很多企業(yè)還未意識到線下場景數(shù)據(jù)對用戶運(yùn)營和業(yè)務(wù)增長的重要性，故筆者撰寫本篇文章，旨在與大家分享搭建線下數(shù)據(jù)分析場景時(shí)的難點(diǎn)與思路。
01線下數(shù)據(jù)的采集與應(yīng)用難點(diǎn)
① 線下數(shù)據(jù)的id-mapping：在上述餐廳點(diǎn)餐大屏的場景中，我們一般很難強(qiáng)制讓每個(gè)用戶在點(diǎn)餐時(shí)都登陸他們在app/小程序上的賬號，因?yàn)檫@樣做耗時(shí)且費(fèi)力，還會降低點(diǎn)餐效率和用戶購買欲望，甚至還會讓餐廳里排起長龍(各位可以回憶一下，一般我們在諸如kfc、麥當(dāng)勞之類的餐廳點(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)會明顯變小，因?yàn)樵诜堑顷憟鼍跋?，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 線下數(shù)據(jù)分析場景搭建難：線下數(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，能夠采集和分析的數(shù)據(jù)也不過是不成體系的點(diǎn)擊、瀏覽量。
02線下數(shù)據(jù)分析場景搭建
筆者就線下數(shù)據(jù)分析的一些思路進(jìn)行了整理(如下圖)
筆者梳理了線下流量的流轉(zhuǎn)過程，并列舉每個(gè)步驟可能會涉及到的指標(biāo)。
① 流量獲?。翰幌窬€上流量獲取的渠道多樣且繁雜，線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)店購買餐食的客人，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店、門店所在城市/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)假日線下點(diǎn)餐大屏?xí)踊钴S?以及大型活動是否會影響點(diǎn)餐大屏的活躍?
② 流量分發(fā)：用戶進(jìn)入到點(diǎn)餐軟件后，會點(diǎn)擊“選購”查看商品詳情，將商品加入購物車或者點(diǎn)擊“立即購買”，這和線上電商平臺的步驟是一樣的。在這一系列流程中，我們可以看對應(yīng)步驟的次數(shù)，并且去下鉆不同的菜品和門店去做具體的分析。另外，除了各步驟的絕對數(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)了問題或者是用戶在點(diǎn)餐大屏上的體驗(yàn)過程中某一環(huán)節(jié)是否出了問題。
③ 流量轉(zhuǎn)化：該環(huán)節(jié)主要涉及用戶在挑選完商品后支付訂單，同樣可以根據(jù)菜品和門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)門店的熱度。另外，還可以看用戶在進(jìn)入點(diǎn)餐軟件首頁到最后支付訂單的平均時(shí)長，從而反映用戶從進(jìn)入點(diǎn)餐軟件到最后下單的決策時(shí)長
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?，由于線下場景的特殊性，我們暫時(shí)無法區(qū)分點(diǎn)餐大屏背后的用戶到底是誰，但是在留存分析中，我們需要判斷一個(gè)獨(dú)立的用戶，在第0天進(jìn)入點(diǎn)餐軟件后是否會在后續(xù)第n天再次來，所以留存的需求在當(dāng)前背景下暫時(shí)是無法實(shí)現(xiàn)的，而且點(diǎn)餐大屏的場景，更多的是滿足客戶即買即走的需求，分析留存的意義似乎不是很大。
03總結(jié)
以上就是筆者根據(jù)自己的過往項(xiàng)目經(jīng)驗(yàn)總結(jié)出的一些線下場景的數(shù)據(jù)分析思路，囿于項(xiàng)目邊界和場景局限性，不能將所有可能的指標(biāo)都列出來，各位讀者如果有更多想法，可以隨時(shí)與筆者交流。