从开发视角看数据分析(3)

公式有了之后，就要开始分析两个因子，全部商品数量来自于业务方的供给，BD来了多少商品上拍我们做为技术几乎很难影响（实际情况是我们可以做一些对货品要求上的指导决策），没道理BD同学辛辛苦苦谈下来的资产到平台无法上拍不是。

那么我们能做的就是尽量让有出价的商品数量变大，从转化漏斗的角度，我们的核心操作就是要提升浏览拍品的绝对值，增加后续各个路径的转化率，但由于拍品大部分都是大资产，笔单价几十万级别，理想中的转化漏斗实际操作起来非常复杂。所以我们团队做了很多的数据分析。

▐  现状梳理

‍

（此处为模拟数据）‍

‍

公式都已经定义了，数据分析的一步就是把这个公式实现成报表，看看当前这个指标的现状是怎样的。

这一步是常规操作，我们很快的做了近两年的拍下率大盘，但是新的问题又来了，由于拍卖业务的特殊性，大盘建立后，我们发现这个指标的波动特别大，完全没办法指导我们后续的动作。于是不得不再做分析。

▐  由简入繁

前面的公式知道了拍下率其实可以拆解为两个因子：有出价商品数量和全部商品数量，那么就将这两个指标展开看一下，比如：

• 按类目拆分的的出价商品数的情况和全部商品的情况

• 按浏览数据、订阅数据、交保数据看哪个因子与出价最相关，中间的转化漏斗情况

• 大资产商品的地域信息很重，那么我们还要看不同地区的情况

• 当然还要看不同时间的情况，比如春节、国庆等特殊时期或者双促时，拍下率基本是下跌的

• 此外还要看未拍下的商品与拍下的商品有什么区别，货真的不好吗？比如市场价100万的房子，起拍价200万，那么肯定是拍不下的，价格因素会大大影响拍下率

• 还有从用户维度去思考，比如拍下房产的用户他们的购买力情况、在拍卖的行为（首次来拍卖、首次浏览、订阅、交保、出价）、是否有复购行为，是否是企业用户或者投资客等等

前面这些情况其实我们从货的角度、人的角度、时间、地理位置等等各个因素去入手，尽可能的发现问题，但是我们会发现按这个思路把问题拆解下去，维度是无限的，要适时总结，得出可以指导下一步动作的结论就好。

▐  归纳、总结

如何做好归纳总结这一步其实比前面的数据分析更重要，我理解最关键的点是“相关性”，一旦当前的数据已经和你最初的问呈现较为明显的正向相关，基本就可以了。

分析拍下率的问题中，我们得到了三个因素相关性很高，我们称为影响拍下率的三座大山：

• **批量拍品：**拍卖的业务中存在大量的机构一下子发几百套房子，但最终拍下很少，这类case会造成拍下率极不稳定。一旦这种拍品出现会发现我们站内的流量基本都是不足的，因此我们采用短信、push、外呼等主动触达手动再加上算法挖掘为这类拍品补足流量。

• **腰部拍品：**我们的拍品结构很复杂，有价格很低的房子（比如1元起拍的、11.11元起拍的等），这种房子我们定义为头部商品；相反那些和市场价基本持平甚至超出市场价的很多的，基本大概率卖不出去，我们定义为尾部商品；中间的那一些就是腰部商品，分析中发现这部分腰部商品结构变化造成了拍下率波动。（真实的腰部拍品定义其实不光是价格因素，这里只是简单举例）。

• • 因此我们在站内通过流量补足、站外主动触达的手段进行流量补足，来尽量促成这部分拍品向头部转化，最终成交。看拍下率数据时，我们也会将拍品分层次去看。

• 除此之外，上面的流量调控也只是针对对流量敏感的商品，但是针对特殊商品，比如大额股权、船舶、土地等小众商品，对流量不敏感，我们会用人工撮合的方式来处理。

• 地理位置：比如同样的房子，杭州的用户心智较成熟，对应的杭州的房子就比较好拍下，拍下率就远比其他地方高。相比某个地区的三四线城市，拍下率就很低，我们在分析问题时，也会不同地区的拍下率分开处理。

• • 比如，三四线城市，我们正在模式站外广告、传媒广告、线下服务等多种方式特殊处理。

• 拍下率相对稳定的一二线城市，我们更多在做扩大拍品供给，打造用户心智等。

▐  验证迭代

上面经过归纳总结，我们得到了一些关键动作：

• 站内对腰部商品做流量调控，这块主要依赖我们导购端的流量调控能力。调控实施时，也要基于头部商品拍下率不变，然后把过剩的流量向腰部商品倾斜，也做了很多数据工作来也验证策略的有效性。

• 站外对批量拍品进行货找人，然后通过主动触达的方式进行流量补足，召回的子项目也建设了很多数据报表，来衡量对这部分拍品的贡献。

最后，除了一些子项目的效果追踪，我们还要不忘初心，反过来看大盘的拍下率有没有变化，看看我们最初的问题有没有得到解决。

总结

---

---

• 总体来讲，数据分析就是一个总-分-总的过程：

• • 第一个总是要从总的目标出发，开始拆解、细化

• 分则是围绕大目标不断细分向下，从尽可能多的角度看待问题

• 第二个总则是适时回归本心，不能光做了分析而没有结论

• 数据分析的道路永无止境，1个问题可以拆出N个指标，N个指标相互聚合又会有N*N个指标，分析过程中又会出现M新个指标……，所以适时做归纳、总结，看看当前结论是否可以支持最初的问题，指导下一步的行动、得出有效结论即可。

• 回归到开发视角，做数据分析的前提是要有数据，开发过程中，除了基础的业务模型设计，还要考虑多记录一些日志，比如接口耗时、必要的报错信息、可辅助数据分析的一部分业务数据、一些关键节点的行为日志等等。

• 最后，多思考为什么？为什么我的主管会定某个指标为目标？我所负责的部分对这个目标有哪方面的帮助？团队中其他人的部分怎么配合起来共赢，他们的子目标是什么？站在更高的角度思考这些问题，对业务、数据、技术的理解都会更通透。

淘系技术部-阿里拍卖技术部

阿里拍卖是全球超大活跃的在线拍卖平台，GMV 规模超过 6 千亿，年服务消费者 2 亿，一年成交 10 万套二手房。年平均营收增长 100% 以上，万亿蓝海市场赛道独角兽，中国5亿新中产的网购顶级俱乐部。阿里拍卖技术部是一支拥有前端、后端、测试、算法等全建制技术团队，人数70+，我们既有背靠淘系技术设施的优势，又有结合独特拍卖行业特性的行业技术解决方案。

招聘岗位：JAVA开发、算法、前端、测试、客户端

内推邮箱：jianping.xwh@alibaba-inc.com

✿  拓展阅读

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）

最后

针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。

最新整理面试题

上述的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题

最新整理电子书

最新整理大厂面试文档

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
最新整理电子书

[外链图片转存中…(img-u8jKjOgC-1713475015902)]

最新整理大厂面试文档

[外链图片转存中…(img-pLkTSENG-1713475015902)]

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！