一個運營數據分析的案例

X網站是一家主營母嬰用品的電商網站,網站運營多年,是該領域的領頭者之一,各項數據指標相對比較穩定。運營人員發現從8月15日開始,網站的訂單量連續四天明顯下跌。網站訂單量受節假日、促銷、競爭對手活動等影響,日訂單量有所起伏是正常現象,所以頭兩天(8.15,8.16)運營人員並沒有太在意。

但是,8月18號早晨發現8月17號的訂單量並沒有恢復到正常水平,運營人員開始嘗試尋找原因:是否有負面報道被擴散,是否競爭對手在搞活動,是否某類商品缺貨、價格異常。但是並沒有找到原因,第二天發現訂單量依然沒有恢復正常,於是將問題提交給數據分析團隊,作為最高優先順序成立數據分析專項小組進行分析。

8.15開始訂單量開始訂單量有明顯下滑

數據分析師第一反應是網站新增用戶出現問題,因為歷史上出現過類似比例的訂單量下跌,當時查找到原因是,網站的主要廣告推廣渠道沒有及時續費,廣告被下架,新增用戶量明顯下滑導致訂單量下降。拉取同期的新增用戶量數據,發現新增用戶並沒有明顯下降。

同期新增用戶數據並沒有明顯下降

拉出同期的日活數據查看,發現日活數據也沒有明顯下降,基本做出判斷,用戶在訪問網站的過程中,轉化出了問題。

和一般的電商網站類似,X網站的常規轉化過程也是:用戶打開App,搜索關鍵詞查找想要的商品,瀏覽商品搜索結果列表,點擊某個商品,查看該商品的詳細信息,如果有購買意向,可能會進一步諮詢客服人員,然後放入購物車,最後對購物車所有商品進行支付,產生有效訂單。

X網站的轉化漏斗

如果定義打開App為活躍,那麼網站的整體轉化就是活躍到訂單的轉化,公式為:

訂單活躍轉化率=frac{日訂單量}{打開用戶數}

顯然從15號開始,這個轉化率開始下降,轉化過程有多個環節,那麼具體是哪個環節出了問題?數據分析師對轉化過程每個環節計算轉化率。

搜索打開轉化率=frac{搜索用戶數}{打開用戶數}

以此類推,每個環節都可以計算其轉化率,將這些轉化率繪製在一張折線圖上

各個環節的轉化率

由於比例關係,圖中不太明顯,但是還是可以看出,有明顯降幅的是諮詢詳情轉化率(最下方折線),降幅接近10%。調查客服也沒有發現異常情況,進一步對諮詢信息分類統計後發現,新用戶的諮詢量幾乎為0,明顯不合常理。

數據分析師自己註冊了一個新用戶,發起諮詢,沒有得到回復。查詢後台,發現諮詢信息沒有到達客服。於是將問題提交給技術部門調查,工程師查看8.15當天發布記錄,發現有消息隊列SDK更新,而諮詢信息是通過消息隊列發給客服的。進一步調查發現,是程序bug,新用戶信息構建不完整,導致消息發送異常。

緊急修復bug發布上線,第二天訂單量恢復正常。

*該案例為虛構案例,僅用於數據分析過程演示


推薦閱讀:

TAG:數據分析 | 大型網站技術架構核心原理與案例分析書籍 | 數據分析師 |