【泰阁志-数据分析】作业5:商业数据分析01

3.26

习题一

关于某牛奶促销(订奶)业务

促销人员工作流程:在小区学校等地方附近摆摊—通过多种方式(叫喊微笑连带简短介绍牛奶品质及优惠程度)促使过往的人产生订奶意愿—进行订奶(有专门的订奶卡,填写联系方式,地址,订奶时间等)—重复23—晚上七点把达成订单交给组长(公司按成活订单每单提成月结工资)(成活是指与你达成订单的顾客连续订奶星期数超过n)

1人流量:摊位附近的人流量

2订单数:每个月达成订单总数

3客均订单数:订单数与人数之比(例如某位顾客家里四口人,选择订三单。那么订单数是3,而人数是1)

4成活单数:每个月连续订奶超过n个星期的单数

5人群非老龄化程度:该地区处于0-50年龄区间人数与总人数之比的大小 感觉没必要弄复杂的指标,因为简单、基础指标的组合运算可以得到复杂指标,不咋指标容易将数据处理过程变复杂从而出现差错。哦也不一定,有些可能之后算才比较复杂。

1、哪些是好的数据指标?

以上五个指标都是好的数据指标。好的指标应该是通过统计的数据可以发现某些问题、反应当前情况,直接或间接地可以形成洞察指导实际行为,以上五个指标都满足要求,故它们是好指标。

2、哪些指标能用来驱动你做决策?哪些是虚荣指标?

指标1、2、3、4、5可以用来驱动做决策,没有虚荣指标。例如可以在促销早期根据人流量制定摆摊地点,可以根据订单数来估计人们的订奶意愿,可以通过客均单数制定相应优惠活动,可以把订单数和成活单数结合来看送奶员的服务情况和客户的满意度。

3、哪些指标可以剔除?

指标1人流量在后期可以剔除。该指标几乎无法准确定量,大致定量也有较高的成本,定性起来也不是很准确。同时管理人员制定的摊位地点往往都是人流量大的地区。

4、还有哪些你没想到但也可能有意义的指标?

关于客户分布地区的情况的指标、摊位地点的分配的指标(可以给业绩好的员工好的摊位(人流量大、青年人群集中的地方)促进资源的充分利用,产生最大效益。

习题二

购物(在某宝)流程&核心量化指标:

思考1、思考每一步到下一步转化和流失的可能性

从在目标商品集合里浏览筛选开始,根据不同用户的不同喜好和商品的客观价值、在商品页的视觉效果,每种商品拥有不同的转化率*%(可以看作一个人有x%的概率选择某商品,或是一群人的百分之x选择某商品)。这一步商品的转化流失可能与分布该页的其他商品有关,比如可能和其他商品差异化的更容易吸引客户。也可能与商品所排在的页面有关,比如我们可以推测,搜索某类商品有2000个(类型,商家、价格等因素,可能有重合),每页商品50个,需要排40页,通常就考虑这一步,我们认为排在前面的转化率高。然后是从找到合适商品到进入支付页面或找相似,该步是与更加具体相似的同类商品竞争,转化的原因复杂且综合,可能与客户群体本身的消费水平、商品的性价比有关。一般来说,由商品页面到进入支付页面的转化率为1,不做讨论。从进入支付页面到支付成功这一步,对一个客户来说转化率要么为1要么为0,对于一定数量的用户总体来说,流失的客户数量应该较少,因为可以推测到达这个页面的用户室友在某宝上购物的习惯的,所以如果有流失,可能是由于误操作导致进入支付页面、余额不足等,都属于意外情况,故推测该步流失极小。

思考2、思考如何提高两步之间的转化率/降低流失率

增加在浏览页面的商品的视觉吸引力
减少页面的不必要选项(某些选项在某一页出现一次就好了)从而减少对客户的干扰

最后编辑于
©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 203,547评论 6 477
  • 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 85,399评论 2 381
  • 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 150,428评论 0 337
  • 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 54,599评论 1 274
  • 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 63,612评论 5 365
  • 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 48,577评论 1 281
  • 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 37,941评论 3 395
  • 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 36,603评论 0 258
  • 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 40,852评论 1 297
  • 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 35,605评论 2 321
  • 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 37,693评论 1 329
  • 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 33,375评论 4 318
  • 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 38,955评论 3 307
  • 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 29,936评论 0 19
  • 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 31,172评论 1 259
  • 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 43,970评论 2 349
  • 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 42,414评论 2 342

推荐阅读更多精彩内容