o2o的盈利模式(O2O行业数据平台实战：从监控到诊断的数据产品搭建)

让我们一起飞

2022-04-20 17:29:48

在10月份的第一期会员直播中，我们邀请了前滴滴高级数据产品@高远，他将基于多年的数据产品经验，深度剖析O2O行业场景和痛点，从监测、分析、诊断三个层面拆解数据产品的建设思路。本文为直播内容整理，内容已删除。

大家好。我的名字是高远。我曾经在一家旅游行业的头部公司工作，做高级数据产品。五年来，他专注于出行行业、内容行业、行业的数据产品领域，掌握了上述领域的系统化构建方法，创新性地创造了数据产品的独特方法论，并深度参与了主流数据平台(滴滴)上上述系统的规划设计。com car和字节内容方向)；对应用数据产品有深刻的理解，在企业内部开发了数据驱动和数据增长相关课程，学员总数超过1w。

本次分享主要包括两部分:第一部分首先我们来分析一下O2O行业业务管理的一些相关痛点；第二部分是关于数据产品整体落地的实践，从1级的数据监测到2级的数据分析再到3级的数据诊断。

一、O2O行业业务管理痛点解析

首先，进入第一部分——O2O行业业务管理痛点分析。

作为一款面向业务的数据产品，我用十四个字总结其核心任务:比业务更懂业务，让产品更接地气。

那么大家就要考虑如何深入业务，如何让产品更好的落地。其实不管你是数据产品还是产品经理，各种产品类型都是不断变化的，就是以用户为中心。所以我们需要确切地知道我们的用户是谁。我们为谁服务？

o2o电商盈利模式

以上问题我做了一个总结。你可以看看这张桌子。我们服务于业务方，但只面对两类人群。第一组是区域领导、部门领导等管理人员，第二组是运营、战略、营销等业务人员。

我们先来看看管理者最关心的是什么。管理者需要在第一时间拿出相关数据，因为他们需要通过这些数据及时发现问题并做出业务调整，所以数据监控对于管理者来说非常重要。另外，管理者也想知道问题大概出在哪个环节。也就是他们要做一些降低成本提高效率的工作，所以他们需要知道如何让人力的价值最大化。

这其实是一些关于管理者的场景。如果从需求层面抽象这些场景，可以总结为三点:

首先，我们需要多种时间粒度来监控业务的发展，更好地发现业务问题。

二是需要快速了解关键指标变化背后的原因，及时调整战略方向。

第三，也是管理者的终极目标，就是如何通过一套科学的产品来提高人和钱的效率。举个例子，过去一个城市可能5个人负责。现在在数据的帮助下，一个人可以负责五个城市。

根据管理者的这些需求，我们的解决方案包括L1数据监控和L3数据诊断。这部分后面会详细解释。

接下来是关于商务人士。商务人士经常面临的场景可以归纳为四类。

第一，每一个业务分析都是费时费力的，特别是对于一些分析理论掌握不扎实的业务人员，他们的方法通常比较粗糙，没有办法很好的进行精细化操作。

第二，O2O行业最重要的是供需，长期的供需是通过定价手段来调节的。如何证明这个调价策略是正确的，对城市是有利的，需要商业测算。

第三，对于业务来说，如何分析和量化单点、外部、特殊事件对整体业务的影响，也是我们经常需要面对的任务。单点事件包括一些极端天气，节假日等等。

第四，如何一站式解决常见业务问题，提高人和钱的效率。

同样，根据这些情景，通信可以提取业务人员的主要需求:

一个是B&C-码头需要一套切实可行的方法进行精细化运营。其次，通过数据产品更好的评估定价。第三，量化单个事件对业务的影响。第四，追求更高层次，即让数据产品更加智能化，能够一站式解决常见的业务问题，不再需要一个一个定位。

解决方案方面，商务人士最关心的是数据分析，也就是L2产品；第二，L3数据诊断产品；最后，我们还会关注L1的数据监控，但毕竟是业务人员更关心如何解决问题，所以数据监控只是作为辅助。

我们刚才讲的L1、L2、L3对应的数据监测、数据分析、数据诊断的概念是什么？在整个产品框架中起什么作用？

你可以看看这幅画。我们所有的产品都是建立在一些基础平台上的，这些平台可以分为两部分:内部和外部。

这一次，我们将重点分析数据产品的内部结构，即红色虚线框中的内容。

首先，是关于L1数据监测如何在产品上落地的；其次是分析层面的L2阶段，比如核心分析、定价分析、事件分析如何帮助这些产品，促进业务；然后最高级，也就是L3诊断级，主要是关于如何通过指标的一站式诊断来解决问题。

接下来我就把之前实际在地面上操作过的一些产品拆解成一个个小点给大家详细说一下。另外，由于我之前做的是O2O的旅游行业，所以我就以旅游行业为例，和大家分享一下如何在这三个方向落地产品。

二、数据产品的落地实践：监控——分析——诊断

接下来进入第二个环节，也是本课程的核心部分——数据产品的落地实践:从监测到分析再到诊断。

有三个层次的数据。

第一层L1叫做数据监控。可能是最基础的一层，这是必须的。如果用一个词来解释，就需要“看数字”，从繁杂的数据中提取核心指标进行监测。

在此基础上，提升一个等级L2数据分析。在这个阶段，我们应该能够“用数字”，具体解决特殊问题，用统一的方法解决特殊问题。在这个阶段，我们开始有一些思路和一些方向来指导我们定位具体的问题。

第三层相对困难。这是一个基于L1和L2的数据诊断产品。综上，可以称之为“智数”，即帮助运营完成这个从问题发现到问题分析再到一站式解决问题的过程。

接下来，我们将解释如何分别构建这三个级别。

1.如何提取核心数据指标体系，高效控制经营业绩？

第一步是数据监控。这一步分为四步。第一步是对盈利模式的清晰理解，第二步是根据盈利模式构建业务模型，第三步是根据业务模型抽象出一些指标分类，是当前业务的指标分类和一些痛点。

在盈利模式上，抛开O2O，市场上所有行业都可以用这套理论来解决它的盈利模式。

这个模型分为两个维度，维度一:是否节省时间，维度二:是否直接提供价值。它被进一步分为四个象限。事实上，每一种业务都可以映射成这种模式。

比如第一象限可以节省时间，直接提供价值，可以对应工具业务，像拍照工具，支付工具等。，可以免费提供给用户。当然可能会有一些增值服务收取额外的费用，这其实也是这类业务的盈利模式。

那么第二象限对应的是内容业务。再细分的话，可以分为两种。第一种是自研模式，比如以卖课程为主的业务。再一个就是流量模式，像短视频领域。

然后在第三象限，还有一些社交服务，比如聊天软件等。，同样处于流量模式。

最后一个象限对应的是我们今天要重点关注的交易业务。比如O2O行业走的就是佣金模式，因为O2O是线上线下融合的模式。这个模型的本质是匹配B和C之间的交易，所以我们可以通过匹配这样的交易从中获取佣金。这是O2O行业盈利的方式。

关于O2O行业使用的佣金模式，其利润公式如下:利润=单笔应收金额*(1-分账比例)*单笔数量

举个简单的例子，比如旅游行业，用户今天上班打车，然后我们收了一百块钱，那么这一百块钱就是对应公式中的“单笔应收金额”；“分账比例”是给司机的部分，剩下的是给我们的平台中心；“单量”其实就是量。

在实际过程中，除了账户的份额，有时候还需要扣除一些额外的费用，比如补贴率，因为可能有些地方需求不足，那么我们可能会通过一些活动来补贴乘客；而且可能还有一些管理费用，所以所有的费用都要降低。

旅行行业的利润是通过推广B&: C端交易来实现的，那么按照刚才的利润公式，要实现利润最大化，无非就是增加单笔预售金额，降低分账比例，增加单量。

当然，B端和C端的处理方式是不同的。假设我们平台想通过增加单量来实现利润最大化，我们需要思考的是如何帮助商家刺激更多的需求，也就是让更多的人打车；对于司机端来说，只有减少账户份额，才能增加利润。这会导致平台和司机之间的利润矛盾，所以你需要找到一个平衡点——一个让平台和司机都相对满意的最优值，比如看司机能否获得一些额外的收入。

在刚才的基础上，再做一些拆解，分类提取相关指标，然后得到一个业务流程图。

平台的目标是增加利润，因此我们可以通过流程拆解来分析当前的进展、差距和探索增长萧条。

对于O2O平台来说，最重要的是供需，关键是增加总量，调整结构。乘客侧和司机侧就像跷跷板的两端，需要平台来平衡。无论是刺激乘客还是司机，都需要通过一定的策略来实现，比如补贴。但是有时候活动的效果不一定好。先说一些我们补贴的活动，然后评估活动的效果和ROI。

在此基础上继续拆解得到这张图，其实是对刚才的盈利公式的进一步细化，它分别对应了B端和C端。

比如应收金额= C端需求订单数量*(B端需求响应率*订单完成率)，因为一个订单不能直接完成，还要看转化率。

这样，如果把利润公式中的指标层层分离，就可以分为六类。

第一类是财务指标，如利润、补贴等。第二类是C端相关指标，在O2O行业，是客流相关指标，比如需求订单量、C端补贴等。第三类是B端相关指标，包括需求响应率、订单完成率、司机在线时长、B端补贴等。这三类属于纵向指标。

横向指标的分类也包括三类。第一类是订单相关指标，比如订单如何转化，有没有漏洞，整体完成效果如何；第二类是体验相关的指标，比如司机的差评率，或者司机是否投诉过乘客等等。虽然体验的比例会比较小，但是对平台的伤害会比较大。比如用户打车，觉得乘车环境比较差，有异味，下次可能不会选择这个司机；第三类是战略相关指标，比如活动花了多少钱等等。

把指标梳理清楚之后，就到了数据监测产品的落地环节。

有人会说，excel报表或者一些通用看板都可以用于监控，为什么要定制看板呢？不是更费时费力吗？

根据我之前的经验，每种方法都有自己的优缺点。首先是Excel报表方法。这种方法的优点是数据采集灵活，自由度高，操作简单。但是也有很多不足，比如自己写sql会比较困难，因为写sql的链接很长；还有就是数据口径难以保证，可视化效果差，所以这种方法其实并不适合长周期数据。比如旅游行业，你拿到一个业务线全年的数据，这个Excel报表可能有几百兆，根本打不开。

其次，一般报告。很多企业会买一些市面上比较成熟的报表，比如Tableau，FineBI。这些通用报表其实很强大，数据全面，使用起来也比较简单，都是按照行业内的一些标准方案做出来的。同样，这种方法也存在一些缺点，如业务功能相对单一，查询性能有限，无法添加个性化功能。比如我想快速看一下日均数据和周均数据，或者我需要更好的视觉表达来展现相同的环比等等。这种个性化功能很难实现，无法灵活拓展业务。

于是，定制化的数据监控产品应运而生。那么它有很多优势，首先是数据全面；其次是功能强大，贴近业务，因为一切都是定制的，你可以根据当前的业务特点增加一些数据功能；此外，该方法还可以支持多种时间粒度，如日均、周均、月均数据，可以实现各种丰富的维度。最后，可视化效果更好，最重要的是数据输出非常稳定。但唯一的缺点是需要定制开发。