Metrocar — це сучасна технологічна ride-sharing платформа (застосунок для замовлення поїздок), що функціонує на iOS, Android та Web.
Цей проєкт присвячений глибокому аналізу кожного етапу користувацького шляху (User Journey): від першого завантаження застосунку до успішної оплати та залишення відгуку. Основна мета — виявлення «вузьких місць» (bottlenecks) у воронці конверсії, дослідження причин відтоку клієнтів у пікові години та формування дата-центричних рекомендацій для покращення бізнес-показників.
SQL_queries.sql— повний набір SQL-запитів для вивантаження та первинного аналізу даних.Metrocar report.pdf— розгорнутий аналітичний звіт із графіками та висновками.README.md— поточний опис проєкту.
В ході аналізу було досліджено та вирішено наступні ключові завдання компанії:
- Ефективність етапів воронки: визначено точну кількість користувачів на кожному кроці мікро- та макроконверсій та знайдено етапи з найбільшими втратами клієнтів.
- Аналіз причин відтоку (Churn): досліджено вплив часу доби, днів тижня та часу очікування автомобіля (ETA) на поведінку користувачів.
- Ефективність платформ: проаналізовано поведінку користувачів iOS, Android та Web-версії для оптимізації маркетингових бюджетів.
- Сегментація аудиторії: оцінено розподіл поїздок за віковими групами для точнішого таргетування.
Аналіз охоплює 7 послідовних кроків взаємодії користувача з платформою:
- App Download (Завантаження застосунку)
- Signup (Реєстрація)
- Ride Request (Запит на поїздку)
- Driver Acceptance (Прийняття замовлення водієм)
- Ride Completed (Успішне завершення поїздки)
- Payment (Оплата)
- Review (Залишення відгуку)
- Платформи-лідери: платформа iOS є абсолютним драйвером росту Metrocar. Вона демонструє найвищі показники завантажень, реєстрацій та утримання клієнтів, а також приносить найбільшу кількість завершених поїздок у порівнянні з Android та Web.
- Ядро аудиторії: найбільш активною та фінансово вигідною для компанії є вікова група 35-44 роки. Водночас виявлено велику частку користувачів із незаповненим профілем (категорія "Unknown"), що заважає якісній персоналізації.
- Поріг терпіння клієнтів (ETA): аналіз часових інтервалів чітко показав, що близько 50% користувачів скасовують замовлення, якщо час очікування призначення або прибуття водія перевищує критичну позначку у 6 хвилин.
- Дисбаланс попиту та пропозиції: у ранкові та вечірні години пік спостерігається гострий дефіцит активних водіїв на лінії. Велика кількість запитів на поїздки залишається неприйнятими, через що компанія втрачає значну частку потенційного доходу.
- Перерозподіл бюджету: спрямувати основні інвестиції та рекламні бюджети на залучення користувачів платформи iOS, оскільки вони мають найвищу конверсію в успішну поїздку.
- Фокусний таргет: орієнтувати маркетингові кампанії переважно на віковий сегмент 35-44 роки.
- Активація профілів: розробити систему стимулів (наприклад, знижка або промокод на першу поїздку) за повне заповнення профілю при реєстрації, щоб мінімізувати кількість користувачів у сегменті "Unknown".
- Оптимізація часу очікування: налаштувати операційні процеси та алгоритми розподілу замовлень таким чином, щоб утримувати ETA (час прибуття) в межах до 6 хвилин.
- Управління піковими годинами: впровадити систему динамічного ціноутворення (Surge Pricing) під час підвищеного попиту. Це дозволить мотивувати більшу кількість водіїв виходити на лінію у години пік та збалансує воронку на етапі
Ride Request -> Driver Acceptance.
- База даних: PostgreSQL (агрегація сирих даних, розрахунок часових інтервалів та сегментація).
- BI Візуалізація: Tableau (побудова інтерактивного дашборду, обчислення рівнів конверсії та порівняльний аналіз сегментів).
