盼望着,盼望着,单车来了,共享时代的脚步近了。

一切都像刚睡醒的样子,欣欣然张开了眼。车辆密集起来了,颜色多起来了,人行道的使用率高起来了。

产品们偷偷地从投资机构背后钻出来,充电宝,斯玛特(smart)。北五环,浦东区,瞧去,一大片一大片满是的。骑着,推着,找几条马路,扫几遍码,报几次修,分享几个红包,路远茫茫的,生活急慌慌的。

——朱自清的迷妹张小红《单车》

共享单车的创意 2015 年起就渐露苗头,2016 年,争夺用户的战争正式打响。五道口、望京、酒仙桥,随处可见橙色和黄色的炫酷自行车,随后永安行、Unibike,小鸣单车等全部进驻市场,某不知名互联网 er 张小红曾经说过,留给创业者的颜色有限,晚一步只能出彩虹单车了。

出色的创意来源于灵光一现,商业模式成功绝非偶然。共享单车产品背后,一张大数据网络正在迅速铺开。

共享单车车源调度典型场景

每一个人都有过遍寻街道,一车难求的辛酸经历,地铁站单车一排排,我的小区无人睬,这种用户体验简直逊毙了。为此张小红手机上安了六七个共享单车 App。这在我们互联网行当里,需要引起高度重视,当竞品出现在用户手机里,你离用(gong)户(si)流(po)失(chan)只有 36 小时(敲黑板)!

提高用户体验的背后有一座移动共享行业躲不开的大山——资源调度;改变困境不能依靠“人工扫街”,有一个说来容易做来难的方法——精细化运营。如何找到车辆缺失区域,通过数据驱动实现车源调度?神策数据分析师张小红配了一个 DEMO 场景。

车辆缺失可能有两个方面的原因:1. 车少了不够骑。2. 车坏了不够骑。影响两方面的指标千变万化,这里简单阐明几种方法。

1.对比车辆的投放量和活跃量,判断车辆投放少。

活跃量是反应车辆使用率的最直观方式,根据监测的所属片区的车辆投放量与有开始用车行为的车辆数进行对比,如果活跃量接近投放量,则该地区有车辆缺失风险,需要结合其他指标进一步观察。

图1 不同区域车辆投放量和活跃量对比图

2.根据某区域车辆平均使用次数进行判断,判断车辆投放少。

精确追踪每辆车的用户行为数据,由于共享单车通常用于解决短距离交通问题,所以可以大体定位到区域内车辆。如果A区域内,一辆车的平均使用次数是 10 次,B 区域内平均使用次数为 20,那么数据就会传达给城市经理一个信息,该区域缺车,导致同一辆车被频繁使用。城市经理通过历史投放车辆数据的对比和实际考察,可以追踪缺车情况,把控投放策略,提高用户体验。

3.根据10天内车辆不活跃数及假报修率综合解决坏车问题。

图2 10 天不活跃车辆数与假报修率概览

密切关注活跃车辆数据,通过属性分析可以观察到,该区域有哪些车辆连续n天不活跃,说明该车有可能损坏了,再根据该车辆的地理位置属性,可以定位到车辆停放位置,及时维修和补分配车辆。

同时需要警惕用户的虚假报修行为。下图是假报修率漏斗分析图,我们可以看到,红框是报修后发生结束被骑行为的车辆,毫无疑问,这些车辆被假报修了。点开下方数字,可以看到这些车辆的具体信息,方便师傅搬车。

图3 假报修率漏斗分析图

4.利用事件分析找到偏远地区的车辆,合理调配资源。

图4 偏远地区车辆分布线图

关注最后一单时间距离本次开始用车时间长达八小时以上的车辆,这些车辆没有损坏,但是可能被停在了难以寻找到的偏远地区,所以活跃率偏低,浪费了资源。公司需要对这些车辆进行人工调配,这也是一种解决其他区域缺车问题的“曲线救国”方法。

共享经济下的大数据分析

移动共享意味着大量灵活性的资源流动,而共享单车、充电宝、smart 等产品的层出不穷,则恰恰验证了这一模式的可行性。资源流动不可避免带来碎片化资源的流动数据,用户的多样性也增加了产品的运营难度。

共享经济是基于完善的大数据设施而实现的上层商业生态,互联网为其提供了更大的平台和更丰富的模式,大数据则以科学的方式支撑着他们的运营和决策。数据驱动下的精细化运营与商业决策,帮助创业者解决资源调配问题,产品精准推送到人,在竞品中脱颖而出。