費米估算在風控場景中的應用
在建設風控,需要用一些工具來幫助業務決策,這里常用的是用費米估算在風控場景中的應用。本文以北京胡同口一天能賣出多少煎餅為例,分析如何應用費米估算,以期幫助大家提升自我數據思維。
通常新業務在進入快速發展期,業務同學更關注的是用戶拉新、業務增長等直接業務指標。
對于場景中的刷單用戶數、訂單數等健康度指標關注相對較少。
回過頭來看的時候,發現平臺已經被薅取了很多的營銷資金,便開始著手去建立風控治理能力。
在什么時候開始建設風控,需要一些工具來幫助業務進行決策。
一、費米估算
百度上解釋:費米估算指的是解決未知結果的估算問題,將復雜的問題拆解成小的、可知結果的部分。
直白一點,就是把復雜的大問題,拆分成一個個復雜的小問題。
同時將小問題的求解邏輯,轉變為熟悉的業務因子和計算邏輯。
將已知的業務因子進行代入,即可計算出該問題的估算值。
說的很繞口,要入門的同學,可百度搜索:芝加哥有多少個鋼琴調音師。
基本看一遍就知道咋用了。
二、北京胡同口一天能賣出多少煎餅
了解基本用法后,用一個習題來進行鞏固:北京胡同口一天能賣出多少個煎餅?
解題思路:
從需求側出發:
煎餅數量 = 購買人數 * 購買數量;
購買人數 = 胡同口覆蓋人數 * 購買率
因胡同主要集中在北京中心區,胡同口覆蓋人數 = 北京中心區可購買人數 * (胡同數量 / 道路數量)/ 胡同數量
可購買人數 = 北京中心區人數 * (1 – 嬰幼兒比例)
按照21年高德統計數據,北京總人口為2188W,胡同數量1004條,道路數量14848條,北京中心區人口占比50%,嬰幼兒占比20%;
通常一個人每周吃煎餅的次數,最多不會超過7次,最少不會超過1次,平均下來一周7天吃3次,購買率 = 3 / 7 = 43%
煎餅的季節性干擾很低,但時間段干擾較嚴重,通常集中在早飯,且一個為主。因此購買數量 = 1;
以上數據,可得出:
可購買人數 = 2188W * 50% *(1 – 20%)= 875W;
胡同口覆蓋人數 = 875W * (1004 / 14848) / 1004 = 569;
購買人數 = 569 * 43% = 244個;
煎餅數量 = 244 * 1 = 244個;
從供給側出發:
煎餅數量 = 攤主工作時長 / 每個煎餅耗時
煎餅的售賣集中在早上6:00 – 9:00,3個小時 = 10800秒;
每個煎餅的制作時間約為30秒;
以上數據,可得出:煎餅數量 = 10800秒 / 30秒 = 360個;
煎餅生意明顯是個供大于需的生意,因此主要是需求側來驅動,整體量級會接近需求側量級。
三、業務場景中存在多少的刷單
到這里,我們可以借用費米估算,來估算交易場景中存在多少的刷單訂單,以此來輔助業務進行決策。
解題思路:
從需求側出發:
- 刷單訂單數 = 刷單用戶數 * 戶均刷單數
- 刷單用戶數 = 新客刷單數 + 老客刷單數
- 新客刷單數 = 新客注冊數 * (1 – 新客正常流失率)
- 老客刷單數 = 老客活躍數 * (1 – 老客正常流失率)
- 戶均刷單數 = (總訂單數 – 正常訂單數)/ 完單用戶數
- 正常訂單數 = 預估訂單數 * (1 + 預估浮動比例)
- 預估訂單數 = 預估完單用戶數 * 戶均訂單數
從供給側出發:
- 刷單訂單數 = 總訂單數 * 實際優惠補貼差值
- 實際優惠補貼差值 = 實際優惠率 – 預估優惠率
這是一個需求側驅動場景?還是供給側驅動場景?
四、總結
這里,培養的是數據分析思路。
在實際業務場景中,經常會碰到很多問題:比如常見的“DAU下降問題”、“支付轉化率下降問題”等。
其實每個答案都不是唯一,重要的是思考的邏輯和數據的推理。
即便有些事情看上去無法確定,但可以通過分析拆解,逐步逼近結果。面對不確定性,我們不應停滯不前,而是要懂得抓住身邊有價值信息,快速決策。
最后,留個習題:中國有多少個出租車司機?
本文由 @話多的熊仔 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Unsplash,基于CC0協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
即便有些事情看上去無法確定,但可以通過分析拆解,逐步逼近結果。