看懂这些,以后自带O2O假数据过滤眼镜

O2O领域的热门程度毋庸置疑，半年之间资本暗涌，千树万树梨花开。

这其中，我跟很多类型的上门形式都打过交道，前两日与点到上门按摩的数据工程师浅聊了下，对他们在数据上的挖掘深度大为惊异。因此简单总结此文，分享给对企业经营内幕有兴趣的朋友。

简单介绍背景：“上门按摩”市场大致起步于去年年末，年后开始高速增长。市场培育虽不足半年，各路专业投资机构、个人资金、民间资本一直不断涌入，截止目前全国已大致有三十余家创业团队。这其中，我所访问的“点到上门按摩”团队发展颇为迅速，天使轮高榕资本领投千万，A轮获58到家战略投资，搭上腾讯系作为背书。

商业资本投资都是投入回报比驱动，财团经过严格的财务考察后，是否选择掏钱入伙可以直接表达对企业的商业价值的判断。

但大众却鲜少有渠道和机会了解这种商业价值，对于各路公司的自我吹嘘难以分辨;甚至是专业的投资团队，偶尔也会因为跨领域投资被数据欺骗。

那么想要看懂企业，有哪些维度的核心数据？

先看看有哪些最常接触到的浅层数据。

在可公开的信息和媒体报道中，用户数、订单数、市场份额是最常见的信息，首先减轻这些数据对你造成的影响，他们并不具有说服力。

一个原因是无从求证，留有作弊空间。成熟市场机制完善，数据可信度较高;但本文所分析的新兴市场监督规则匮乏，竞争混乱，时有发生虚报数据、互相争夺“第一”的情况也不难想象。

另一个原因是数据本身的价值有限，用户数和订单数确实可以一定程度上反应公司的发展水平。但是继美团的打法成功后，越来越多的团队投入大成本推广线下，企图短期聚集大量用户、订单，借以“爆发式增长”的帽子抬高公司估值。

“一元体验”、“免费享受”这些字眼每天都能在办公楼底听到，再来看“爆发式增长”这个词儿，大家以后也就能有所思考了。

近几年，企业的玩儿法有所创新，开始流行秀“峰值订单”，河狸家去年的万人圣诞大趴就是类似的逻辑——免费体验，万人同场。

站在传播角度上确实是不错的案例，但站在拉新转换角度上，不能当真。当然也还有其他微创新玩法，比如做类似的千人大趴，然后解读为最高库存能力和抗压能力。

但以这种方式，拥堵的现场反而会拉低用户体验，造成品牌伤害。另外以免费提供千人服务的投入成本来说，传播回报和订单转换回报也不够高。

以上这几种粗暴的推广活动涌入的大多数用户都是垃圾用户，一旦活动结束，这部分用户也无法转换真实订单。

因此除非意义是单纯的刷数据，或者诚心的做用户反馈，企业做此类活动的意义比较低。

那么站在投资的角度，我们如何看待这种数据增长，过滤杂音找到真相呢？

该数据工程师向我介绍了他们的第一个概念：

总服务时长(Gross Service Time)

如果需要了解真实的订单水平，与其看订单数，不如看“总服务时长”，一个小时的体验可以被拆分成N个订单，但总服务时长仍然无法变化，这个数据更为代表性。

点到目前日均GST约12w分钟，单日峰值达70w以上。而为什么说GST一般来说比较准确，很简单，因为企业需要根据这个数据给每位劳动者开工资。所以即使企业会在前端把五分钟的地推记做一个订单，但在后端仍然会老实的记录实际服务时长。因此在这种计算方法下，五分钟的地推、刷单、邀请用户下空白单等等方式都立马失去意义。

另外，拆单在另一个角度来说也是拆分体验，本来经过成熟考虑推出的服务模式，被地推拆分成快餐体验，这种方式不仅伤害用户体验，也根本无法形成有效的黏性和口碑传播。

总交易额(Gross Merchandise Volume)

总交易额=订单量x客单价。目前点到的日均流水30w，它是一个综合的指标，能直观的反映企业的整体状态，反映深层次的问题。

例如，如果真实订单量确实在大幅提升，但同时总交易额并未随之上涨，很可能就是客单价出了问题。有不少创业企业为了冲销售业绩、保证订单量，在地推、企业推广、合作等都给出远远低于市场正常水平的价格，换算下来的客单价远低于平台标准;也就因此拉低了总交易额。

这种做法最直接的影响就是破坏了自己的价格体系，而这样长久经营下去的结果，要不然就是持续亏本投入，要不然就只能选择损失这批亏本换来的用户。不仅如此，过低的价格促销会对品牌的定位和价值产生更为深远的影响。

实付比例(Real Payment Percentage)

总服务水平很高，总交易额也很高，这样是不是就没问题了呢？

还存在一种情况，即企业虽然不会降低客单价，但是在大幅发放高价优惠券，企图留住用户下单。如果要判断是否有这种情况，就需要看实付比例了。

实付比例=用户付费金额/总交易额

目前的补贴战十分常见，但这不代表没有计划的高价补贴就是合理的。一旦停止补贴，这批用户很可能会立马流失。

消费者对产品的选择都是用脚投票，用实际的消费反应自己的态度。实付比例可以直接看出价值用户的比例。

这个数据才是平台规模的核心，它反应着用户真正的需求。

我看了下点到的后台，可以清楚的看到所有用户的支付情况，其中已经有不少用户保持全额支付下单。

这才是商业本质的回归。

上面的这两个数据都在用户维度，显示着目前的大致发展水平;另外还有一个维度的数据则关切企业的长远发展——技师维度。

工作饱和度(Work Saturation)

“技师数”跟“用户数”类似，都是包含大量噪音的浅层数据。

供给端是否能保证持续稳定的输出，确实对企业是否能保持高发展有着重要影响。据点到的同事介绍，为配合订单的高增长，技师团队也一直在扩大，全国总规模虽然一直保持着行业最大，但他们也很清醒的表示这个数据很单薄，并不是越多就越好。

事实上，行业内企业快速膨胀导致资源闲置的现象反而更为常见，因此需要“工作饱和度”(总订单量/总技师人数)来反映供应和发展的是否平衡，实现对技师、订单同步增长、技师资源是否被有效利用的动态监控。

更重要的是，可以通过设立饱和度合理值，及时进行调整——减缓技师招聘或加大订单增长，来保证平台技师的时间库存被有效利用合理比例，保持技师收入稳定。

订单间隔时长(order space time)

单纯保证技师的工作饱和显然并不足够，我叫过不少类型的上门服务，聊天中发现他们做上门服务经常需要从北京城的最东边到最西边，一天来回跑三趟;严重的时候甚至服务者会对用户表达对公司的抱怨情绪。

这便带出一个新概念，订单间隔时长(订单与订单之间的路程总和/总订单数)。

它反映了目前的上门经济，每服务一个订单需要付出的路程成本。