|
一、选手简介
1、选手介绍
- 个人介绍：帆软社区用户名宝矿力不加冰，目前在深圳某司任职数据分析，帆软合作客户，个人感兴趣方向是业务数据分析和数据产品。
2、参赛初衷
- 以赛代练，目前使用5.1版本，希望熟悉6.0大版本变化
- 通过比赛沉淀分析思路和技巧
二、作品介绍
1、业务背景/需求痛点
- 业务背景
- 某司在线下拥有大型购物百货，近几年新成立了团队自研线上购物平台，随着业务发展，线上获客渠道逐渐增加，访客量UV增加，但支付转化率(支付用户数/访客量UV)不升反降，支付转化率影响因素众多，包括系统稳定性，网站设计，用户体验，支付方式，营销活动，客户服务，用户评价和口碑，商品质量，售后等，影响因素多，要找出原因比较困难，公司希望能找出支付转化率降低的关键因素，后续进行一些改善动作。
- 需求痛点
- 影响因素多，需要数据团队每月手动拉取流量，销售，售后，咨询，营销活动等数据，费时费力，不一定能找到关键影响因素。
2、数据来源
数据范围：2023年5-6月
维度表：用户注册表，渠道表
事实表：商品订单明细表，转化分析表
订单类型，分为两种
快速订单：通过导购分享链接成交的订单，比如某商品没有在商场上架，但客户需要购买该商品，此时导购可通过快速订单促成交易。
预置订单：用户通过访问平台自主下单的订单。
3、分析思路
三方面拆解：
- 公式拆解：通过对支付转化率的公司进行拆解，支付转化率 = 支付人数/ UV ，支付人数根据订单类型拆解为预置订单支付人数 + 快速订单支付人数，UV拆解为预置UV和快速UV。根据公司业务特点，区别于传统电商，存在快速订单，快速订单依赖导购的私域客户资源，容易产生波动，故通过订单类型拆解。
- 业务流程拆解：线上购物平台，用户购买流程：注册-访问首页-访问二级页面/活动页-下单-支付-售后-评价-复购，通过各个环节的转化率，找出转化率的环节，再进行针对性改善。
- 生命周期拆解：新用户和老用户
新用户定义：当月注册且消费的用户
新用户注册后，刺激首单消费，老用户刺激复购
本次分析主要围绕新用户展开，平台目前处于成长期，主要精力在获取新用户。
分析模型：交叉分析，对比分析，漏斗分析，帕累托分析，四象限分析
4、数据处理
- 本次比赛选择企业数据，已脱敏处理，不能反映企业真实情况，仅作为本次比赛使用。
- 数据处理主要为数据脱敏和数据集合并，新增列和过滤操作。
- 数据处理是整个数据分析流程中最耗费时间的步骤，大概占据60-70%的时间，由于原始页面访问数据量较大，时间都是精确到秒界别的，为了减少数据量，故在获取数据时候将时间按天处理，合并了一个用户一天多次访问的记录。6.0版本相比5.0版本，公共数据集分为excel,sql,数据库表三种类型，加载到分析主题中后，上述三种数据集进行关联后增加字段可以直接合并在原数据集，相比5.0方便很多。
转化分析表
通过上下合并注册页，首页，二级页面，商详页，支付页
商品订单明细表
通过原始商品订单明细表和用户注册表关联，获取用户注册时间，计算用户注册到下单时间差
计算注册时间到支付时间的相差天数
5、可视化报告
总体结论前置，先上总体结论，然后再根据不同维度展开分析。利用组件背景突出结构化显示
总体结论
第一部分，总体指标情况
第二部分，月度销售和转化率对比
5月转化率计算，使用DEF函数
用户渠道分布，即一个用户在多少个渠道购买过，参考用户购买频次分析，使用DEF函数
用户购买频次分析- FineBI帮助文档 FineBI帮助文档 (fanruan.com)
第三部分，月度预置指标对比
5月平均下单到支付时长，注册渠道和新老用户维度下的指标计算，使用DEF_ADD函数
漏斗分析，各页面转化率
结合漏斗图，转化率，UV和购买频次得出以下结论：
6月注册UV52326，环比上升12%，但后续各页面UV均下降，其他utm、小程序收银、停车缴费预置注册UV环比上升，其中小程序收银和停车缴费为强制注册线上用户，用户后续访问深度不足，需针对性制定运营动作刺激用户回流。
从用户购买频次看，购买1次的用户无论是否新老用户，下降明显，其中新用户下降70%，6月新用户支付转化降低。
第四部分，月度各渠道新用户首单分析
新用户首单平均2天内完成，优惠券门槛金额50-300，GMV20-180，建议业务部门根据各个渠道新用户首单特征制订方案。
最终结果呈现的页面布局
三、参赛总结
1、FineBI工具
- 新版本主题模型可以复用计算指标和组件
- 数据处理速度更快，预览可支持1000万行内数据，数据可筛选，可查看字段中的所有枚举值
- 对于处理大数据量有优势，可以快速进行数据处理，数据建模，数据可视化
2、参赛总结
- 克服的困难：新版本的学习，结合视频和帮助文档，再通过实操，逐渐掌握新版本使用。
| 
