O2O平台功能优化效果评估报告

O2O平台对提供给ktv商户使用的预定功能进行了调整，希望帮助这些商户提高成交。需要对灰度上线的地区的运营数据进行新功能上线前后数据对比分析，对新功能达到的效果进行评估，提供报告。

对项目需求进行细化，明确需要查看的数据指标：
*预订交易额
*交易额
*预订订单数
*交易订单数
*日均UV=PC日均UV+APP日均UV
*预订转化率=预订订单数/（日均UV*7）
*预订客单价=预订交易额/预订订单数
*交易额转化率=交易额订单数/（日均UV*7）
*交易额客单价=交易额/交易额订单数
*预订占比=预订订单数/交易订单数
                                

从整体上看，所有指标在预定功能优化后都出现下滑，因此不建议该功能优化在所有城市和所有店铺类型上线，需要针对不同城市和不同店铺类型分别考虑。
一线城市虽然预定交易额和交易额都是下降的，但其他细化的指标中只有转化率是下降的，日均UV和客单价都是上升的，交易额的下降和转化率的下降有关，需要结合其他数据进一步分析转化率下降的原因。针对一线城市，预定功能的优化可以上线。
主要城市虽然所有的指标都出现下滑，但长尾门店交易额是上升的，并且长尾门店的大部分指标也都是上升的，因此针对主要城市的长尾门店，预定功能的优化也可以上线。

租车订单分析

某租车企业为顾客提供各种车型的短租，顾客利用微信小程序在网上下单，下单成功后到租车企业合作的4S店取车，租期结束后顾客将车归还到4S店。现在，针对一年的订单数据，对租期、租金总收入等核心指标进行分析，方便优化车型和租金单价。

需要查看的数据指标：出车时间、车型、取车城市、租期、租金、新老用户、来源、时间。

可以在一天之中出车最多的时间加派人手。
荣威很受欢迎，其订单数量是最多的，可以适当增加其订单价。
各个城市的日均租金新用户都要大于老用户，可以加大宣传力度，来增加新用户，特别是北京，人均日租金最高，说明北京有很高的消费潜力，但是北京的用户却很少，导致北京的租金总额排倒数第二。
各个城市的用户自建订单日均租金和电话呼入日租金都差不多，只有北京的电话呼入高一些，可以具体分析这是为什么。如果是北京的电话呼入效率高，那么其他城市也可以效仿；如果是北京的用户自建订单有问题，那么可以分析是北京用户自建订单的哪个环节有问题，比如在用户预付定金时很慢，那么就可以针对这个环节来优化。