2020年是脱贫攻坚的收官之年，突如其来的新冠肺炎给扶贫工作带来了新的挑战。
因为交通的“肠梗阻”，成熟的水果、蔬菜等没有人来购买，农产品不及时收获，就可能腐烂变质，极大降低农村群众的收入。
因此，公司决定将消费扶贫工作作为近期工作重点。
1.2 迭代目标 通过全面系统的数据分析，深度优化商城的“扶贫”板块。 目标是实现3个月内，扶贫类商品销数量增长30%。 1.3 名词解释1.4 迭代风险2. 数据分析过程2.1 核心指标 本次迭代重点关注上线后的扶贫商品总订单量，期望上线后增长30%。 扶贫商品总订单量定义：一个主订单中，包含至少1件扶贫类的商品，视为一个扶贫商品订单。 2.2 当前数据概况 2.2.1 扶贫商品订单 漏斗模型数据 2.2.2 期望目标 核心目标为扶贫商品总订单量，三个月内增长30%，可理解为三个月后，确认收货订单数=62000130%=80600。根据上表可以看出，首页——扶贫专区页面、扶贫专区页面——商品详情页，UV流失率较高。所以本次迭代重点围绕此处的转化展开，期望数据如下表所示。 3. 功能需求详述3.1 商城首页突出扶贫商品入口 3.1.1 需求目的 提升首页到扶贫专区页面的转化率，目标提升11个百分点。 3.1.2 需求场景 对于贫困商家：政府、国企会为其提供更多的销售渠道，帮助解决商品滞销问题 对于企业：积极响应国家扶贫政策，保证扶贫款项专款专用，为员工提供商品价格福利 对于员工：通过企业/政府的价格补贴，保证商品质量的情况下可以低于市场水平的价格购买商品 3.1.3 需求描述 在商城首页，设置较为明显的扶贫商品入口。 在入口处可展示： 3.1.4 触发条件 所有用户，在扶贫政策有效期间（具体时间由后台配置）。 3.1.5 页面监测 监测扶贫专区入口的点击数。 3.2 商品列表 3.2.1 需求目的 提升扶贫专区页面到商品详情页的转化率，目标提升9个百分点。 3.2.2 需求场景 使用户在查找商品时，能够清晰的分辨普通商品和扶贫滞销商品。并且告知用户平台对扶贫商品有一定的价格补贴。 3.2.3 需求描述 在搜索结果页、品类下的商品列表页，对扶贫商品增加显示标签，用于告知用户该商品为扶贫商品且有价格补贴，吸引用户点击。 3.2.4 触发条件 所有用户，在扶贫政策有效期间（具体时间由后台配置）。 3.2.5 页面监测 监测扶贫商品详情的UV。 4. 策略性需求4.1 通过AHP层次分析法，建立不同滞销等级的扶贫商品精细化运营策略 4.1.1层次结构模型设计 商品有效期：标准贮存状态下，当期时间，商品能够保持其标准质量的天数 商品销量：一定时间段内，商品的总销售量 商品库存：商品当前剩余的总库存量 4.1.2 明确标度 成对比较矩阵的元素表示的是第i个因素相对于第j个因素的比较结果，这个值使用的是Santy的1-9标度方法给出。 4.1.3构造判断矩阵 4.1.4计算特征向量 先将上述准则两两比较偏好矩阵进行标准化处理，步骤为： 归——化——各列求和，用每一元素除以对应列总和 计算权重——计算每一行平均值 计算过程个最终权重结果如下图所示 4.1.5 一致性检验 当两两比较认为A比B重要，B比C重要时，轮到A和C比较了，你给出C比A重要的比较值，此时就叫做“不一致”。 要检查是否一致，就需要计算一致性比率CR=CI/RI ，当CR<0.1 时，代表通过检验。 如上图所示，CR=0.06<0.1 通过检验 4.1.6 指标数据标准化 4.1.7 计算商品滞销指数 根据上述流程，查询商品的相关数据，代入计算，可得到商品的滞销指数。 例如商品A有效期26天（标准指标：2），已销售130件（标准指标：2），剩余库存400件（标准指标：4）； 则商品A的滞销指数=20.64+20.07+40.28=2.54 4.1.8 商品滞销等级分类及精细化运营策略 计算出所有商品滞销指数后，可把所有数值由小到大排列并分成四等份。 1级滞销商品：滞销指数∈[Max,第3四分位数)的商品 2级滞销商品：滞销指数∈[第3四分位数，第2四分位数)的商品 3级滞销商品：滞销指数∈[第2四分位数，第3四分位数)的商品 4级滞销商品：滞销指数∈[第1四分位数，Min]的商品 4.2 通过RFM模型和AHP层次分析法 明确召回优先级 4.2.1 通过AHP层次分析法计算RFM三个维度的权重 R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间；消费时间越近的客户价值越大，1年前消费过的用户肯定没有1周前消费过的用户价值大。 F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。 M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。 计算过程与4.1.2-4.1.7一致，不再重复描述 权重计算结果： 一致性计算结果： 4.2.2 获取RFM总值 根据埋点得到的用户行为数据、SQL查询得到的订单数据，标准化，形成[0,5]的标准值，并计算出综合得分； 例如：用户A的RFM总值=0.3R值+0.54F值+0.16M值；RFM总值即为用户价值。 最终按照分值由高到低，进行用户召回和回访。 本文由 @16哥 原创发布于人人都是产品经理，未经许可，禁止转载。 题图来自 Unsplash，基于CC0协议
