摩拜單車用戶行為營銷分析

張曲智 李佳欣

摘 ?要：本文通過300w條摩拜用戶的歷史出行數(shù)據(jù)，對用戶的出行規(guī)律進(jìn)行推測。再經(jīng)過數(shù)據(jù)清洗和數(shù)據(jù)探索后，分別通過時間和出行距離兩個維度，得出用戶使用量與出行時間有關(guān)，與出行距離無關(guān)的結(jié)論。

關(guān)鍵詞：用戶行為;時間;訂單;行駛距離

一、公司背景

如今摩拜單車使用了新一代物聯(lián)網(wǎng)技術(shù)，通過智能手機 app 讓用戶隨時隨地可以定位并使用最近的摩拜單車，騎行到達(dá)目的地后，就近停放在路邊合適的區(qū)域，關(guān)鎖即實現(xiàn)電子付費結(jié)算。摩拜單車于 2015 年 1 月成立，2016 年 4 月 22 日地球日當(dāng)天在上海正式推出智能共享單車服務(wù)，并已先后進(jìn)入中國、新加坡、英國、意大利、日本、泰國、韓國等19個國家。

二、研究目的與意義

作為消費者，希望得到更好的體驗，可以隨時隨地騎行;作為公司，面對競爭激烈的共享單車市場，為了面向消費者多變的需求，尋找出行規(guī)律降低成本。摩拜需要定期對消費者行為進(jìn)行分析，從而制定對應(yīng)的戰(zhàn)略，產(chǎn)品與運營調(diào)度，更好的調(diào)度和管理。

市場上來看，隨著互聯(lián)網(wǎng)不斷發(fā)展，數(shù)據(jù)儲存能力不斷提升，數(shù)據(jù)量需求持續(xù)增加的情況下，數(shù)據(jù)處理與分析變得困難。而Gatner Group[2]交出的答卷是商業(yè)智能（BI）。通過分析，決策人員獲得了知識，從而為企業(yè)發(fā)展做出更加有力的決策[3]。本文希望通過數(shù)據(jù)處理，分析消費者行為，為摩拜單車的調(diào)度和運營的策略提供依據(jù)。

三、分析過程

（一）數(shù)據(jù)處理

本次用到的數(shù)據(jù)，包含300萬條北京地區(qū)的出行記錄數(shù)據(jù)，覆蓋超過30萬用戶和40萬摩拜單車。經(jīng)清洗后，數(shù)據(jù)字段包括騎行起始時間（為包含年月日的時間戳）和地點、車輛ID、車輛類型和用戶ID等信息。本次分析目的是處理數(shù)據(jù)，得出初步結(jié)論，同時為后期預(yù)測騎行目的地的區(qū)塊位置打好基礎(chǔ)。

（二） 基于Geohash劃分區(qū)域

在這里介紹Geohash[1]：GeoHash將二維的經(jīng)緯度轉(zhuǎn)換成字符串，比如右圖展示了北京9個區(qū)域的GeoHash字符串每一個字符串代表了某一矩形區(qū)域。字符串越長，表示的范圍越精確。如圖所示，5位的編碼能表示10平方千米范圍的矩形區(qū)域，而6位編碼能表示更精細(xì)的區(qū)域（約0.34平方千米）。

（三）時間與訂單量分析

首先，利用python，將時間戳中的每個時刻提取出來，同時進(jìn)行分組求和，可得每個時刻的訂單產(chǎn)生情況（如左圖）;再次處理時間，將時間戳中的工作日記為0，非工作日記為1，按照是否為工作日和出行時刻同時進(jìn)行分組，按組計算沒時刻產(chǎn)生的訂單量（如右圖）

可知，橫軸是每日的時刻，縱軸代表訂單數(shù)量。由圖可知，藍(lán)色區(qū)域代表工作日，7-8點，17-18點是工作日的高峰期，其他時刻波動平緩，與高峰期時刻差別明顯。綠色區(qū)域代表非工作日，不存在訂單高峰期，基本趨于平緩。工作日與非工作日訂單規(guī)律不同。工作日存在訂單高峰期，明顯高于非工作日;但非工作日平常時刻（8-16點）的訂單量要稍高

（四）出行距離分析

首先計算出行距離的描述統(tǒng)計，結(jié)果如下：

出行距離的中位數(shù)是660米左右，按照摩拜單車的定位，五公里以內(nèi)都是合理的數(shù)據(jù)，出行距離較遠(yuǎn)的訂單較為稀少，可以看做異常值處理。由此可以看出，

去除異常值之后，我們可以更為清晰的觀測到密度曲線主要分布在0-2000米以內(nèi)，符合摩拜單車短距離出行的定位。可以根據(jù)出行距離與訂單量作圖如上圖。

接下來探究，時間對出行距離有無明顯規(guī)律。圖中可以看出，雖然稍有波動，但是比較平緩，總體上沒有大的波動。時間對出行距離沒有決定性影響。

四、結(jié)論總結(jié)

經(jīng)過上述分析，這幾個月內(nèi)的數(shù)據(jù)顯示，消費者在工作日有明顯的高峰期出行規(guī)律，那么在對單車進(jìn)行調(diào)度和維護(hù)的時候，可以在工作日，約7-8點，17-18點時刻，重點部署單車位于各高峰期地鐵站出口，公交站;而非工作日，但非工作日平常時刻，8-16點，可以部署單車與各大商場出口，街邊指定擺放處，如此，根據(jù)消費者習(xí)慣，針對性強，也能給消費者更好的體驗，有利于用戶留存提高，用戶增長;而經(jīng)過數(shù)據(jù)顯示，騎行距離中位數(shù)在600米左右，而絕大部分人都在2000米以內(nèi)，公司應(yīng)在現(xiàn)階段應(yīng)把單車設(shè)計方向，和經(jīng)營戰(zhàn)略，都面向2千米以內(nèi)的客戶。

在當(dāng)前市場環(huán)境中，經(jīng)過大數(shù)據(jù)分析挖掘，可以有效的指定戰(zhàn)略[5]，抓住市場機遇，也可以更好的運營業(yè)務(wù)，節(jié)省成本。

參考文獻(xiàn)：

[1]邢凱， 羅永龍， 寧雪莉， et al. 基于Geohash編碼的位置隱私保護(hù)算法[J]. 計算機工程與應(yīng)用， 2019， 55（1）.

[2]錢丹丹，周金海.基于大數(shù)據(jù)的商業(yè)智能在電商數(shù)據(jù)分析中的應(yīng)用[J].電子商務(wù)，2019（04）：29-30+96.

[3]黃秋雨，耿繼原.社交媒體數(shù)據(jù)的獲取與處理分析研究[J].測繪與空間地理信息，2019，42（02）：141-144.

[4]李克（Ke Lee）. 基于服務(wù)設(shè)計的共享單車系統(tǒng)改良研究[D]. 沈陽航空航天大學(xué)， 2018.

[5] 劉靜. 摩拜單車的戰(zhàn)略分析[J]. 納稅， 2017（24）：151-151.