Shopline-數據分析中心(Shoplytics)產品體驗

最近(2022-05) 看了Shoplline分析模塊的能力(shoplytics),回想過往分析經驗跟對比了前公司跟其他競品(有讚、店匠、生意參謀、小鵝通、GA、Shopify),有一些想法。

這內容在5月就分享在LinkedIn過(但只有文字),本文章在此基礎上,補充了商業模式的初淺想法,以及(不少的)產品截圖 (透過圖片理解更容易)。

註:產品型態會受到基礎能力、用戶需求等各種因素,所以以下想法會存在考慮不全的可能

Shopline數據分析中心產品體驗
本文架構:
一、商業模式
二、產品詳情
 2.1展示層
 2.2技術層(Big Data)
 2.3業務應用層
 2.4分析層
三、終局:生態與BI化?

一、商業模式

Shoplytics點擊後是新開一個頁面,可以看出他不僅僅是定位為開店平台的功能之一,而是往“產品化”的方向走。也有收費的模式,雖然比較單一,就是根據『分析時間範圍』收費。

可以感受到Shoplytics野心,能這樣賣的數據產品,有(阿里巴巴)生意參謀的味道。

shopline幫助中心:Shoplytics 數據分析中心介紹|Shoplytics
shopline幫助中心:Shoplytics 數據分析中心介紹|Shoplytics

當然許多部分跟生意參謀仍沒法相比,除了產品能力本身外,外部的護城河像是數據學院、分析資源等都比較缺乏 (相對的也讓”收費策略”不能太激進)。

畢竟生意參謀推出到現在也10年有了還在不斷迭代、且淘寶跟shopline的客戶群體、客戶體量、客戶接受度有差異,但依然是很驚艷的一步,可惜無法知道對營收的貢獻,希望這產品能發展順利。

阿里巴巴-生意參謀模塊
生意參謀-收費模塊概覽

二、產品詳情

下面從具體產品來看,分成展示層、技術層(Big Data)、業務應用層、分析層

2.1、展示層

(1) 進入首頁印入眼簾就是看板佈局很一塊一塊的,每一個指標一塊,就是一個指標卡,但有的指標是有關係的,指標卡不好呈現彼此的關係。另外前後端開發的看板應該可以有更豐富的視覺跟交互表現。例如:

  • GA也是卡片形式,但有跳轉操作
  • 有讚一樣是指標卡的形式,但呈現資訊較為豐富,也支持跳轉詳情
Shopline-Shoplytics首頁
Shopline-Shoplytics首頁
GA首頁
GA首頁
有讚微商城-數據-首頁
有讚微商城-數據-首頁

(2) 線上場景滿注重”交易轉化”(暫不考慮線下),轉化率的數據藏得比較深

Shopline-Shoplytics-特價及促銷
Shopline-Shoplytics-特價及促銷
有讚-分析-訂單
有讚-分析-訂單

(3) 比較有規模的公司對銷售有業績考核,可加入設定業績目標的功能,展示達成率

有讚-首頁
有讚-首頁


(4) 應乘載業務系統中所有功能的數據分析,但像是庫存、評價、促銷相關的數據沒有。(註:有庫存數據,在>商品>進銷存報表|Shoplytics)。

有讚-優惠分析(查看某一促銷活動的效果
有讚-優惠分析(查看某一促銷活動的效果


(5)社交電商的菜單底下有“社交數據概覽”,不在shoplytics內,信息結構不統一。

Shopline-社交電商-社交數據概覽
Shopline-社交電商-社交數據概覽


(6) 按鈕控件只有時間,在最頂部的導航,點擊後全局生效。\”套用\”的按鈕,自己90%以上的情況都要往下滑一下才能點到。經測試,在13.3寸電腦中,將瀏覽器全螢幕可以完整展示。這控件跟GA滿類似的,可以參考,不然體驗比較差


(7) 到了進階顧客分析,又沒了全局時間篩選控件,改在每個單圖中控制,估計是比較新的功能
(8)風格有點像老的FB,現在比較流行扁平跟colorful的視覺,但這太主觀,優先級不高
(9) 總的來說,滿足了”看數據”的需求,但“分析”的角度還能加強

2.2、技術層(Big Data)

Shoplytics的數據更新,有的頁面是分鐘級、有的是小時級。最近7天(N天)也都截止到“今天”,這點是比較少見的,有被驚艷到。

行業老大哥shopify、GA等,最近N天是截止到昨天(因為離線任務處理多是n+1),計算到今天的數據,多是另外開一個『實時數據』的主菜單區分。

對比老大哥,行業領先產品都沒有做成像Shoplytics這樣。所以我心中有個疑惑:讓數據這麼即時,有需要嗎?有足夠的價值/成本效益嗎?(因為計算成本都要要錢的)

2.3、業務應用層

會選擇自建商城(而不是pchome這種平台)更重視私域流量(D2C),客戶經營的分析可以細化,例如內置RFM模型配置,顧客打標。不過這延伸到了CDP 、CRM領域,涉及到產品邊界(但社交電商那的導購機器人功能,這邊界也是延伸到了智能客服那塊了)

有讚-分析-顧客-RFM
有讚-分析-顧客-RFM
有讚-客戶管理
有讚-客戶管理

2.4、分析層

(1) 報表匯出,其實就是明細導出,不是我理解的“統計後”的報表。這樣導出後用戶可以更彈性選擇excel或是任一工具做分析。

Shopline-Shoplytics-報表匯出
Shopline-Shoplytics-報表匯出

但如果這功能目的是服務客戶做週報、月報這種場景(場景待釐清),可以改透過讓用戶選擇指標、選聚合時間週期(by日、by週、by月)、渠道等維度,配合用戶可設定數據自動更新頻率,直接生成統計結果(例如 GA4的自定義報表)

有讚:報表分析、生意參謀:自助取數
GA4-媒體庫-建立新報表-建立詳細報表

(2) 數據的漲跌,可以結合ML或規則策略,做經營建議。例如,最近加購後結帳轉化率變低,建議可以幹嘛幹嘛(例如建議適當使用免運優化? 例如你這個月有X個會員生日了,建議您可以給會員提供XX福利)

阿里-生意參謀
阿里-生意參謀

三、終局:生態與BI化?

業務系統的定制化分析往往無法滿足所有客戶,就算是GA也會被抱怨,所以salesforce買了Tableau。

『我們結合了世界最好的顧客關係管理平台,以及最好的數據分析平台。Tableau幫助人們看見並理解數據,而Salesforce則幫助人們理解顧客、與顧客互動』

Salesforce -Marc Benioff

在〈Shopline-數據分析中心(Shoplytics)產品體驗〉中有 1 則留言

  1. 自動引用通知: 搞數據還是做產品?淺談『數據產品經理』 – Rock Data|玩搖滾的數據人

歡迎分享你的心得

🙌 你是數據分析新手嗎?入行必學SQL課程由此開始 >>>

X
Scroll to Top