创业说:易到用车如何通过数据挖掘做O2O

快讯
看到今夜酒店特价的任鑫从经济学角度解说O2O,很受启发,所以有了这篇文章。 O2O这种从线上到线下的服务模式确实令人兴奋,但是单单提高线上用户体验、简化流程已经无法满足 O2O 的模式的需要。通过数据挖掘,可以换个角度思考 O2O 的发展。 “易到用车”是个提供司机的分时租车平台,用户使用易到用车的 APP 就可以按小时预定租赁公司的带司机的车辆。 刚开始做易到用车的时候,最关心的问题就是
谁是我们用户? 他们都在哪里? 他们用易到做什么?
这些问题的答案,除了常规的市场调查外,其实从数据的挖掘中,也可以获得——甚至更加真实。 举例来说: 下图是一个普通的周一,北京市易到用车的车辆的 HeatMap。 通过对周一北京的车辆行驶轨迹数据进行挖掘,发现了一些有趣的现象可以解决困扰我们的营销问题。 例如: 目标用户在哪里? 从 HeatMap 上可以看到,用户最常用车区域都已经标成红色,可以轻易对应到北京的相应区域。从图上看 4 个比较热点的区域是:
机场 CBD 以及东三环沿线 中关村地区 金融街以及西二环沿线
这个数据对我们非常有意义! 这些高频次的用车区域是用户经常出入的地点,这正是目标用户最密集的地方。我们需要将易到用车的推广覆盖到这些地方,让更多目标用户看到,这些目标用户的转化率效果出奇的好。 用户使用易到用车做什么? 易到用车建立了另外一套挖掘模型。 下图是:通过挖掘一个月以来的用户行程数据,得到的行程聚合图。 上图直接连接了行程的起点和终点,不同圆圈的大小代表用户使用频繁地点,不同粗细的线表示重复行程 我们可以直观的看到,几个比较粗的线条都出现在机场到 CBD 之间。 这恰恰回答了“用户是谁?“ 和” 用户用车做什么?”的问题 举例说明: 从上图可以明显看到,机场与 CBD 之间的行程最多,其次是机场和金融街之间。 通过这些数据的聚合,明确得知用户通常在商务区与机场之间路程用车,系统的车辆调配算法就会根据此聚合结果进行车辆的调配和安排。例如:送用户去机场的车辆会接到当时的接机订单,降低司机空驶,大幅提高运营效率。 另外,易到用车的产品根据密集行程的分析结果,优化了机场到 CBD 之间的价格和里程,进一步提高用户转化率。 很有意思的结论: O2O的线下闭环不仅指交易的闭环,线下大数据的积累和挖掘也是闭环中一个重要组成部分。从实用经验来讲,通过数据的挖掘,对改进易到用车产品和服务提供了强有力的数据支撑和导向。 供从事 O2O 行业的同学们参考。 来自:36氪     作者:易到用车 CTO 汤鹏
本文为 品途商业评论( http://www.pintu360.com )作者:创作,责编:途小萌。欢迎转载,转载请注明作者姓名以及原文出处:http://www.pintu360.com/article/54d7014b14ec53c11660e44f.html。不注明作者和出处品途商业评论有权追究其责任。本文仅代表作者观点,不代表品途商业评论观点。