日常生活場景里，其實有許多與數(shù)據(jù)分析相關(guān)的知識待我們進行挖掘，比如家政服務場景。那么，消費者/用戶在服務平臺上預約家政服務的過程中，可能隱藏著哪些數(shù)據(jù)分析知識？我們可以從中拆解得到什么經(jīng)驗和策略？

本篇是系列文，全網(wǎng)搜索《在吃喝玩樂中成為數(shù)據(jù)分析師》，我會帶著大家從各種生活場景出發(fā)，提升業(yè)務理解，輕松學會數(shù)據(jù)分析思路和技能。

遇到類似的場景，可以拿出來重溫。

今天講的內(nèi)容是：叫家政服務時，有哪些數(shù)據(jù)分析知識？

讀完本篇，你可以獲取這些知識：

• 你請家政時哪些數(shù)據(jù)被采集到了
• 平臺至少可能使用哪些指標來提升你的服務體驗
• 計算這些指標會用到的sql/python函數(shù)
• 使用AI寫sql的提示詞示例

場景復現(xiàn)：

小王在南方城市工作，天氣逐漸變涼了，沒有地暖，小王只得開空調(diào)取暖。

結(jié)果屋漏偏逢連夜雨，小王一開空調(diào)，發(fā)現(xiàn)空調(diào)壞掉了，就上網(wǎng)找家政服務來修空調(diào)。

找服務：

小王在網(wǎng)上搜索「修空調(diào)」三個字，出現(xiàn)了很多服務商。小王再三對比之下，選擇了一家可以小程序下單的本地龍頭企業(yè)。

下單前：

小王授權(quán)登陸進入小程序后，找到家電維修的模塊，選擇空調(diào)維修。進入頁面后，小王選擇了「掛機空調(diào)維修」，并提供了以下信息：

• 位置坐標
• 預約上門時間

點擊預約后，又彈出讓小王「手機號快捷注冊」，注冊完成后即可預約。

但是預約只生成訂單，并不需要付錢。

下單后：

小王注冊后完成下單，馬上收到了短信，告知師父將于某時間聯(lián)系小王，讓小王注意接聽。

10分鐘后，師父聯(lián)系小王，再次確認地點及時間。并且小王注意到師傅并沒有按照線上預約的時間來溝通。

等待服務：

臨近約定時間，師傅還沒有到，小王電話催促，師傅回答說又一些事情耽擱了，需要晚點到，詢問是否需要更換時間。小王回答不需要。

繼續(xù)等待兩個小時后，師傅終于趕到，開始修空調(diào)。修完之后進行拍照。

服務結(jié)束：

修完之后，師傅讓小王添加一個企業(yè)微信，企業(yè)微信中會推送訂單支付給小王。小王支付后，師傅又給小王留了私人微信，說以后找他修電器水管會便宜一些，然后師傅就回去了。

問：

小王在這個過程中的用戶路徑如何拆解？

對于平臺方來說，至少有哪些階段有較高的用戶流失風險？

作為數(shù)據(jù)分析師，你如何做整個流程的分析和監(jiān)控，至少需要哪些指標？

一、用戶路徑拆解

我們將小王從尋找服務平臺到師傅完成服務的流程可以拆解如下：

我們可以看到的是，小王的整體用戶路徑并沒有很連貫，存在著很多站外或者線下的無從監(jiān)控的路徑。

小王的用戶行為路徑大致上可以分為三個類型：線上的站外行為、站內(nèi)行為、線下的站外行為。

其中比較容易分析的是站內(nèi)行為，因為產(chǎn)品是自己研發(fā)的，可以比較容易的記錄到用戶行為。

線上的站外行為，一般都需要第三方廣告平臺提供，而且是收費項目。而線下的站外行為幾乎是采集不到的。

所以，在用戶行為分析的成本上有如下排序：

站內(nèi)行為分析成本 > 線上的站外行為分析成本 > 線下的站外行為分析成本

二、用戶流失分析簡述

在用戶流失分析中，由于采集數(shù)據(jù)的成本不一樣，一般需要從已有的數(shù)據(jù)進行分析。

1. 用戶流失點位拆解

我們可以看到有明確的流失點的位置如下：

明顯的流失點位為：

• 從廣告到進入小程序的授權(quán)過程
• 下單最后一步的手機號注冊流程
• 下單后的等待服務的過程
• 服務完成后被引流到個人的私域

2. 用戶流失點位分析

從以上四點入手，結(jié)合用戶數(shù)據(jù)的獲得成本，我們可以得到以下分類：

如果我們這么去評估優(yōu)先級，確定問題解決的順序，那就要出！大！問！題！

為什么？

思

考

30

秒

！

原因是：服務師父也是用戶！師父接單到完單也是需要走流程的！

那么，「等待服務流失」的節(jié)點就有跡可循了：

• 客戶取消訂單前等待了多長時間
• 客戶的訂單預約時間有沒有被師父變更
• 師父的完成服務時間與客戶首次下單時間的匹配率
• 接單師父地點與客戶下單地點的實際距離長短

同時在服務完成流失這個節(jié)點的分析上也有了新的進展：我們雖然分析不了小王為什么流失，但是可以計算每個師父的服務流失率呀！可以根據(jù)這個信息優(yōu)化匹配規(guī)則呀！

所以 ，流失節(jié)點的真實數(shù)據(jù)情況是：

那么，基于這些數(shù)據(jù)，如果建立完整的流程指標呢？

三、用戶監(jiān)控指標及其SQL/Python函數(shù)

根據(jù)用戶路徑拆解和用戶流失點位分析，我們可以大致分為三種場景：用戶路徑監(jiān)控、師傅評級監(jiān)控、匹配機制監(jiān)控。

至少可以梳理出以下幾個對應的指標：

四、小結(jié)

其實數(shù)據(jù)分析是一種思考方式，只要在生活中多觀察，多思考，吃喝玩樂中也能加強自己的數(shù)據(jù)思維。

至于一些復雜的數(shù)據(jù)處理方式，我們其實沒有必要死記硬背，只需要知道搭建什么樣的指標，可能用到什么樣的工具即可。提示詞示例：

只要能梳理清楚業(yè)務邏輯，學會如何進行指標管理，在生活中加強自己的思考，人人都可以成為數(shù)據(jù)分析師。