chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

　　編輯導(dǎo)讀：物流行業(yè)的基建時代已來臨，未來比拼的是技術(shù)基建能力。從數(shù)據(jù)到業(yè)務(wù)，從業(yè)務(wù)運營角度打造深刻理解物流業(yè)務(wù)的指標體系。本文將對此進行分析，與你分享。

　　物流行業(yè)特點之一就是重業(yè)務(wù)，不少業(yè)務(wù)人員習(xí)慣埋頭干業(yè)務(wù)，但缺乏對業(yè)務(wù)結(jié)果的追求，無法通過數(shù)據(jù)衡量細化業(yè)務(wù)方向的好壞，很累很苦卻沒有看到增長！此為數(shù)據(jù)意識差。

　　今年是物流行業(yè)資本集中涌入的元年，京東物流、滿幫已上市，福佑即將IPO，貨拉拉、滴滴貨運融資幾十億美元。思考下，這么多錢，除了開拓業(yè)務(wù)還要干嘛？重金做基建。福佑表示上市募資30%將用于研發(fā)，滿幫的融資重點要提升智能匹配系統(tǒng)的技術(shù)壁壘，貨拉拉連地圖都要自建……所以不妨大膽預(yù)測下：物流行業(yè)的基建時代已來臨，未來比拼的是技術(shù)基建能力。

　　何為基建？淘寶的基建包括物流和支付，物流（貨運）、外賣、單車、打車、點評的基建是地圖、調(diào)度、數(shù)據(jù)。數(shù)據(jù)本身無用，但是當你的數(shù)據(jù)可以衡量業(yè)務(wù)、發(fā)現(xiàn)問題、挖掘機會點時，那就有用了。如何做到有用？合適的指標體系是第一優(yōu)先級。

　　本文就詳聊下：從數(shù)據(jù)到業(yè)務(wù)，從業(yè)務(wù)運營角度打造深刻理解物流業(yè)務(wù)的指標體系。

　　定指標體系的方法論為OSM模型。

　　Obejective（業(yè)務(wù)目標）：用戶使用產(chǎn)品的目標是什么？產(chǎn)品滿足了用戶的什么需求？Strategy（業(yè)務(wù)策略）：為了達成上述目標我采取的策略是什么？Measurement（業(yè)務(wù)度量）：這些策略隨之帶來的數(shù)據(jù)指標變化有哪些？我們先用OSM模型理解下物流業(yè)務(wù)：

　　物流行業(yè)的核心業(yè)務(wù)目標為將大規(guī)模高并發(fā)的貨物從A點安全、準時地運送到B點。為了達成準時與安全，通常業(yè)務(wù)策略為：高增長的需求→充足的運力→迅捷地調(diào)度→規(guī)范的承運。注意以上還停留在方法論，如果以為擁有它就擁有全世界，那只能說是年輕。

　　數(shù)據(jù)分析師的思路是通過以下四個步驟完成指標體系的構(gòu)建：確定主指標→拆分子指標→拆分過程指標→添加分類維度。

　　小河認為按以上思路可行并且也可落地。但是還不足夠貼近業(yè)務(wù)，因為指標最終若想要提升，最終還是需要業(yè)務(wù)方去落實。

　　所以指標首要要做到貼合業(yè)務(wù)模塊，按照各業(yè)務(wù)模塊梳理對應(yīng)主指標，然后不斷進行指標下鉆。我們先還原各業(yè)務(wù)模塊的組成：

　　需求模塊：需求產(chǎn)生-需求確定調(diào)度模塊：需求分發(fā)-運力響應(yīng)交易模塊：協(xié)商撮合-確定交易運送模塊：運力取貨-送達完成財務(wù)模塊：費用計算-打款到賬接下來我們依次來看各模塊最需要哪些指標。

　　需求是所有模塊里最重要的，供給不夠還可以補充，需求要是疲軟，神仙也難救。需求模塊的指標比較簡單，主指標為下單量。下單量＝詢價單數(shù)×下單率。常見分析維度有區(qū)域/車型，區(qū)域和車型就不講了，這里重點聊下需求分類、需求分布、用戶價值細分、需求轉(zhuǎn)化。

　　1）需求分類

　　需求端的核心是要將下單量進行分類：

　　哪些是真實需求單哪些是重復(fù)需求單哪些是偽需求單哪些是條件苛刻的需求單哪些是假單（來自競對、測試等）以上不少人會忽視，意識層面沒到這一層，真以為只要是下的單就是真實需求。有一個重要概念需普及：長鞭效應(yīng)，意為市場端的需求被無限放大。

　　舉一個大家小學(xué)時都經(jīng)歷過的例子：市里領(lǐng)導(dǎo)要9點來學(xué)校參觀，教委就要求8：30集合，學(xué)校要求各年級8點集合，班主任聽完了就要求班級7：30在操場集合，然后全體學(xué)生在操場7：30等到9點……

　　具體到需求訂單上的表現(xiàn)就是：

　　重復(fù)單，典型場景為一單多下，更絕的是一個單子全網(wǎng)各平臺都發(fā)。臨時取消單，典型場景為突然不發(fā)貨了或找到別的運力渠道了。估價單，如果平臺無定價體系，還會存在一部分單僅僅是要一個價格，不是需求。條件苛刻單，個別訂單條件非?？量蹋l干誰虧本，拯救它們投入產(chǎn)出比極低。假單，競對、內(nèi)部人員、司機為體驗流程或基于其它目的直接下真單下著玩。拋開以上，才是真實需求的訂單。如果平臺搞錯了真實需求訂單量，那么供應(yīng)的計算也會錯，會給運營帶來巨大的噪音。

　　比如從數(shù)據(jù)層面上有30%的訂單無運力響應(yīng)，普通選手會先入為主：運力不足。但是高手第一步會先去識別這30%的單里：重復(fù)單、臨時取消單、純估價單、假單各有多少。搞不好深入分析完會發(fā)現(xiàn)，其實不缺運力。這就是巨大的噪音。所以做指標體系時，將需求分類這個維度考慮進去，可以極大提升同事的認知。

　　小河的分析經(jīng)驗是：學(xué)會脫離比例數(shù)據(jù)，直接去分析需求本身。想要更了解真相，就要離需求更近，很多比率數(shù)據(jù)有噪音。

　　比率可以很好地衡量好壞，但是要分析具體某一細分場景下的問題時，可能數(shù)值數(shù)據(jù)更有效。比如30%未響應(yīng)單對應(yīng)的是1000個訂單，直接深入去分析這1000個單到底長啥樣就行。

　　2）需求分布

　　需求來源于用戶，所以底層需求的分布就是用戶的分布。

　?、傩袠I(yè)分布

　　這是一個貨運場景，誰貨多誰就需求多。而貨的多寡，與用戶所在的行業(yè)屬性息息相關(guān)：

　　批發(fā)市場/物流園/家居建材用戶高頻&低客單價&價格敏感。工廠用戶低頻&高客單價&價格不敏感。食品用戶季節(jié)性強?！诘赜蚍植?

　　要找到不同行業(yè)用戶在地域上的分布，細致到能通過線下的銷售找到ta們并挖掘。以及如何將他們本身的需求激發(fā)出來，包括原有老需求轉(zhuǎn)移到平臺和平臺創(chuàng)造用戶的新需求。

　　綜合行業(yè)分布&地域分布，最終要達成能在地圖上看到需求的分布，已開發(fā)需求多少，未開發(fā)需求多少，這對于需求的預(yù)測有很大幫助，方便規(guī)劃供應(yīng)。

　　3）用戶價值細分

　　誰是平臺的敵人，誰是平臺的朋友？做業(yè)務(wù)一定要分析清楚，到底哪些用戶才是最有價值的用戶。常規(guī)思路是按下單量多寡分為高中低價值用戶。但是下單量最多的用戶一定是最有價值的用戶嗎？

　　何為價值？對于平臺這個生態(tài)來說：保護小草，草原才能繁茂。

　　比如國家的發(fā)展也不倚靠某一小撮人，真正倚靠的是每一個平民。來個對比：平臺有5個用戶，每個用戶下1萬單；平臺有1萬個用戶，每個用戶下5單，哪個更好？如果是前者，突然少了1個用戶怎么辦？所以對于平臺而言，數(shù)量廣大的中等價值用戶才是平臺真正的朋友。

　　何為好的生態(tài)，即公平健康的環(huán)境下小草里不斷涌現(xiàn)大樹。是時代誕生了馬云，而不是馬云誕生了時代。

　　4）衡量需求轉(zhuǎn)化

　　下單率（需求的轉(zhuǎn)化）這個指標看似很重要，但其實除非平臺發(fā)生重大的改變，這個比例會恒長穩(wěn)定。

　　因為影響下單率最大的因素是價格、下單流程產(chǎn)品設(shè)計、品牌知名度，短期內(nèi)它們都不會有大的改變。

　　回歸到常識：

　　價格降低→需求增加下單流程越短→轉(zhuǎn)化率越高規(guī)模效應(yīng)越強→下單率越高常識在上帝手里，我們先回到人間真實。關(guān)于價格：價格降低→需求不一定增加價格增加→需求不一定會減少為什么？房價漲時買的人多還是房價降時買的人多？信用卡利率提升辦卡人會減少還是降低？答案都是與常識相反的。

　　關(guān)于下單流程：行業(yè)內(nèi)通用下單流程已經(jīng)達成最短→產(chǎn)品流程會固定不變。

　　關(guān)于規(guī)模效應(yīng)：多大規(guī)模能有效應(yīng)？如何評估？你一個人能對規(guī)模產(chǎn)生影響嗎？答案：不知道，不清晰，不能。

　　所以現(xiàn)實業(yè)務(wù)中，看似重要的下單率這個指標，反而其實沒有太多的分析價值，不如上面需求分類和分布來得實在。

　　需求到供應(yīng)有一個過程：需求分發(fā)→運力響應(yīng)。

　　1）衡量需求分發(fā)

　　分發(fā)規(guī)則多種多樣，衡量需求分發(fā)是否合理的標準卻是恒定：保證每一個單都有均勻的司機看到，保證每一個運力都能看到均勻的訂單，均勻的含義是適量，既不要過多也不過少。

　　①衡量分發(fā)效果

　　訂單維度：下單數(shù)→推送成功率→推送司機數(shù)分布→訂單曝光量分布。

　　保證80%的單起碼有上百個曝光同時不超過1000個曝光。衡量指標可用單均推送司機數(shù)。

　　運力維度：登錄司機數(shù)→推送訂單數(shù)分布→點擊訂單司機數(shù)→確定需求司機數(shù)。

　　保證80%的司機能收到上百個訂單同時不超過1000個訂單。衡量指標可用人均推送訂單數(shù)。

　　最后還要校驗平臺需求分發(fā)的規(guī)則是否合理，是否可以更好，衡量指標要看響應(yīng)率。

　?、诤饬糠职l(fā)效率

　　主要是技術(shù)效率，多少秒內(nèi)能推送完成。

　　2）衡量運力響應(yīng)

　　響應(yīng)率是車貨匹配平臺的北極星指標，響應(yīng)率好才有機會打造增長飛輪

　?、俸饬宽憫?yīng)率

　　如果響應(yīng)率不妙，考慮的維度有：where哪里低，when什么時候低，what什么車型低，why為什么低，how怎么解決。

　　能做到知曉具體哪些地方什么時候具體哪些車型響應(yīng)率不妙，就能解決大部分問題了。按照滴滴或運滿滿的標準，80%以上訂單都會在30秒內(nèi)被響應(yīng)。

　　這里分享一道有趣的題目：廣東共1萬單，5%的真實需求單無司機響應(yīng)；西藏共100單，50%的真實需求單無司機響應(yīng)。問：哪個地方更缺司機，為什么？

　　這是一個比例和數(shù)值的問題，很有意思，理論上西藏更缺，但是肯定落地動作還是妥協(xié)向廣東。

　?、诤饬抗┬枋欠衿胶?

　　供需的短期平衡看響應(yīng)率即可，長期得換個思路，因為供需是波動的。短期供需平衡不代表長期會平衡，短期供需不平衡不代表長期不平衡。

　　首要看需求增長的速度和供應(yīng)增長的速度。想要長期的供需平衡，要保證供應(yīng)的增長速度要略微大于需求的增長速度，因為多的供應(yīng)流失還可以繼續(xù)補，但是需求流失了怎么補回來？

　　分享一個經(jīng)驗供需能達到平衡的數(shù)值：

　　跨城業(yè)務(wù)，需求：供給=1:1.8。同城業(yè)務(wù)，需求：供給=1:2。同城外賣，需求：供給=1:50。同城打車，需求：供給=1:12。③衡量運力池本身

　　一般思路為總運力數(shù)→實際可用運力數(shù)→活躍運力數(shù)，再加上區(qū)域和車型的維度。但是這還不夠，運力不重要，重要的是需求！再強調(diào)下，運力是跟著需求走的。所以一定從需求的維度去定義清楚，各類需求是否缺運力，具體缺多少。缺多少運力的計算邏輯也不難，從沒有被響應(yīng)的真實需求訂單去倒推動態(tài)情況下需要多少新運力補充進來即可。

　　當你的指標里面能直接看到缺多少運力時，統(tǒng)計數(shù)據(jù)里的噪音，會瞬間少許多。按業(yè)務(wù)全流程去梳理指標，是最不易走偏的一種梳理方式，數(shù)據(jù)貼近業(yè)務(wù)才更好協(xié)作。數(shù)據(jù)的核心意義為拉齊認知。在認知不在一個頻道的時候，再多的溝通技巧都沒用，有的人就是覺得1＋1＝3，你怎么證明1＋1不等于3呢？

　　如果平臺有定價體系且準確，那么這一模塊比較簡單，本文側(cè)重于無定價體系或者定價不準確的平臺。以運滿滿為例，從司機響應(yīng)到達成交易，有一個價格磋商過程。

　　1）衡量交易效率

　　交易效率由供需匹配度、匹配耗時、磋商輪次決定。供需匹配度越高、匹配耗時越短、磋商輪次越少，則交易效率越高。

　　頭部車貨匹配平臺交易效率都很高，30秒內(nèi)絕大多數(shù)需求都會被司機響應(yīng)，5分鐘以內(nèi)絕大多數(shù)交易會確定。

　　先看各角色的交易需求。

　　直客貨主/信息部角度，需求為：價格低&響應(yīng)快&磋商輪次少。司機角度，需求為：貨源多&價格高&對磋商輪次不敏感。明確需求后針對“供需匹配度、匹配耗時、磋商輪次”確定衡量指標：匹配耗時→響應(yīng)耗時中位數(shù)及分布。磋商輪次→電話輪次中位數(shù)及分布，電話耗時中位數(shù)及分布。價格高低→與近15天內(nèi)同線路成交價對比。供需匹配度→司機到場后的取消率。衡量交易效率結(jié)果指標→從下單到確定交易耗時中位數(shù)及分布。以上5類指標即可衡量平臺的交易效率如何，能把交易時長縮短至10分鐘以下才能算優(yōu)秀。

　　2）衡量交易質(zhì)量

　　交易創(chuàng)造價值，好的交易能讓雙方受益：貨主獲得好的運送服務(wù)&司機獲得好的報酬。但這顯然是不可能達到的，博弈雙方的雙贏意味著平臺的雙輸，所以必然會出現(xiàn)平臺偏向哪一方。顯而易見，目前大部分平臺都是保護需求方（即貨主）而非供應(yīng)端的，淘寶、滴滴均如此。

　　對于貨主來說，交易質(zhì)量的好壞由價格與司機服務(wù)質(zhì)量共同決定。衡量指標為運輸質(zhì)量，運輸質(zhì)量可通過規(guī)則定為評分機制。

　　對于司機來說，交易質(zhì)量由收入（訂單量與價格）共同決定。衡量指標為司機月收入，畢竟對于司機來說這是工作，對賺錢的追求遠大于產(chǎn)品體驗和樂趣。

　　1）衡量運輸質(zhì)量

　　貨運行業(yè)普遍存在運輸過程不規(guī)范現(xiàn)象，一車貨物價值少則幾十萬多則幾百上千萬，承運過程的監(jiān)管是重中之重，先梳理運輸過程中的常見問題：

　　司機臨時放鴿子未按APP內(nèi)節(jié)點進行操作運輸軌跡與規(guī)劃軌跡不符運輸時效不達標貨物損壞、潮濕嚴重者還有倒貨賣貨……針對這些常見問題來思考運輸監(jiān)控指標（由場景到指標，按運輸流程梳理）。

　　取貨：是否準時取貨？

　　衡量指標：取消率（放鴿子），取貨準點率

　　裝貨：是否裝貨完整？

　　衡量指標：裝貨拍照率，照片正確率

　　發(fā)車：是否按時發(fā)車？

　　衡量指標：發(fā)車準時率

　　在途：運輸軌跡是否一致？

　　衡量指標：定位開啟率，軌跡吻合率

　　到達：是否準時到達？

　　衡量指標：到貨準點率，貨物完整率，回單完成率

　　通過運輸全流程的“率”來衡量運輸質(zhì)量好壞，其中最重要的還是軌跡吻合率，脫離軌跡談運輸質(zhì)量沒有意義。

　　2）監(jiān)控運輸風險

　　運輸質(zhì)量好壞評判出來后，還需專門針對異常場景訂單做監(jiān)控和預(yù)警。異常是否妥善解決才能評判出一個平臺真正的治理水平，一般是需要一個專門的小團隊去跟進的。

　　典型異常場景梳理：

　?、龠\輸時效異常：時效體現(xiàn)在兩個地方，取貨時效&到貨時效。這里要有明確規(guī)則：時效正常的標準是什么？達到哪種程度算異常？針對時效異常平臺的治理措施是什么？每個平臺的規(guī)則不太一樣，但也都大同小異，合理借鑒問題也不大。

　?、谶\輸過程異常：可細分為未承運、無軌跡、人車不一致、倒賣貨、貨損少貨、私自拆封這幾個場景。主要通過技術(shù)手段識別出來。未承運/無軌跡/人車不一致要預(yù)警反饋給司機并明確懲罰規(guī)則，倒賣貨/貨損少貨/私自拆封需專人跟進，必要時明確法律手段。

　?、郛惓ＹM用補貼：主要針對壓車、空跑場景。因為這兩類場景確實是因貨主或平臺原因?qū)е滤緳C利益受損，所以補貼是有必要的，但需形成標準規(guī)則，在平臺成本與司機補貼中平衡。

　　對于壓車：分車型/分時長確定對應(yīng)補貼金額對于空駛：分車型/公里數(shù)/單公里補貼金額確定對應(yīng)補貼金額運輸模塊的運輸質(zhì)量與運輸風險都能衡量后，就要重點去做運輸管理規(guī)范與教育了，這部分是苦活兒和累活兒，很多頭部平臺也做得非常糟糕。

　　財務(wù)模塊看似簡單，實在很復(fù)雜。因為物流行業(yè)財務(wù)結(jié)算常涉及開票、稅點、賬期等問題，涉及到錢的事情，任何小失誤都可能造成巨大的問題（非網(wǎng)絡(luò)貨運平臺沒有開票資質(zhì)，需借助第三方開票平臺開票）。且老板期望的財務(wù)不只是管錢的，是通過財務(wù)來控制錢的支出和收入合理性。高級的財務(wù)不能只關(guān)注系統(tǒng)搭建，還需要管控業(yè)務(wù)和關(guān)注風險。所以你會發(fā)現(xiàn)很多CFO是在做業(yè)務(wù)。

　　正因為其復(fù)雜、專業(yè)，所以專門的財務(wù)產(chǎn)品經(jīng)理應(yīng)運而生，市場對財務(wù)產(chǎn)品經(jīng)理的需求也很大，優(yōu)秀的財務(wù)產(chǎn)品可通過系統(tǒng)化/自動化解決大量繁瑣低效的會計工作。

　　財務(wù)模塊指標體系因財務(wù)結(jié)構(gòu)而異，其核心訴求是收款快與結(jié)款準（應(yīng)收與應(yīng)付）。應(yīng)收就是賬單生成效率、回款效率，應(yīng)付就是成本控制、賬單準確性。

　　運輸途中產(chǎn)生成本的點有很多，但是將各項成本變成精確的數(shù)字，這是一個大大的技術(shù)活兒。

　　因小河對財務(wù)模塊接觸不算多，所以指標上的梳理與理解可能有些淺薄，歡迎有財務(wù)知識的朋友在評論中多多交流。

　　作者：小河運營筆記，微信公眾號：小河運營筆記

　　本文由 @小河運營筆記 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

　　題圖來自 Unsplash，基于 CC0 協(xié)議