数极客首页

大数据与美团外卖的精细化运营

导读:如今,外卖已经成为很多人生活中的一部分,一身黄衣、满街飞驰的外卖小哥也早已是我们熟悉的城市风景线。然而,大家可能想象不到的是,看上去简简单单的送盒饭的背后,其实也有很多黑科技。2013年11月上线的美团外卖,在两年半的时间内成为中国最大的外卖平台,最近日订单已经突破400万,这个数字放在所有电商交易平台里也能轻松排到前列。而这种高速发展背后,与大数据技术的支撑和精细化的强力运营是分不开的。

本文选自美团外卖商业分析与策略负责人马宏彬和美团技术架构负责人夏华夏于2016年6月2日在清华大数据“应用·创新”系列讲座上所做的题为《大数据与美团外卖的精细化运营》的演讲。

美团外卖2013年正式上线,我想跟大家分享的是怎么利用互联网的基因,怎么利用技术的优势来把送外卖这件事做得更好。

对用户来说,他可以有更多的选择,并且对现在很多追求生活享受的宅男宅女或者一些生活节奏比较快的人,这也是非常方便的。

原因是,这个业务里面有很大的成本。对平台来说,我们虽然跟商家要了一块钱、两块钱,跟用户要了好几块钱的配送费,但是实际上至少在现在这个阶段,我们还需要很多的支出。

补贴,对一个快速发展的新业务来说,我们需要获取大量的新用户,同时我们又需要照顾3亿多老用户,留住老用户也需要一定的代价。

刷单,我们需要去限制那种恶意的通过刷单来套利的做法。

配送,每一个订单都需要配送。我们更需要管理上万人的团队,如此庞大的团队的协调、管理、组织,包括业务策略的制定都是很大的挑战。

接下来我们会按照补贴、刷单、配送这个顺序给大家简单举一些例子。

大家可以看一下,我们很多过去用户的补贴。对于很多的新客会推出一元吃大餐,新客第一次买会减25块钱,25块钱对一个用户来说可能不是很多,但是对于整个平台来说,如果有那么多的用户,就显得很多了。很多时候我们会推出一些红包,一些新客的红包第一次用,通过朋友分享,可以让你的微信朋友拿到红包。我们以后也会推出一些老客的红包,这个价值都是变的,这个显示的是最低档,我们没有低于一元的红包,也会有很多面额很高的,现在有六元、十元、十几元的红包。这么多的红包发出去,这么多补贴做出去,发现有的时候效果不是那么好,有很多不同的配置,一种情况比如说,有一些用户觉得,你给我发红包是没用的。比如,有的用户不需要补贴,有的用户需要补贴,也有的用户虽然需要补贴,但是补贴了对我们的业务没有帮助。这个用户是不是需要给他补贴?这是不一样的。

第二是用户在什么时间用补贴?有的用户可能在周末的时候才点外卖,平时的时候在公司上班,公司有食堂,也不需要自己带饭,到食堂买饭就可以。但是到周末没有人给他做饭,这时候需要点外卖。有的人只在上班的时候点,还有的是夜猫子型的,可能晚上给他推个红包特别有用。最有理想的情况是,我们能预测每个用户他即将点外卖了,我们提前一、两分钟给他推一个红包是最有用的,所以时间是非常重要的。

用户需要什么形式的红包?比如说我是不是给他一个特别品类的红包,比如是一个夜宵的红包,还是给他一个下午茶或者是早餐的红包。有多大力度?有的用户可能给他一块钱他无感,有的用户给他十块钱,他消费不了,到底有多大力度的补贴也是非常有讲究的。

用户在使用补贴之后,到底是什么行为?我们之所以给这个用户补贴,是希望通过给这个用户补贴,把他吸引到我们平台上来,之后就源源不断地能在我们平台上消费。但有一种用户我们叫做是“薅羊毛”型的,就是我给他红包他就来,不给他红包他就不来,如果我们一直做就亏了。所以我们希望预测一下,用户使用补贴之后,下单之后,他以后的行为是什么样的。这是我们用户补贴里面需要考虑的一些问题。

还有一个维度,用户自动转化的概率有多大,其实我们发现每天都有很多的新客进来,很多新的用户没有用红包就过来了。还有的用户只有给他用红包,他才完成转化,但是转化之后就可能一直留在这里,因为之前的渠道可能不足以让他接触到美团外卖,或者说在使用美团外卖有一些门槛,比如说完成支付的门槛、需要建立帐号等等,如果我们作为补贴把他拉过来之后,他越过了这个门槛,以后就留在这里,这个很好,所以就有这么几个象限。

我们说,用户自动转化意愿高的,不给他红包他也愿意过来,如果能识别出来这个最好,就可以不给他补贴。还有一些只有发他红包他才过来,给了之后他又会流失的,第三象限这一块,就是我刚才说的就是那种“薅羊毛”型的,这部分用户我们认为也最好不给他了。我们需要识别那些给了红包就可以一直留在我们平台,即使以后没有红包。我们怎么知道用户属于哪个象限的?这需要我们用大量数据做挖掘。

有了这些数据之后,通过数据挖掘的算法,把用户做了深入的挖掘之后,再去完善用户的各种画像。就可以得到一个模型。

然后对于任何一个特定的用户,我把他的一些浏览购买历史的信息输入这个模型里面,就知道这个用户很多具体的特征。例如说他的年龄25到30,可能是一个刚毕业没多久的白领。例如他是一个夜猫子,我们就在晚上给他推荐一些夜宵。比如说单身理工男,他可能就不太喜欢这种甜食、水果之类的。这就是我们在通过大数据挖掘得到很多用户画像的信息,再反过来用在我们用户营销、用户补贴、红包推送方面,可以大大提高我们的精准度。

如果理想情况下,我们把原来随便撒红包的形式,限制在一个象限,我们资金的使用效率就会更高。所以这就是大数据在用户补贴方面的使用。

还有制造一些虚假的订单量,一个店上去之后,本来一个月卖三单五单的,通过大量的虚假订单,这个月一下子卖了一千单。因为我们网站对商家排名的时候是按照销量排名的,把他刷上去,他的排名就在上面,就会带来更多的流量,这就是制造虚假订单。

还有一部分是利用虚假订单写一些虚假的评论来误导用户。

跟补贴相关的,主要是补贴套现这部分。

最后我们就会做出这个防刷单模型,基于这个刷单模型我们就可以判断说,这个用户刷单的可能性有多少,商家刷单的可能性有多少。对可能性比较高的,我们运营人员就会介入进去,去分析,如果是真的就加以比较严厉的惩罚,轻的,就追回刷单的赃款,如果重的话,就以欺诈的罪名,与法律机关配合做一些动作。

订单数是减不了的,甚至有可能更多,怎么优化这一部分成本?只能是通过技术手段提高每个人的效率,提高每个人每天能送的单数。

另外,用户希望外卖到达的时间也不太一样,我们会给用户承诺,大部分订单是45分钟甚至35分钟就送达。但还有一些用户就希望指定,比如说今天上午定,希望今天下午六点半送到我这儿。我们会把这些信息收集起来,配合骑手的信息,包括骑手的数量,每个骑手的地理位置会时时上报上来。每个骑手的手里有什么订单会上报上来,包括每个骑手骑车的速度,有的烧汽油的,就跑的很快,有的电动车就跑的慢,还有的城市限摩限电,他们就只能很辛苦的骑着自行车送。比如说有一些天气不好的时候,也要考虑,比如说下雨天、冬天下雪天的时候,很多配送员是步行送餐,这些信息都要考虑进去。

这个数据量特别大,现在包括了骑手的数据,现在十几万骑手,每十秒上报一个位置,所以有特别多的点。再加上我们因为要给全国很多城市做配送,专门跟气象部门合作,购买了每个城市的实时气象数据,然后我们会根据气象数据知道城市的雨雪情况,根据这个天气情况做调度,这个输入的数据特别多。基于这个,我们正在配送的调度方面不断的去探索。当然现在离我们真正的所预期的一个目标,我自己预期,是希望每个人每天四五十单,现在我们送二十单还有很大的距离,但是我们现在一直在做一些优化。

马宏彬:今天从业务的角度,简单说一点,这个可能有点打击,因为作为一个需求方,大家搞大数据的时候,必须明确一点,那么多的算法最终呈现出来是在某次会议上,不管用多么花哨的分析,必须是让会议上人士能够听懂的这件事情。将来大家加入这个行业里,真正做大数据的时候,想想这个结果的终极场景是什么样的。不好意思要黑文科生一下,如果你的领导是一个文科生,你跟他讲这个过程中有这样那样约束条件、变量、算法,他很有可能其实根本不知道你在说什么。所以我觉得站在我业务的角度有一个建议,不管大数据、中数据还是小数据,在结论层面非常简单、非常有力。如果他搞不懂的时候,他问你的时候,你跟他说一些算法之类的时候,他也搞不懂,所以一定要站在最终的使用场景上来考虑如何应用数据。我曾经还懂点技术,但是现在技术几乎是盲的,我只知道我大概每天需要花多少钱。我们是整个业界、互联网界今年第二大的补贴大战,仅次于滴滴和优步,然后每天补贴烧钱,就由我们这个部门来完成。

盒饭三巨头里面,介绍一下美团的一些小数据。12月份当时通过23亿,当时整个单量通过300万单,很多城市单月交易额持续破亿。

所以把市占如果从另外一个角度,这也是基于各种数据,围绕这个角度,一看我们的市占必须得清楚自己的数据最后打到不同的地方,市占哪里强哪里不强。

我下面放了一张图,《速度与激情》大家估计都看过,结尾的时候歌响起的时候,两个人在路口分开。我为什么放这张图?大概去年某个阶段,我妈也跟我说,自从我进了外卖,他天天关注我们小区内,他用了一个小样本的采集方式,关注我们小区内的哪一家多哪一家少。有一天,他说最近百度特别多。一天晚上我回去之后到我们家看,三个百度的车进到我们家院里,在小区的中间某个口的位置,分了三个方向,各拿一个旗就冲出去了,我当时脑海里呈现的就是《速度与激情》的这个画面。

今天我路过望京地区,见到穿黄色衣服的都是我们的骑手。我不知道大家是否有这种感觉,现在大街上某个稍微繁华的路口,大部分时间都能够看到一两个穿黄色衣服的骑手。用专送之后,整个骑手制服各方面挺精神、挺帅气的。我们搞了专送以后,整个用户体验变好了之后,用户体验变好了,走访消费者,很多人说觉得你穿上制服以后觉得比较正规,我们以前其实都不是,都是各个商家自己出去的配送员。但是现在穿制服之后,可以进行统一管理,这方面相对好一些。所以按照不同的方式思考占有率,这都是对数据的一个最基本的应用。结合业务数据思索背后的原因。

我们一定得有点竞争优势,专送实际上就是能让我们建立竞争优势的好方式。什么叫竞争优势?就是我们牛,你想赶都赶不上我们,根本超过不了我们。但总体来讲,一般业界你要是比别人厉害,他超过不了你,要不然你有特别牛的产品和服务。

还有另外一种,比如呷哺呷哺的火锅,我觉得不难吃,也谈不上口味多难忘,但是他特别便宜。所以他这种就属于我也不指着我的服务和产品比别人好特别多,就是便宜,我通过我整个店内的摆放、服务员成本、店面的成本、厨子的成本全都降到最好,就是比你便宜很多,你60我30,所以我每天的翻台率高,包括我的整个房租成本就进一步打下去。所以说到底,一个行业,你真的要和别人拉开竞争优势要不就是服务跟体验特别厉害,要不就是成本控制上特别厉害。我们这个行业,大家的成本其实差不多的,主要还是就是拼体验,我现在如果有专送肯定比非专送的体验好一些。我在大街上能看到到处都是黄色的小袋鼠,经过我们培养和训练的这些配送人员确实是在礼仪方面、服务态度方面还是不错的,我们觉得这实际上是建立竞争优势非常好的一个方式。所以说这都是基于数据看到的。

还有一些可以用的方式,你可以基于用户下单的频次做一些优惠敏感度的分析。外卖平台有补贴大家都知道,没有补贴是不行的。但实际上,各家企业的补贴都降的差不多了。第二点,你在整个分析这个用户敏感度的时候,你基于不同的单价,看一下补贴降低的过程中,大家的活跃度、消费频次的变化,这是很简单的一个事情,比如说我脑子里带着这个结论去看,然后基于华夏老师提供的数据,我们就把每个订单锁定到每个用户,然后看不同的这种单定价的范围内,用户的的消费频次的变化,你惊奇的发现,随着补贴率的降低,高客单价的用户消费频次反而在提升,高客单价用户的整个的这种活跃度反而在提升,你就会思考,为什么会出现这些事情?你知道整个行业的体验在改善,体验改善包括很多种,一个是速度越来越快,送的越来越标准。最早送的外卖多数是地沟油产品,我当年在清华读书的时候,点餐体验不是那么好。今天在点外卖的时候,就发现各种品牌非常好的餐厅都在我们外卖平台上。你会发现随着平台供给的各种改善,其实消费者对整个补贴的敏感程度是不高的,都是通过大数据的来分析出来的。

还有一个方式,烧钱补贴大战,补贴大战意思就是,你烧一把,他烧一把,大家来回对着烧。我们是相对来讲比较理性,但是有的时候并不代表我们竞争对手同样理性,所以有的时候会发现,竞争对手烧一笔大钱上去,你就会想跟还是不跟?我抗一段时间看一下,抗了以后你发现,你把整个定价结构这一段时间和前一段时间再比较一下发现,我们高客单价用户整体上来讲并没有因为活动受到一些什么影响,我们低客单价用户可能受到了一些影响。我们自己好多同事,每天看我们楼下点外卖的频次,就知道谁做的活动力度最大。基于这样一种特点,你发现这部分用户走了,你想想能不能抗得住?然后再基于客单价的敏感度分析,这个其实是抗得住的,说的有点极端了。但其实说的意思就是基于优惠的敏感度分析,基于大数据的分析,可以做一些基本的结论判断,然后在关键时刻,在别人决定出大招的时候,你决定跟还是不跟,整个数据应用层面是这样的。

来源:数据派 ?作者:马宏彬、夏华夏

整理:刘纯 ?校对:祁德力 ?二校:a西葫芦 ?编辑:张梦

发表评论

评论已关闭。

相关文章