老板:“为了解决疫情期间,偏远地区农副产品滞销问题,3个月内,扶贫商品的订单量,要提高30%!你尽快提交商城的迭代PRD! ”。
产品汪:“好的老板,我这就去办!”
一、迭代需求概述及迭代目标
1.1 业务背景
2020年是脱贫攻坚的收官之年,突如其来的新冠肺炎给扶贫工作带来了新的挑战。因为交通的“肠梗阻”,成熟的水果、蔬菜等没有人来购买,农产品不及时收获,就可能腐烂变质,极大降低农村群众的收入。因此,公司决定将消费扶贫工作作为近期工作重点。
1.2 迭代目标
通过全面系统的数据分析,深度优化商城的“扶贫”板块。目标是实现3个月内,扶贫类商品销数量增长30%
1.3 名词解释
1.4 迭代风险
二、数据分析过程
2.1 核心指标
本次迭代重点关注上线后的扶贫商品总订单量,期望上线后增长30%
扶贫商品总订单量定义:一个主订单中,包含至少1件扶贫类的商品,视为一个扶贫商品订单
2.2 当前数据概况
2.2.1 扶贫商品订单 漏斗模型数据
2.2.2 期望目标
核心目标为扶贫商品总订单量,三个月内增长30%,可理解为三个月后,确认收货订单数=62000*130%=80600。根据上表可以看出,首页——扶贫专区页面、扶贫专区页面——商品详情页,UV流失率较高。所以本次迭代重点围绕此处的转化展开,期望数据如下表所示。
3 功能需求详述
3.1 商城首页突出扶贫商品入口
3.1.1需求目的
提升首页到扶贫专区页面的转化率,目标提升11个百分点。
3.1.2 需求场景
【对于贫困商家】政府、国企会为其提供更多的销售渠道,帮助解决商品滞销问题
【对于企业】积极响应国家扶贫政策,保证扶贫款项专款专用,为员工提供商品价格福利
【对于员工】通过企业/政府的价格补贴,保证商品质量的情况下可以低于市场水平的价格购买商品
3.1.3 需求描述
在商城首页,设置较为明显的扶贫商品入口。在入口处可展示:1、比较有代表性的扶贫商品的商品图,告知用户扶贫商品主要为农副产品;2、清晰说明扶贫商品特点的文案,告知用户扶贫商品价格低,且能帮助解决滞销问题。
3.1.4 触发条件
所有用户,在扶贫政策有效期间(具体时间由后台配置)
3.1.5 页面监测
监测扶贫专区入口的点击数
3.2 商品列表
3.2.1 需求目的
提升扶贫专区页面到商品详情页的转化率,目标提升9个百分点。
3.2.2 需求场景
使用户在查找商品时,能够清晰的分辨普通商品和扶贫滞销商品。并且告知用户平台对扶贫商品有一定的价格补贴
3.2.3 需求描述
在搜索结果页、品类下的商品列表页,对扶贫商品增加显示标签,用于告知用户该商品为扶贫商品且有价格补贴。吸引用户点击
3.2.4 触发条件
所有用户,在扶贫政策有效期间(具体时间由后台配置)
3.2.5 页面监测
监测扶贫商品详情的UV
四、策略性需求
4.1 通过AHP层次分析法 建立不同滞销等级的扶贫商品精细化运营策略
4.1.1 层次结构模型设计
商品有效期:标准贮存状态下,当期时间,商品能够保持其标准质量的天数
商品销量:一定时间段内,商品的总销售量
商品库存:商品当前剩余的总库存量
4.1.2 明确标度
成对比较矩阵的元素表示的是第i个因素相对于第j个因素的比较结果,这个值使用的是Santy的1-9标度方法给出。
4.1.3 构造判断矩阵
4.1.4 计算特征向量
先将上述准则两两比较偏好矩阵进行标准化处理,步骤为:
归一化——各列求和,用每一元素除以对应列总和
计算权重——计算每一行平均值
计算过程个最终权重结果如下图所示
4.1.5 一致性检验
当两两比较认为A比B重要,B比C重要时,轮到A和C比较了,你给出C比A重要的比较值,此时就叫做“不一致”。要检查是否一致,就需要计算一致性比率CR=CI/RI ,当CR<0.1 时,代表通过检验。
如上图所示,CR=0.06<0.1 通过检验
4.1.6 指标数据标准化
4.1.7 计算商品滞销指数
根据上述流程,查询商品的相关数据,代入计算,可得到商品的滞销指数。例如商品A有效期26天(标准指标:2),已销售130件(标准指标:2),剩余库存400件(标准指标:4),则商品A的滞销指数=2*0.64+2*0.07+4*0.28=2.54
4.1.8 商品滞销等级分类及精细化运营策略
计算出所有商品滞销指数后,可把所有数值由小到大排列并分成四等份。
1级滞销商品:滞销指数∈[Max,第3四分位数)的商品,
2级滞销商品:滞销指数∈[第3四分位数,第2四分位数)的商品
3级滞销商品:滞销指数∈[第2四分位数,第3四分位数)的商品
4级滞销商品:滞销指数∈[第1四分位数,Min]的商品
4.2 通过RFM模型和AHP层次分析法 明确召回优先级
4.2.1 通过AHP层次分析法计算RFM三个维度的权重
R(Recency)最近一次消费时间:表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
F(Frequency)消费频率:消费频率是指用户在统计周期内购买商品的次数,经常购买的用户也就是熟客,价值肯定比偶尔来一次的客户价值大。
M(Monetary)消费金额:消费金额是指用户在统计周期内消费的总金额,体现了消费者为企业创利的多少,自然是消费越多的用户价值越大。
计算过程与4.1.2-4.1.7一致,不再重复描述
权重计算结果:
一致性计算结果:
4.2.2获取RFM总值
根据埋点得到的用户行为数据、SQL查询得到的订单数据,标准化,形成[0,5]的标准值,并计算出综合得分,例如用户A的RFM总值=0.3*R值+0.54*F值+0.16*M值
RFM总值即为用户价值。最终按照分值由高到低,进行用户召回和回访