现在的业务问题是：
1、分析差评原因，并给出改善方案；
2、骑手姓名重复默认为同一个骑手；同一个骑手可能在不同站点出现差评
（公众号回复“资料”下载数据）
【参考答案】
一.明确问题
二.分析原因
使用多维度拆解分析方法，从下面3个维度展开分析，在每个维度里面使用对比分析方法来比较。
(1)差评标签：各标签占比情况如何，各站点标签占比情况对比。
(2)骑手：骑手差评数、配送时间指标情况，分析典型样本的具体标签分布。
(3)站点对比：站点差评指标和配送时间指标对比，评价各站点表现以及存在的问题。
分析思路如下：
通过在Excel中分列功能对“顾客配送评价标签”这一列处理，得到下面的几列。
新增两列“取餐时长”和“总时长”，指标定义如下：
取餐时长=骑手接单时长+到店时长+到店等餐时长；
总时长 = 取餐时长+送达时长
1.差评标签分析
下图是差评的总体情况：
下图是各站点的差评情况：
从图中可以得出结论：
（1）总体情况来看，“送达超时“占比最高为29.65%，这是导致差评的主要原因；其次是态度不好、其他、少餐/撒餐。
（2）从各站点情况来看，“送达超时”出现频率都为最高。A站点“态度不好”占比第二22.56%，与占比第一的“送达超时”差距仅为1.5%；E站点“送达不通知”标签占比第二，为次要原因。
2.骑手分析
下图是骑手总体配送情况
从上图可以得出结论：
（1）配送时间指标大大高于平均值的骑手。对比差评数前5的骑手，其差评数并未相应升高，可见配送时长这一单一维度并不对用户差评起决定性作用。
（2）抽样调查骑手差评数前4位：
李*骑手：
该骑手的平均总时长、平均取餐时长、平均送达时长3项指标时长皆低于平均值。
但其对应评价标签中，出现频率最高的是“送达超时”和“其他”。其配送时间指标显然与评价不符，为防止恶意差评，需进一步沟通了解具体情况。
刘*骑手：
该骑手的平均总时长、平均取餐时长、平均送达时长3项指标时长皆高于平均值，与其对应评价标签中出现频率最高的“送达超时”相符。
陈*骑手：
该骑手平均总时长、取餐时长、送达时长3项指标时长皆低于平均值，其对应评价标签中出现频率最高的是“态度不好”，可见态度较差是该骑手获得较多差评的主要原因。
王*骑手：
该骑手平均总时长、平均送达时长低于平均值、取餐时长略高于平均值。其对应评价标签中出现频率最高的是“提前点送达”，可见该骑手常常违反规定进行“提前点送达”操作，导致用户不满，且致使其配送时间指标失真，存在欺骗行为，需要重点关注。
3.站点分析
从上图可以得出结论：
（1）站点C在差评和配送时间多项指标对比中都表现最差。为所有站点中最需要调整改善的.
（2）A站点在配送时间各项指标都低于平均值，表现优秀。但差评指标在所有站点中排名第二，说明该站点人员在其他方面存在一定问题。
对比之前的A站的差评标签占比情况，我们得到了相应的数据支持，“态度不好”标签占比第二为22.56%。
（3）D、F站点则在差评和配送时间的多项指标中表现优秀。
通过数据可视化图表信息，可以得出以下结论，用户差评占比最高的问题为“送达超时”。
但通过多项数据对比分析发现，骑手的配送时间长短这单一维度，并不对用户差评数起到决定性作用，“态度不好”的问题尤其需要重视，而“其他”、“少餐/撒餐”、“提前点送达”等为次要原因。
三.提出建议
1.站点C在各项指标中都表现较差，说明该站点骑手培训和管理上存在较大漏洞，总部应督促站长加强内部管理和培训，优化工作流程，提升骑手的配送效率和服务态度。
2.站点A在配送时间指标上表现优秀，但其差评原因中高比例的“态度不好”反馈，说明该站点骑手服务态度存在较大问题，容易让用户降低对平台的忠诚度，站长应加强对员工的服务培训，并增加对应的具体奖惩措施，规范骑手的服务态度。
3.建议不同站点，不同骑手间，根据数据指标，建立合理的绩效排名体系，增强内部竞争意识，提升整体公司效率。
4.对于差评标签带有：态度不好和少餐/撒餐的情况的订单，首先要给用户发送致歉短信，给予一定外卖红包奖励（金额做好控制），获取用户谅解，让用户保持对平台的好感。
对于态度恶劣的员工，在了解清楚具体情况以后，应要求员工电话回访客户致歉，并进行相应处罚。
对“提前点送达”这种可能会导致绩效考核指标失真以及破坏用户体验的违规行为，要进行重点排查和处罚。
公众号回复“资料”下载案例数据
参考答案来自《猴子 数据思维和实战》同学的面试分享，来源：
https://zhuanlan.zhihu.com/p/131404140
