盼望著，盼望著，單車來了，共享時代的腳步近了。

一切都像剛睡醒的樣子，欣欣然張開了眼。車輛密集起來了，顏色多起來了，人行道的使用率高起來了。

產品們偷偷地從投資機構背后鉆出來，充電寶，斯瑪特（smart）。北五環，浦東區，瞧去，一大片一大片滿是的。騎著，推著，找幾條馬路，掃幾遍碼，報幾次修，分享幾個紅包，路遠茫茫的，生活急慌慌的。

——朱自清的迷妹張小紅《單車》

共享單車的創意 2015 年起就漸露苗頭，2016 年，爭奪用戶的戰爭正式打響。五道口、望京、酒仙橋，隨處可見橙色和黃色的炫酷自行車，隨后永安行、Unibike，小鳴單車等全部進駐市場，某不知名互聯網 er 張小紅曾經說過，留給創業者的顏色有限，晚一步只能出彩虹單車了。

出色的創意來源于靈光一現，商業模式成功絕非偶然。共享單車產品背后，一張大數據網絡正在迅速鋪開。

▌?共享單車車源調度典型場景

每一個人都有過遍尋街道，一車難求的辛酸經歷，地鐵站單車一排排，我的小區無人睬，這種用戶體驗簡直遜斃了。為此張小紅手機上安了六七個共享單車 App。這在我們互聯網行當里，需要引起高度重視，當競品出現在用戶手機里，你離用（gong）戶（si）流（po）失（chan）只有 36 小時（敲黑板）！

提高用戶體驗的背后有一座移動共享行業躲不開的大山——資源調度；改變困境不能依靠“人工掃街”，有一個說來容易做來難的方法——精細化運營。如何找到車輛缺失區域，通過數據驅動實現車源調度？神策數據分析師張小紅配了一個 DEMO 場景。

車輛缺失可能有兩個方面的原因：1. 車少了不夠騎。2. 車壞了不夠騎。影響兩方面的指標千變萬化，這里簡單闡明幾種方法。

1.對比車輛的投放量和活躍量，判斷車輛投放少。

活躍量是反應車輛使用率的最直觀方式，根據監測的所屬片區的車輛投放量與有開始用車行為的車輛數進行對比，如果活躍量接近投放量，則該地區有車輛缺失風險，需要結合其他指標進一步觀察。

圖1 不同區域車輛投放量和活躍量對比圖

2.根據某區域車輛平均使用次數進行判斷，判斷車輛投放少。

精確追蹤每輛車的用戶行為數據，由于共享單車通常用于解決短距離交通問題，所以可以大體定位到區域內車輛。如果A區域內，一輛車的平均使用次數是 10 次，B 區域內平均使用次數為 20，那么數據就會傳達給城市經理一個信息，該區域缺車，導致同一輛車被頻繁使用。城市經理通過歷史投放車輛數據的對比和實際考察，可以追蹤缺車情況，把控投放策略，提高用戶體驗。

3.根據10天內車輛不活躍數及假報修率綜合解決壞車問題。

圖2 10 天不活躍車輛數與假報修率概覽

密切關注活躍車輛數據，通過屬性分析可以觀察到，該區域有哪些車輛連續n天不活躍，說明該車有可能損壞了，再根據該車輛的地理位置屬性，可以定位到車輛停放位置，及時維修和補分配車輛。

同時需要警惕用戶的虛假報修行為。下圖是假報修率漏斗分析圖，我們可以看到，紅框是報修后發生結束被騎行為的車輛，毫無疑問，這些車輛被假報修了。點開下方數字，可以看到這些車輛的具體信息，方便師傅搬車。

圖3 假報修率漏斗分析圖

4.利用事件分析找到偏遠地區的車輛，合理調配資源。

圖4 偏遠地區車輛分布線圖

關注最后一單時間距離本次開始用車時間長達八小時以上的車輛，這些車輛沒有損壞，但是可能被停在了難以尋找到的偏遠地區，所以活躍率偏低，浪費了資源。公司需要對這些車輛進行人工調配，這也是一種解決其他區域缺車問題的“曲線救國”方法。

▌?共享經濟下的大數據分析

移動共享意味著大量靈活性的資源流動，而共享單車、充電寶、smart 等產品的層出不窮，則恰恰驗證了這一模式的可行性。資源流動不可避免帶來碎片化資源的流動數據，用戶的多樣性也增加了產品的運營難度。

共享經濟是基于完善的大數據設施而實現的上層商業生態，互聯網為其提供了更大的平臺和更豐富的模式，大數據則以科學的方式支撐著他們的運營和決策。數據驅動下的精細化運營與商業決策，幫助創業者解決資源調配問題，產品精準推送到人，在競品中脫穎而出。

PS：小編拋磚引玉，歡迎大家踴躍留言，討論共享單車的數據分析理念。

你或許還想看到：

周五話分析 | 方法論難落地？來個量身定制版本吧（AARRR模型）

周五話營銷 | 健身房花式賣卡，詮釋點擊營銷流

周五話運營 | 和用戶談一段不分手的戀愛（留存分析）

總結

以上是生活随笔為你收集整理的周五话分析 | 共享单车起航，数据分析跟上的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。