數(shù)據(jù)分析并不只存在于線(xiàn)上場(chǎng)景，在許多線(xiàn)下商業(yè)場(chǎng)景中，許多用戶(hù)行為數(shù)據(jù)也值得被業(yè)務(wù)人員進(jìn)一步地分析。那么，在搭建線(xiàn)下數(shù)據(jù)分析場(chǎng)景時(shí)，你可能會(huì)遇到怎樣的阻礙和困擾？面對(duì)線(xiàn)下數(shù)據(jù)采集的難點(diǎn)，你又可以如何進(jìn)行解決呢？

導(dǎo)語(yǔ)

筆者在之前曾經(jīng)撰寫(xiě)過(guò)一篇關(guān)于指標(biāo)體系的文章《淺談?dòng)脩?hù)標(biāo)簽的實(shí)現(xiàn)困境和搭建方法》，該篇文章詳細(xì)闡述了什么是指標(biāo)/指標(biāo)體系以及其搭建方法，但是該篇文章的指標(biāo)體系主要針對(duì)的都是線(xiàn)上觸點(diǎn)（app、小程序）。

筆者在工作過(guò)程中發(fā)現(xiàn)，對(duì)于一些傳統(tǒng)企業(yè)，他們還會(huì)有線(xiàn)下的場(chǎng)景，例如快餐店內(nèi)線(xiàn)下點(diǎn)餐屏的用戶(hù)行為，4s店展臺(tái)上觸屏的用戶(hù)軌跡等。這些場(chǎng)景的用戶(hù)行為數(shù)據(jù)也是值得被收集和分析的，然而由于各種技術(shù)限制與認(rèn)知不足，很多企業(yè)還未意識(shí)到線(xiàn)下場(chǎng)景數(shù)據(jù)對(duì)用戶(hù)運(yùn)營(yíng)和業(yè)務(wù)增長(zhǎng)的重要性，故筆者撰寫(xiě)本篇文章，旨在與大家分享搭建線(xiàn)下數(shù)據(jù)分析場(chǎng)景時(shí)的難點(diǎn)與思路。

一、線(xiàn)下數(shù)據(jù)的采集與應(yīng)用難點(diǎn)

1）線(xiàn)下數(shù)據(jù)的id-mapping

在上述餐廳點(diǎn)餐大屏的場(chǎng)景中，我們一般很難強(qiáng)制讓每個(gè)用戶(hù)在點(diǎn)餐時(shí)都登陸他們?cè)赼pp/小程序上的賬號(hào)，因?yàn)檫@樣做耗時(shí)且費(fèi)力，還會(huì)降低點(diǎn)餐效率和用戶(hù)購(gòu)買(mǎi)欲望，甚至還會(huì)讓餐廳里排起長(zhǎng)龍（各位可以回憶一下，一般我們?cè)谥T如kfc、麥當(dāng)勞之類(lèi)的餐廳點(diǎn)餐屏點(diǎn)餐時(shí)，是不是快速點(diǎn)完餐食就立刻取餐走人？）。

由于前述限制，我們很難區(qū)分點(diǎn)餐大屏背后一個(gè)個(gè)獨(dú)立的人，在計(jì)算實(shí)際uv時(shí)該數(shù)據(jù)會(huì)明顯變小，因?yàn)樵诜堑顷憟?chǎng)景下，我們只能以設(shè)備id為單位去計(jì)算uv，但是這些設(shè)備是公用的。

2）線(xiàn)下數(shù)據(jù)分析場(chǎng)景搭建難

線(xiàn)下數(shù)據(jù)分析和應(yīng)用目前仍然處于初期，很多傳統(tǒng)企業(yè)還不知道如何使用這些數(shù)據(jù)去助力業(yè)務(wù)增長(zhǎng)，能夠采集和分析的數(shù)據(jù)也不過(guò)是不成體系的點(diǎn)擊、瀏覽量。

二、線(xiàn)下數(shù)據(jù)分析場(chǎng)景搭建

筆者就線(xiàn)下數(shù)據(jù)分析的一些思路進(jìn)行了整理（如下圖）：

筆者梳理了線(xiàn)下流量的流轉(zhuǎn)過(guò)程，并列舉每個(gè)步驟可能會(huì)涉及到的指標(biāo)。

① 流量獲取

不像線(xiàn)上流量獲取的渠道多樣且繁雜，線(xiàn)下流量獲取的途徑比較單一，客群一般是未在手機(jī)app、小程序上下單，直接進(jìn)店購(gòu)買(mǎi)餐食的客人，所以在數(shù)據(jù)分析層面，可分析的指標(biāo)一般是進(jìn)入點(diǎn)餐軟件的次數(shù)，下鉆的維度可以是門(mén)店、門(mén)店所在城市/省份/地區(qū)等。

除了前述指標(biāo)，我們還可以分析流量活躍的時(shí)間，例如一天中什么時(shí)間使用點(diǎn)餐大屏的頻次較高？工作日還是周末、節(jié)假日線(xiàn)下點(diǎn)餐大屏?xí)踊钴S？以及大型活動(dòng)是否會(huì)影響點(diǎn)餐大屏的活躍？

② 流量分發(fā)

用戶(hù)進(jìn)入到點(diǎn)餐軟件后，會(huì)點(diǎn)擊“選購(gòu)”查看商品詳情，將商品加入購(gòu)物車(chē)或者點(diǎn)擊“立即購(gòu)買(mǎi)”，這和線(xiàn)上電商平臺(tái)的步驟是一樣的。

在這一系列流程中，我們可以看對(duì)應(yīng)步驟的次數(shù)，并且去下鉆不同的菜品和門(mén)店去做具體的分析。

另外，除了各步驟的絕對(duì)數(shù)量，我們還可以觀察各步驟之間的轉(zhuǎn)化率，如果整體/某個(gè)菜品/某個(gè)店面的轉(zhuǎn)化率明顯低于歷史同期或者平均水平，則需要探查是否是菜品的供應(yīng)出現(xiàn)了問(wèn)題或者是用戶(hù)在點(diǎn)餐大屏上的體驗(yàn)過(guò)程中某一環(huán)節(jié)是否出了問(wèn)題。

③ 流量轉(zhuǎn)化

該環(huán)節(jié)主要涉及用戶(hù)在挑選完商品后支付訂單，同樣可以根據(jù)菜品和門(mén)店的維度做下鉆分析，看支付筆數(shù)、金額、筆單價(jià)等指標(biāo)，從而觀察菜品在各個(gè)門(mén)店的熱度。

另外，還可以看用戶(hù)在進(jìn)入點(diǎn)餐軟件首頁(yè)到最后支付訂單的平均時(shí)長(zhǎng)，從而反映用戶(hù)從進(jìn)入點(diǎn)餐軟件到最后下單的決策時(shí)長(zhǎng)

④ 流量留存

這是一個(gè)存疑的環(huán)節(jié)，因?yàn)樵诒疚牡谝徊糠痔岬剑捎诰€(xiàn)下場(chǎng)景的特殊性，我們暫時(shí)無(wú)法區(qū)分點(diǎn)餐大屏背后的用戶(hù)到底是誰(shuí)，但是在留存分析中，我們需要判斷一個(gè)獨(dú)立的用戶(hù)，在第0天進(jìn)入點(diǎn)餐軟件后是否會(huì)在后續(xù)第n天再次來(lái)，所以留存的需求在當(dāng)前背景下暫時(shí)是無(wú)法實(shí)現(xiàn)的。

而且點(diǎn)餐大屏的場(chǎng)景，更多的是滿(mǎn)足客戶(hù)即買(mǎi)即走的需求，分析留存的意義似乎不是很大。

三、總結(jié)

以上就是筆者根據(jù)自己的過(guò)往項(xiàng)目經(jīng)驗(yàn)總結(jié)出的一些線(xiàn)下場(chǎng)景的數(shù)據(jù)分析思路，囿于項(xiàng)目邊界和場(chǎng)景局限性，不能將所有可能的指標(biāo)都列出來(lái)，各位讀者如果有更多想法，可以隨時(shí)與筆者交流。

另外，關(guān)于本文第一部分提到的id-mapping的問(wèn)題，筆者曾經(jīng)也思考過(guò)替代的解決方案，比如說(shuō)用滑動(dòng)待機(jī)頁(yè)并進(jìn)入點(diǎn)餐首頁(yè)的次數(shù)作為真實(shí)用戶(hù)數(shù)，但是該數(shù)據(jù)仍然是有誤差的，如果各位讀者有更好的方案，也隨時(shí)歡迎與筆者進(jìn)行交流討論~