外卖平台骑手差评分析
1、环境：
外卖APP是以O2O(online to offline)商业运营模式开展经营，商家可以在外卖APP上提升曝光量拉拢大量顾客，客户还可以采用该服务平台达到自己的选购要求，正中间是由骑手将餐饮食品送达客户，在这个环节中客户可以享有外卖APP的物流配送服务并可以对服务水平开展得分。
外卖送餐骑手送餐步骤数据来源：https://pan.baidu.com/s/1BNFfuIsHqs8ckdDRHW08-A
提取码：6ele
2、剖析总体目标剖析造成差评的缘故，并得出改进计划方案
3、数据信息了解数据信息全部字段名数据尺寸：542*11
编号：1—542站点名字：站点A—站点F骑手名称：名字已被脱敏消费者派送得分：均为1消费者派送点评标签：共9个标签，如送达请求超时、心态不太好等，顾客可以挑选1-9种（可选取）标签对骑手开展点评消费者点评內容：实际文字说明，选填项订单信息备注名称：对订单信息规定的备注名称表明，选填项骑手接单子时长：以min记，浮点型到店时长：以分钟记，浮点型到店等餐时长：以min记，浮点型送达时长：以分钟记，浮点型前10行数据展示备注名称：骑手名字反复默认设置为同一个骑手；同一个骑手很有可能在不一样站点发生差评
4、剖析架构5、数据预处理5.1 检查程序是不是有缺少值
除消费者点评內容及订单信息备注名称二项选填项之外，数据信息不会有空缺值
（excel—挑选—查询空缺值）
5.2 检查程序是不是有重复值
数据内无重复值
（excel—数据信息—删除重复值）
5.3 检查程序是不是出现出现异常值
4种指标值中都有0值，依照正常的逻辑推理，送达时长不应该发生为0的状况，故将送达时长为0的数据删除（总共删掉1条，剩下541条合理数据信息）
5.4 数据一致化
启用Excel中的Power Query，将消费者派送点评标签依照分隔符“|”开展排序，共分成9列，表明一共有9个不一样的标签，将分得的9列开展数据信息逆透视图，后面应用PowerBi开展大数据可视化剖析
5.5 提升新指标值
出餐时长=骑手接单子时长 到店时长 等餐时长
总时长=出餐时长 送达时长
6、大数据可视化【实际效果展现】
可视化图表连接：
https://app.powerbi.com/view?r=eyJrIjoiNDJjM2FmMDYtY2M2Yy00ZjQzLWIwNTMtM2U0ZTc5ZDllMWY4IiwidCI6IjQ0MGNjMWVlLWU0ZDUtNGI2Yi05Yjg3LTA4MTU4ZjcwM2Q1YiIsImMiOjN9
站点方面骑手层面【站点方面—差评缘故标签】
每一单评价中都很有可能包括1-9个数量不一的差评缘故标签，根据统计分析不一样标签的数量，可以看到不一样因素致使的差评占比
根据每个站点的差评缘故总数排列，可以留意到：
送达请求超时在各站点均是最首要的举报缘故；别的主要的举报缘故关键为心态不太好、别的及少餐/洒餐，在E站点送达不通告为第二多差评缘故；【站点方面—差评数及差评骑手数】
差评数及差评骑手数占有率最大的是站点C，占有率均高于30%，必须重点关注；站点A、B的差评数及差评总数占有率均超出20%，仅次站点C，必须重点关注；站点D、E、F的两大类差评占有率均没超出10%，主次关心；【站点方面—各差评指标值】
在PowerBi中运用DAX创建衡量值：
站点差评 = COUNTA('表格数据'[站点名字])骑手差评 = DISTINCTCOUNT('表格数据'[骑手名称])站点点评缘故数量 = COUNTA('差评剖析（解决）'[站点名字])平均差评 = DIVIDE([站点差评],[骑手差评])人均差评缘故数 = DIVIDE([站点点评缘故数量],[骑手差评])站点C不但差评数及差评骑手数是最大的，平均差评数及人均差评缘故数也是全部站点中最多的，应当重点关注；
【站点方面—派送时长指标值】
C站点的均值送达时长及其均值总时长全是最多的，这很有可能可以从时间维度来证实C站点的差评量对多；可是站点A、B的均值总时长并非像差评数一样仅次C，反倒低于站点E、F，猜想有如下所示很有可能：站点E、F存有少量的极值点将均值总时长拉升；点评每一单是不是合乎送达请求超时的时长规范不均匀一，例如一些较近的店家超出30min算请求超时，而有一些稍远的店家超出50min才算请求超时；对骑手的满意率点评中，送达请求超时选择项在该订单信息按时送达的情形下仍可以被挑选，造成有一些顾客故意或不正确点评；【骑手方面—差评指标值】
#创建分类根据骑手差评数量 = COUNTROWS(FILTER('表格数据','表格数据'[骑手名字]=EARLIER('表格数据'[骑手名称])))骑手差评数量分类 = SWITCH('表格数据'[骑手差评数量],1,"1",2,"2",3,"3",4,"4",5,"5",6,"超过5",7,"大于5",8,"超过5",9,"大于5",10,"超过5")不一样站点依照差评数量分类的骑手数量重点关注这些差评数及差评缘故数都较高的骑手，找到这种骑手实际的差评缘故占比数，有目的性的实现学习培训及提示；将骑手的差评数量开展分类，每一个站点可以根据挑选见到该站点的c骑手差评数遍布，全部站点绝大多数骑手全是仅有1此差评。与此同时还可以根据差评分类反方向看得出是什么骑手。不一样站点可对于差评数较多的骑手开展学习培训及管理方法；【骑手方面—派送时长指标值】
如骑手的总时长超过所有人的均值总时长，则被标明为红色字体
针对总时长远超均值的骑手，要研究是因为送达时长太长或是接单子、等餐或出餐时长太长，要有目的性的实现挑选点评，而不是仅根据总时长来分辨；挑选被点评有送达请求超时的全部骑手，发觉有相当于一部分的骑手外卖送餐总时长低于均值，但依然被点评为送达请求超时，这儿必须关心能否有顾客故意点评或评价歪曲事实的一部分；一位被点评为送达请求超时的骑手7、提议及改进计划方案【服务平台优化系统及自纠自查】
1. 提议将骑手端点一下送达与传出送达短信两作用关联，那样就可以防止出现送达不通告的状况；
2. 提议将少餐/撒餐改成撒餐，由于针对少餐的差评应当属于店面，那样可以降低一些问题的差评；
3. 在对骑手的满意率点评中，假如该订单信息具体未请求超时，则送达超时选择项不能被挑选；
4. 在所有768个评价內容中，有227条有关送达请求超时，提议平台优化订单信息分配原则，优先选择配对间距更近的骑手，及其给骑手提升派送线路；
【骑手管理方法】
1. 针对差评数及差评缘故数均较多的骑手，提议重点关注并开展严苛入岗学习培训；
2. 排名前4的差评缘故是请求超时送达、心态不太好、别的、少餐/撒餐，关键把握住这几层面来对骑手开展绩效考评，对于较多的请求超时送达，可操纵骑手单位时间的接单子总数或可以依据请求超时送达的差评数反方向操纵骑手接单子量作为惩罚措施；
【站点管理方法】
1. 在时间精力及資源均比较有限的前提下，重点关注站点C、A、B，由于这三个站点的差评数及差评骑手数占数据数量超出70%，只整治这3个站点就可以合理大幅度减少总差评数；
2. 每个站点可以按照自身站点的点评缘故排行来开展多元化的关键管理方法；
