设计问题,以下数据完全可支持产品经理等页面设计人员对活动的用户访问路径进行充足的分析。

image

六、物流数据分析

物流数据分析的主要功能,是跟踪商品在发货过程中,是否出现异常情况,同时可以准确的跟踪商品到货时间,为用户体验的研究增加了不少的判断标准。

image

七、供应商数据分析

通过当前模块可以很直观的看到各个供应商的销量情况,比如订单、金额、商品数量,还有毛利。

这个页面我做的比较简单,你们可以根据业务需要,扩大相关的统计数据。

image

八、自定义列表报表分析

自定义报表功能请参考《后台产品经理:三步教你打造简单的营销平台》中的模型创建模块,虽然形式不同,但理念一致,使用者自己选择需要展示的维度与指标,并选择时间进行展示,这才是这个系统最精髓的地方!


希望读完的你也有所收获

原文:
http://www.woshipm.com/pd/1027372.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,012评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,628评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,653评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,485评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,574评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,590评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,596评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,340评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,794评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,102评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,276评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,940评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,583评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,201评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,441评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,173评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,136评论 2 352

推荐阅读更多精彩内容