江苏龙网

  1. 首页 > 人文 > >

中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果( 二 )


文章图片
importmatplotlib.pyplotaspltreq_hour.plot(kind='bar')plt.show
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
可见 ， 在11、12、13这三个时间点内 ， 12点用户发起订单的需求是最大的 ， 其次是13点 ， 11点 。 司机运营平台应考虑加大该时点车辆供应 。单量最多的日期
req_date=city.groupby(['date'],as_index=True).agg({'requests':sum},inplace=True)req_date.sort_values('date').head
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
req_date.plot(kind='line')plt.show
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
单月订单请求数随日期的变化呈周期性变化 ， 我们猜测4个峰值分别对应4个周末 ， 周末用户出行需求较大 。 经验证发现猜想与数据吻合 ， 因此司机运营平台应考虑加大周末、节假日的车辆供给 。各时段订单完成率
com_hour=city.groupby(['hour'],as_index=False).agg({'requests':sum,'trips':sum},inplace=True)com_hour['rate']=com_hour['trips']/com_hour['requests']com_hour
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
13点订单需求较多 ， 但订单完成率仅47% ， 说明较多订单没有得到及时相应 。 客运部应重点关注13点订单相应时长 ， 排查具体原因 。单月每日订单完成率
com_date=city.groupby(['date'],as_index=True).agg({'requests':sum,'trips':sum},inplace=True)com_date['rate']=com_date['trips']/com_date['requests']com_date.sort_values('date').head
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
com_date.rate.plot(kind='line')plt.show
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
单月每日订单完成率规律不太明显 ， 但几个谷值基本都出现在周末附近 ， 说明客户出行需求的提升可能导致响应率的降低 。顾客等待时间
importnumpyasnpeta_hour=city.groupby(['hour'],as_index=True).agg({'pETA':np.mean,'aETA':np.mean},inplace=True)eta_hour
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
eta_hour.plot(kind='bar')<matplotlib.axes._subplots.AxesSubplotat0x7f3aaebb2c18>
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
以上可见 ， 无论哪个时点 ， 用户实际等待时长均明显大于用户预计等待时长 。 各时点用户等待时长差异不明显 ， 但13点最高 。 客运部一方面应提升用户预计等待时长的准确性 ， 另一方面优化平台派单逻辑等 。司机在忙率
city['busy']=city['supplyhours']*city['utiliz']city.head
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
busy_hour=city.groupby(['hour'],as_index=False).agg({'supplyhours':sum,'busy':sum})busy_hour['utiliz']=busy_hour['busy']/busy_hour['supplyhours']busy_hour
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片
12点司机在忙总时长最长 ， 在忙率也最高 ， 用户订单请求也最多 ， 说明车辆总数偏少 。订单时长
中国统计网|滴滴出行项目：用「A/B测试」分析城市运营效果
文章图片


推荐阅读


上一篇：橙柚青媒体|为汽轮机组产业提供强力支持，生辉航建造富勒烯王国

下一篇：中国商报|“人间蒸发”的ofo小黄车到底去哪了，被千万用户喊回来退押金