摩拜单车用户行为营销分析

2022-09-11

一、公司背景

如今摩拜单车使用了新一代物联网技术, 通过智能手机app让用户随时随地可以定位并使用最近的摩拜单车, 骑行到达目的地后, 就近停放在路边合适的区域, 关锁即实现电子付费结算。摩拜单车于2015年1月成立, 2016年4月22日地球日当天在上海正式推出智能共享单车服务, 并已先后进入中国、新加坡、英国、意大利、日本、泰国、韩国等19个国家。

二、研究目的与意义

作为消费者, 希望得到更好的体验, 可以随时随地骑行;作为公司, 面对竞争激烈的共享单车市场, 为了面向消费者多变的需求, 寻找出行规律降低成本。摩拜需要定期对消费者行为进行分析, 从而制定对应的战略, 产品与运营调度, 更好的调度和管理。

市场上来看, 随着互联网不断发展, 数据储存能力不断提升, 数据量需求持续增加的情况下, 数据处理与分析变得困难。而Gatner Group[2]交出的答卷是商业智能 (BI) 。通过分析, 决策人员获得了知识, 从而为企业发展做出更加有力的决策[3]。本文希望通过数据处理, 分析消费者行为, 为摩拜单车的调度和运营的策略提供依据。

三、分析过程

(一) 数据处理

本次用到的数据, 包含300万条北京地区的出行记录数据, 覆盖超过30万用户和40万摩拜单车。经清洗后, 数据字段包括骑行起始时间 (为包含年月日的时间戳) 和地点、车辆ID、车辆类型和用户ID等信息。本次分析目的是处理数据, 得出初步结论, 同时为后期预测骑行目的地的区块位置打好基础。

(二) 基于Geohash划分区域

在这里介绍Geohash[1]:GeoHash将二维的经纬度转换成字符串, 比如右图展示了北京9个区域的GeoHash字符串每一个字符串代表了某一矩形区域。字符串越长, 表示的范围越精确。如图所示, 5位的编码能表示10平方千米范围的矩形区域, 而6位编码能表示更精细的区域 (约0.34平方千米) 。

(三) 时间与订单量分析

首先, 利用python, 将时间戳中的每个时刻提取出来, 同时进行分组求和, 可得每个时刻的订单产生情况 (如左图) ;再次处理时间, 将时间戳中的工作日记为0, 非工作日记为1, 按照是否为工作日和出行时刻同时进行分组, 按组计算没时刻产生的订单量 (如右图)

可知, 横轴是每日的时刻, 纵轴代表订单数量。由图可知, 蓝色区域代表工作日, 7-8点, 17-18点是工作日的高峰期, 其他时刻波动平缓, 与高峰期时刻差别明显。绿色区域代表非工作日, 不存在订单高峰期, 基本趋于平缓。工作日与非工作日订单规律不同。工作日存在订单高峰期, 明显高于非工作日;但非工作日平常时刻 (8-16点) 的订单量要稍高

(四) 出行距离分析

首先计算出行距离的描述统计, 结果如下:

出行距离的中位数是660米左右, 按照摩拜单车的定位, 五公里以内都是合理的数据, 出行距离较远的订单较为稀少, 可以看做异常值处理。由此可以看出,

去除异常值之后, 我们可以更为清晰的观测到密度曲线主要分布在0-2000米以内, 符合摩拜单车短距离出行的定位。可以根据出行距离与订单量作图如上图。

接下来探究, 时间对出行距离有无明显规律。图中可以看出, 虽然稍有波动, 但是比较平缓, 总体上没有大的波动。时间对出行距离没有决定性影响。

四、结论总结

经过上述分析, 这几个月内的数据显示, 消费者在工作日有明显的高峰期出行规律, 那么在对单车进行调度和维护的时候, 可以在工作日, 约7-8点, 17-18点时刻, 重点部署单车位于各高峰期地铁站出口, 公交站;而非工作日, 但非工作日平常时刻, 8-16点, 可以部署单车与各大商场出口, 街边指定摆放处, 如此, 根据消费者习惯, 针对性强, 也能给消费者更好的体验, 有利于用户留存提高, 用户增长;而经过数据显示, 骑行距离中位数在600米左右, 而绝大部分人都在2000米以内, 公司应在现阶段应把单车设计方向, 和经营战略, 都面向2千米以内的客户。

在当前市场环境中, 经过大数据分析挖掘, 可以有效的指定战略[5], 抓住市场机遇, 也可以更好的运营业务, 节省成本。

摘要：本文通过300w条摩拜用户的历史出行数据, 对用户的出行规律进行推测。再经过数据清洗和数据探索后, 分别通过时间和出行距离两个维度, 得出用户使用量与出行时间有关, 与出行距离无关的结论。

关键词：用户行为,时间,订单,行驶距离