背景
通常来说,大数据开发的整体架构基本一样,都涉及到底层的数据平台架构、数据中间件的选择、数仓模型的建立、可视化展现,其中数据层面主要是数据的采集(埋点、业务数据)、数据处理(离线、实时)、数据治理(数据分层、数据字典、指标体系、数据监控、数据安全、数据数仓)、数据展现(BI、可视化)。
但是C端和B端对应的用户群、核心诉求都不太一样,会导致两块的数据目标、对数据的要求以及产品的思维方式都是不太相同的。
本人有幸针对电商C端做大数据开发2年,针对B端也做了2年,下面是我对这两个维度的数据产品以及开发思维的一些见解:
1、B端数据产品经理面对的是企业内部的业务协同与业务过程,产品目标是通过数据提升业务的决策效率,为业务过程提供定制化的数据产品服务。从而将消费者的需求精准而快速地传递给供应链,使得品牌与消费者的互动更加简洁和频繁。
2、C端产品需要用数据思维做产品设计,产品设计本身就是业务过程,产品的目标是通过数据能够快速的做用户圈选、用户画像、用户行为分析,为产品的迭代和优化方案提供可靠的数据支撑,方便快速进行产品迭代,能够很好的服务客户。
1、B端服务的对象是企业。核心诉求是:功能,流程,效率。作为B端某个方向的负责人的话,是对整个方向产品线负责,要学会在实际的业务需求中发现问题,解决问题,考虑系统的延展性与弹性,从而提升整个业务工作效率;
2、C端服务的对象是个人,侧重满足个人生活需求,给用户提供愉悦感(满足便利、新鲜感、虚荣心、欲望冲动),好玩。核心诉求是:交互、体验、使用成本。
1、B端根据客户的战略或服务于线下已有的流程,构建生态体系,推动将流程系统化,提高效率。客户关心的是软件是否满足企业的需求,是否符合实际业务流程,是否提高企业运作效率,是否实现规范化管理,同时更关心投入产出比(ROI)。
2、C端更多的关注是如转化率、功能留存、增长、页面停留时长等指标,只有关注这些指标才能更好的对产品进行优化和迭代。同时需要深挖消费者的心智模型,使用习惯,付费习惯,构建出能够满足消费者需求的有用户价值产品,进而在用户价值的基础上建立商业模式,产生商业价值。
to B相比to C在经营模式上需要一支链条更长的团队来运作。 to C,有产品经理、研发、再加一个推广运营就OK了,一支团队、三个角色可能就够了;但是to B不一样,得有市场营销,有了线索之后得有销售去转化,销售过程中可能还需要售前的配合,要给客户出方案,而客户不仅是一个人更是一个团队,还需要产品、研发、客服和技术支持等等,每个环节都是人在运作。链条一旦复杂之后,如果没有很好的战略能力、战略定力和组织能力,to B很难经营得很好。 to C的客户是一个个的人,我们自己也是一个个的人,我们可以问自己,问身边的人,观察周围的人;但to B我们面对的是一个个特定行业、特定场景里的组织,我们得真正理解这个行业。
C端项目,之前主要做了2大块:
1、APP的各个页面、模块的健康度(针对APP的优化升级和版本迭代)
业务需求:
APP版本迭代,验证每个页面、页面上的每个模块是否满足用户需求,验证各个模块的调整是否符合用户习惯,验证新上线的活动是否达到预期目标,验证每个模块带来的商品加购和成交转化率是否达标。
技术方案:
粗略的大概是以上指标,但是UV又区分到用户分层和活跃用户的情况,订单也涉及到首次加购和复购情况,商品详情页也分为普通商品、活动页等等。。
基于以上的数据指标可以分析出:
2、APP用户链路分析(针对用户活跃、留存、拉新、增长、分层等)
用户规模、用户活跃、用户留存、用户复购、用户分层等。
业务需求:
用户分群和精准推送、用户画像、搜索推荐等
技术方案:
这块统计涉及到维度和统计范围都是比较广的,涉及到埋点日志、业务数据、推广和投放等各个渠道的数据。如何对这部分数据进行ETL和聚合是这块的主要技术难点。
B端项目,主要也做了2大块
1、B端线索分配数据
业务需求:
技术方案:
基础数据流程:
数仓模型-雪花模型(线索域)
2、B端店铺分层/门店健康分分层(在to C的时候也做过对入驻APP的店铺进行分层)
业务目标:
按照一定的维度进行店铺分层,区分头部、腰部、尾部的店铺,通过对头部店铺的行为进行分析,将一些好的行为和活动赋能给其他的门店,希望能够提升所有门店的结果。
前提:验证店铺好不好的唯一标准就是成单量(ORI)
技术方案:
通过过去6个月的数据来确定各个指标对应的数值或者权重。
例如:
销量为例:销量得分总分为100分。
对店铺按照销量进行排序,如果该店铺销量在全部店铺排名为前1%,那么得分为100。
当然还可以按照优先级进行权重评判。
当然上面的情况只是在两家公司的总结,并不能作为一个普适的标准,就算to C的电商公司卖的商品也会有很大的区别,例如买小型商品和奢侈品的平台在商业模式是是有很大的区别的。在电商公司看来很重要的加购行为,在拼多多是不能适用的。
但是to B和to C还有有点本质差别的:
to C讲究的是创新和匠心,特别看中玩法,不论像之前的搭伙、拼团,还是后面的红包、优惠券,都是不同的玩法,如何抓住新用户(创新)、维护一批忠实客户(匠心)是C端产品主要研究的点。
to B讲究的是赋能,或者像网易所说的“合能”,主要是聚集在效率上,希望跟你合一起,帮助你成长,相对来说在模式上需要一个更长的链路去支撑,尤其是市场营销,而且这一块大部分偏线下,不太好把控。
相对来说,to B更加的困难。
当然上面都是一个数据开发人员的视角,可能只是一个片面的结论。
开发人员能做的就是切合到具体的业务场景,根据它具体的业务模式和数据情况来分析出能够赋能业务的数据指标。
转自:大数据技术团队-高威
本文分享自 Python数据分析实例 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!