外卖那些事儿：数据驱动流水预测

外卖行业的业务本身比较复杂，除天气、活动、竞对等因素外，一般情况下，流水是用户、商户和物流三方交替增长的结果。

外卖那些事儿：数据驱动流水预测-满象网络

在外卖行业工作了接近三年的时间，经历了野蛮生长和平稳发展的两个时期，数据分析的经验和方法论也积累了一些，接下来就聊一聊让我和小伙伴加了无数班的流水预测。

流水的重要性

如何用数据定量评估业务？是我从事数据分析工作一直思考的问题，（抛砖引玉）窃以为评估业务的两大方向：规模和效益。

规模：评估业务发展的体量，可以衍生出好多评估指标，以外卖举例，完成单、流水（GMV）、市占（市场份额）等。流水是我们日常最关注的指标之一，而之前我每月总有几天要预测流水，一月复一月也算积累了一些经验教训。

效益：公司不是公益机构，都是以盈利为目的，当然这也是商业的本质。利润也分了好多层次，毛利、净利等，外卖业务到底盈不盈利？这不是本文讨论的重点。

想要预测流水，就必须好好了解外卖业务，接地气，要了解外卖业务相关利益方、互相之间的关系以及对业务流水的影响。

外卖那些事儿：数据驱动流水预测-满象网络

用户是外卖业务的需求方，平台需要吸引更多新用户下单，用户获得满意的服务体验，从而能够在平台留存下来，再次下单。

流水=DAU*转化率*消费频次*客单价

商户是外卖业务的供给方，商户通过平台增加流水，有些商户是堂食+外卖的运营模式，有些商户是纯外卖运营。平台需要吸引更多商户入驻，增加商户数量，且优先增加高质量商户的覆盖，完善商户品类。平台怎么给商户分发流量，商户如何提高流量到完成单的转化率，商户运营是一个更精细化的工作。

不过，可以肯定一点，商户通过平台是要获得收益的。如果商户数量少，品类不够丰富，没有用户想要的菜，用户就会跳出平台。同时如果商户在平台“持续”流水少的话，商户也会下线离开平台。

物流是外卖业务的配送方，连接着用户和商户两端，商户可自身储备骑士配送（自配送），也可交给平台配送（物流）。

外卖是一个对时效要求很高的行业，所以配送服务体验直接影响着用户的留存复购，如果到了预估时间美食还没有送达，用户饿着肚子心情肯定差。所以，除了骑士效率需要不断提升外，骑士数量也是影响着流水的关键因素，某年春节后某平台凭着骑士储备的优势，在北京打了一个漂亮的翻身仗。先有骑士还是先有单量，不言而喻。

除了用户、商户和物流这三个核心因素，还有哪些影响流水呢？每天的数据监控和数据解读，归纳影响流水波动的主要原因如下：

天气：不得不承认外卖业务是个靠天吃饭的行业，下雨、下雪、雾霾、沙尘暴等这些恶劣天气，都是用户下单的刚需场景。

业务类型/商圈属性：高校、白领、住宅，不同的商圈属性，流水也有着自然的波动，分时段来看午餐是白领的高峰，晚餐是住宅的高峰；分天来看工作日是白领的高峰，周末是住宅的高峰。

活动：新用户立减优惠是拉新的利器，线上优惠活动是吸引用户复购，培养用户习惯，增加平台粘性的常用方法，当然流水也会上涨。

补贴率=平台补贴/流水，ROI=流水/平台补贴

再多说一下，用户真正享受的优惠，除了平台补贴外，可能还有商户或代理商的补贴。

竞对：竞对如果增加线上线下流量曝光、地推、优惠活动、注券召回老用户等，都会影响本平台的流水，当然反之，竞对如果有些负面新闻、或者服务器宕机之类的情况，本平台的流水也会上涨。

流水=大盘*市占

外卖那些事儿：数据驱动流水预测-满象网络

这么多公式，到底用哪个公式预测流水。外卖的业务本身就比较复杂，除天气、活动、竞对等因素外，一般情况下，流水是用户、商户和物流三方交替增长的结果。

商户和物流分别是业务部门和物流部门的主要工作，是各竞对执行力、效果和效率的比拼。

以业务部门签约商户举例：执行力，BD签约商户数量和质量的比拼；效果，同一个商户在各竞对均上线，哪家的流水会占据高峰，客情、流量分发、商户运营、物流配送等等都会影响效果；效率，同等体量的商户或流水，所需的BD数量，人效直接影响着业务的效益。

流量为王，用户是核心，用户体量和体验是所有部门协作努力的目标。除天气、活动、竞对等因素外，如果只能用一种方法预测下月流水的话，我建议用户维度预测流水。

外卖那些事儿：数据驱动流水预测-满象网络

首先，根据历史数据预测下月的完成单新/老用户数，消费频次和客单价相对比较稳定，从而预测流水；

其次，新/老用户数确定后，业务、用户运营、活动运营、市场等部门需要多少预算，目标必须匹配合理的资源才有可能完成；

再次，流水确定后，也能推算出商户、物流维度的各项指标，那是业务和物流部门的工作目标；

最后，流水=大盘*市占，窃以为是各竞对pk之后的市场结果。