美团数据指标体系搭建实战
Hi，我是王知无，一个大数据领域的原创作者。
放心关注我，获取更多行业的一手消息。
在美团商家版中，美团为商家搭建的数据指标体系，很好的指导了商家
|
八股文教给我，你们专心刷题和面试 Hi，我是王知无，一个大数据领域的原创作者。 放心关注我，获取更多行业的一手消息。 在美团商家版中，美团为商家搭建的数据指标体系，很好的指导了商家的经营发展方向以及提供经营状况概览。 本文通过体验美团商家版经营数据子功能，对美团商家版数据指标体系搭建的情况做出一个概述。 美团商家版的店铺子功能下，有一个经营数据子版块，针对商家经营过程中的数据指标进行统计。 以下是数据指标搭建的具体概况，经营数据一共分为五个板块依次呈现，分别为总览、营业、流量、顾客和商品。 01 总览 今日实时数据 可视化图表呈现形式：
以经营时间段为横轴，收入金额为纵轴，画出今日，昨日以及商圈同行均值（商圈同行前10%均值）的三条曲线图。 曲线同时可以精确查看每日不同时段的数据情况，并且在曲线左上方显示与昨日同时段的数据趋势对比。
数据指标： 预计收入：统计时间内，包含所有费用的实际收入。 营业额：统计时间内，包含商品原价、包装费、自配送/跑腿配送的配送费。 有效订单：统计时间内，已接单且未被取消（包含用户取消和商家取消）的订单数。 曝光人数：统计时间内，看到店铺的顾客数。 入店转化率：统计时间内，看到店铺的顾客中，进入店铺的顾客。 下单转化率：统计时间内，进入店铺的顾客中，下单的顾客占比。 历史数据概览 营业、流量、顾客和商品数据，这些数据界面都可以跳转到具体的一级数据界面。 02 营业数据 营业趋势 可视化图表呈现形式：
以经营时间段为横轴，收入金额为纵轴，画出今日，昨日以及商圈同行均值（商圈同行前10%均值）的三条曲线图。曲线同时可以精确查看每日不同时段的数据情况，并且在曲线左上方显示与昨日同时段的数据趋势对比。 数据指标 收入：统计时间内，包含所有费用的实际收入 营业额：统计时间内，所有订单类收入（包含商品原价、包装费、自配送/跑腿配送的费） 活动补贴：统计时间内，补贴总额（包含商品补贴价和平台补贴） 顾客实付：统计时间内，顾客实际支付费用 有效订单：统计时间内，已接单且未被取消（包含用户取消和商家取消）的订单数。 实付单均价：统计时间内，平均每单顾客实际支付的价格。 订单分布 可视化图表呈现形式：表格排行榜。
按时段：时段、订单量、比前日。按实付单均价：实付单均价（范围）、订单量、比日前。 订单地标 可视化图表呈现形式：排行榜表格。
热门地标：统计时间内，该地标在本店订单量排名。 商圈潜力地标：统计时间内，该“地标同行订单量”与“本店订单量”的差值排名。 可视化数据为本店与商圈同行均值的条形图。 03 流量数据 流量入口：商家列表、搜索、首页展位、频道页展位。 流量转化 可视化图表呈现形式：
以时间点为横坐标，曝光人数为纵坐标，画出今日，昨日以及商圈同行均值（商圈同行前10%均值）的三条曲线图。 数据指标： 曝光人数：统计时间内，看到店铺的顾客数。 入店人数：统计时间内，进入店铺的顾客数。 下单人数：统计时间内，下单的顾客数。 入店转化率：统计时间内，看到店铺的顾客中，进入店铺的顾客占比。 下单转化率：统计时间内，进入店铺的顾客中，下单的顾客占比。 流量来源 可视化图表呈现形式：排行榜表格。
具体数据指标： 全部流量：包括本店的自然流量与付费流量之和。 自然流量：平台根据用户喜好推荐给用户或用户主动搜索店铺产生的流量，也包括新店加权或平台奖励的流量。 曝光位置： 首页展位：店铺在首页“顶部横幅”，“优选好店”，“大牌甄享”中的曝光。 搜索：店铺在用户主动搜索商品或店铺时的曝光。 其他：店铺在所有非上述渠道的曝光，包括：天降红包，订单，代金券等。 商家列表：店铺在“首页”和“美食”/“甜点饮品”频道，“附近商家”和“发现好菜”列表中的曝光。 频道页展示：店铺在“美食”/“甜点饮品“频道，”大牌甄选“和”今日套餐推荐“中的曝光。 曝光次数：店铺呈现在用户界面中的次数。 入店次数：用户点击店铺链接入店次数。 点击率：=入店次数/曝光次数，如果一个用 看到同一个店铺多次，曝光次数记多次，曝光人数记1次，入店同理。 付费流量：商家通过购买推广获得的流量。 推广类型: 点金推广：按效果计费的推广产品，曝光位置在商家列表、搜索。 品牌展示：按展示计费的推广产品，曝光位置在商家列表、搜索。 揽客宝：按展示计费的推广产品，曝光位置在全部流量里的“其他”。 曝光次数、入店次数、点击率。 04 顾客 顾客画像：本店铺近90天内成交顾客的画像分析（基础信息，价格偏好，服务偏好） 1）顾客实付价分布 可视化图表呈现形式：
以人数范围为横坐标美团大数据，顾客人数比例为纵坐标形成的直方图。 全平台商家：顾客在外卖平台上所有订单的实付价格均值分布。 商圈同品类商家：顾客在同商圈同品类的商家的所有订单的实付价格均值分布。 2）顾客优惠敏感度分布 可视化图表呈现形式：直方图。
以顾客对价格敏感程度为横坐标，顾客人数所占百分比为纵坐标描绘的直方图。本店铺在平台上的订单【总价中优惠金额所占的比例】的均值分布。 3）顾客构成 可视化图表呈现形式：圆环图。
冲动的顾客下单前所花时间较少，犹豫的顾客下单前所花时间较多。 消费类型占比、顾客职业占比、顾客性别占比。 4）顾客偏好数据 可视化图表呈现形式：排行榜表格。
食材偏好排名、口味偏好排名、常买商家排名（全台商家 商圈同品类商家）。 新老顾客分析 可视化图表呈现形式：
数据指标： 下单人数：统计时间内，下单的顾客数； 新客人数：统计时间内，首次下单的顾客数； 老客人数：统计时间内，非首次下单的顾客数。 复购分析 可视化图表呈现形式：
数据指标： 复购率：统计时间内，所有下单顾客中，在本店下单两次及以上的顾客占比。 新客复购率：统计时间内，所有首次下单的顾客中，在本带你下单两次及以上的顾客占比。 老客复购率：统计时间内，所有非首次下单的顾客中，在本店下单两次及以上的顾客占比。 复购人数：统计时间内，在本店下单两次及以上的顾客数。 复购新客：统计时间内，在本店下单两次及以上的顾客中，首次下单的顾客数。 复购老客：统计时间内，在本店下单两次及以上的顾客中，非首次下单的顾客数。 留存分析 可视化图表呈现形式：
数据指标： 活跃顾客：统计时间内，下单的顾客数最后一次成交在近30天内的顾客数。 沉默顾客：最后一次成交在30-60天内的顾客数。 流失顾客：最后一次成交在60-90天内的顾客数。 下单频次 可视化图表呈现形式：
数据指标： 下单频次：统计时间内，平均每个顾客的下单次数。 05 商品 可视化图表呈现形式：表格榜单。
本店商品：按销售额、按销量； 商圈热销：按销售额、按销量。 06 竞品分析 饿了么作为外卖市场上美团的绝对竞品，在数据指标体系搭建上值得对比。 从体验过程中来看，饿了么除了以上数据指标体系外，还包括对营销和服务数据指标的搭建，分别正对商户在营销前后和手段不同的情况下收益数据和发展趋势情况以及在售、出餐、售后的环节中因商户服务造成的数据波动。 营销 1）营销概况
数据可视化呈现形式：
以日期为横坐标，订单价格为纵坐标形成的曲线面积图。 数据指标： 营销订单：本店补贴金额>0的完成订单数； 营销订单比：本店商家补贴金额>0的完成订单数/本店完成订单数； 营销订单实付：营销订单的顾客实际支付的金额； 商家补贴：营销订单商家在该营销活动上的总补贴金额； 营销力度：商家补贴总额/营销订单的顾客应付金额； 投入产出比：营销订单顾客实际支付的金额/营销订单商家的总补贴金额。 2）收益排行 数据呈现形式：排行榜表格。
营销组合指订单中含有一种或多种类型，合理组合不同的活动类型，可以取得“1+1>2”的活动效果；此时仅统计只含有某种活动或某些活动组合的订单。 服务 1）接单 商责取消率趋势：统计周期内，发生的商责取消订单数/顾客提交订单，商责取消订单包括接单前商户拒单，接单后商户取消单，超时未接单，用户因商家原因取消单数。 数据可视化呈现形式：
以日期为横坐标，依据信用分规则评判的商责取消率为纵坐标描绘的曲线图。 历史商责取消情况： 数据可视化呈现形式：日期表格。 统计时间、损失金额、商责取消率、接单取消数、接单后取消数、顾客因商户原因取消数。
2）出餐 商户出餐超时率趋势：本店/本连锁店，统计周期内商户出餐超时完成配送即时单数/商户有效完成配送即时单数。 数据可视化呈现形式：
以日期为横坐标，出餐超时率为纵坐标形成的曲线面积图。 历史商户出餐超时情况： 数据可视化呈现形式：日期表格 统计时间、超时订单数、出餐超时率、超时率评估、平均出餐时长。
3）售后 顾客差评趋势率：统计时间内，差评订单数/平均订单数，其中差评订单数为评分小于等于2分的订单。 数据可视化呈现形式：
以日期为横坐标，顾客差评率为纵坐标形成的曲线面积图。 顾客差评情况：数据可视化呈现形式
对内容进行可视化。 通过对竞品的数据指标对比可见，竞品充分考虑到营销数据给商户带来的效果，一定程度上可以促进商户多做一些营销活动来促进门店线上交易转化效果。 而服务商展现的数据充分体现商户从接单，出餐到售后这全覆盖订单交易流程，体现商户的服务在促进线上订单交易中的效果，一定程度上提醒了商户对于自身服务的改进。 07 总结 大数据时代，数据会说话，从数据中反映出的事实往往更具有说服力。 美团商家版通过搭建为商家经营服务的数据指标体系，让商户更好的了解自己的经营状况；从而对于自身的发展以及服务做出相应的改变，也更加容易成为产品的忠实使用者。 如果这个文章对你有帮助，不要忘记「在看」「点赞」「收藏」三连啊喂！
2022年全网首发|大数据专家级技能模型与学习指南(胜天半子篇) 互联网最坏的时代可能真的来了 我在B站读大学，大数据专业 我们在学习Flink的时候，到底在学习什么？ 193篇文章暴揍Flink，这个合集你需要关注一下 Flink生产环境TOP难题与优化，阿里巴巴藏经阁YYDS Flink CDC我吃定了耶稣也留不住他！| Flink CDC线上问题小盘点 我们在学习Spark的时候，到底在学习什么？ 在所有Spark模块中，我愿称SparkSQL为最强！ 硬刚Hive | 4万字基础调优面试小总结 数据治理方法论和实践小百科全书 标签体系下的用户画像建设小指南 4万字长文 | ClickHouse基础&实践&调优全视角解析 【面试&个人成长】2021年过半，社招和校招的经验之谈 大数据方向另一个十年开启 |《硬刚系列》第一版完结 我写过的关于成长/面试/职场进阶的文章 当我们在学习Hive的时候在学习什么？「硬刚Hive续集」 （编辑：武汉站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
