费米估算在风控场景中的应用
在建设风控,需要用一些工具来帮助业务决策,这里常用的是用费米估算在风控场景中的应用。本文以北京胡同口一天能卖出多少煎饼为例,分析如何应用费米估算,以期帮助大家提升自我数据思维。
通常新业务在进入快速发展期,业务同学更关注的是用户拉新、业务增长等直接业务指标。
对于场景中的刷单用户数、订单数等健康度指标关注相对较少。
回过头来看的时候,发现平台已经被薅取了很多的营销资金,便开始着手去建立风控治理能力。
在什么时候开始建设风控,需要一些工具来帮助业务进行决策。
一、费米估算
百度上解释:费米估算指的是解决未知结果的估算问题,将复杂的问题拆解成小的、可知结果的部分。
直白一点,就是把复杂的大问题,拆分成一个个复杂的小问题。
同时将小问题的求解逻辑,转变为熟悉的业务因子和计算逻辑。
将已知的业务因子进行代入,即可计算出该问题的估算值。
说的很绕口,要入门的同学,可百度搜索:芝加哥有多少个钢琴调音师。
基本看一遍就知道咋用了。
二、北京胡同口一天能卖出多少煎饼
了解基本用法后,用一个习题来进行巩固:北京胡同口一天能卖出多少个煎饼?
解题思路:
从需求侧出发:
煎饼数量 = 购买人数 * 购买数量;
购买人数 = 胡同口覆盖人数 * 购买率
因胡同主要集中在北京中心区,胡同口覆盖人数 = 北京中心区可购买人数 * (胡同数量 / 道路数量)/ 胡同数量
可购买人数 = 北京中心区人数 * (1 – 婴幼儿比例)
按照21年高德统计数据,北京总人口为2188W,胡同数量1004条,道路数量14848条,北京中心区人口占比50%,婴幼儿占比20%;
通常一个人每周吃煎饼的次数,最多不会超过7次,最少不会超过1次,平均下来一周7天吃3次,购买率 = 3 / 7 = 43%
煎饼的季节性干扰很低,但时间段干扰较严重,通常集中在早饭,且一个为主。因此购买数量 = 1;
以上数据,可得出:
可购买人数 = 2188W * 50% *(1 – 20%)= 875W;
胡同口覆盖人数 = 875W * (1004 / 14848) / 1004 = 569;
购买人数 = 569 * 43% = 244个;
煎饼数量 = 244 * 1 = 244个;
从供给侧出发:
煎饼数量 = 摊主工作时长 / 每个煎饼耗时
煎饼的售卖集中在早上6:00 – 9:00,3个小时 = 10800秒;
每个煎饼的制作时间约为30秒;
以上数据,可得出:煎饼数量 = 10800秒 / 30秒 = 360个;
煎饼生意明显是个供大于需的生意,因此主要是需求侧来驱动,整体量级会接近需求侧量级。
三、业务场景中存在多少的刷单
到这里,我们可以借用费米估算,来估算交易场景中存在多少的刷单订单,以此来辅助业务进行决策。
解题思路:
从需求侧出发:
- 刷单订单数 = 刷单用户数 * 户均刷单数
- 刷单用户数 = 新客刷单数 + 老客刷单数
- 新客刷单数 = 新客注册数 * (1 – 新客正常流失率)
- 老客刷单数 = 老客活跃数 * (1 – 老客正常流失率)
- 户均刷单数 = (总订单数 – 正常订单数)/ 完单用户数
- 正常订单数 = 预估订单数 * (1 + 预估浮动比例)
- 预估订单数 = 预估完单用户数 * 户均订单数
从供给侧出发:
- 刷单订单数 = 总订单数 * 实际优惠补贴差值
- 实际优惠补贴差值 = 实际优惠率 – 预估优惠率
这是一个需求侧驱动场景?还是供给侧驱动场景?
四、总结
这里,培养的是数据分析思路。
在实际业务场景中,经常会碰到很多问题:比如常见的“DAU下降问题”、“支付转化率下降问题”等。
其实每个答案都不是唯一,重要的是思考的逻辑和数据的推理。
即便有些事情看上去无法确定,但可以通过分析拆解,逐步逼近结果。面对不确定性,我们不应停滞不前,而是要懂得抓住身边有价值信息,快速决策。
最后,留个习题:中国有多少个出租车司机?
本文由 @话多的熊仔 原创发布于人人都是产品经理,未经许可,禁止转载。
题图来自 Unsplash,基于CC0协议。
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。
即便有些事情看上去无法确定,但可以通过分析拆解,逐步逼近结果。