Demandante
Recebemos uma demanda de uma empresa de delivery que passa por um momento de crescimento e também de melhoria no processo de análise de dados. O time de Marketing fez um investimento em comerciais, para que a empresa ficasse mais conhecida e consequentemente aumentasse o número de pedidos. O Gestor da área entra em contato com nossa equipe para que possamos ajudá-los no direcionamento de algumas medidas.
Entendendo o Problema
Há um aumento na quantidade de entregas pelo APP da empresa, e consequentemente um decaimento na avaliação dos clientes. Deseja-se descobrir os motivos do decaimento e sugerir alguma melhoria baseada em dados.
Informações Importantes
Todos os pedidos analisados são de 2017
As notas de avaliação variam de 1 a 5, sendo -1 os clientes que não responderam e NA os clientes que não receberam a avaliação
Existe uma classificação de acordo com as notas dos clientes, que seguem as seguintes regras:
- Ruim: Notas entre 1 e 3
- Medio: Notas igual a 4
- Bom: Notas igual a 5
Houve um atualização no portal de entregas em meados de Junho/Julho
Houve um investimento em comeciais para a empresa ficar mais conhecida em meados de Julho/Agora
Conhecendo a base
Variáveis
| skim_type | skim_variable | n_missing | complete_rate | character.min | character.max | character.empty | character.n_unique | character.whitespace |
|---|---|---|---|---|---|---|---|---|
| character | TIPO_PAGAMENTO | 0 | 1 | 6 | 13 | 0 | 4 | 0 |
| character | TIPO_ENTREGA | 0 | 1 | 7 | 7 | 0 | 3 | 0 |
| character | ESTADO | 0 | 1 | 2 | 2 | 0 | 5 | 0 |
| skim_type | skim_variable | n_missing | complete_rate | factor.ordered | factor.n_unique | factor.top_counts |
|---|---|---|---|---|---|---|
| factor | CLASSE | 0 | 1 | FALSE | 4 | Bom: 5573, Sem: 4273, Rui: 687, Med: 641 |
| factor | MES | 0 | 1 | TRUE | 10 | Out: 1734, Set: 1731, Jun: 1341, Ago: 1305 |
| factor | DIA | 0 | 1 | TRUE | 7 | Sáb: 3259, Sex: 2342, Dom: 2056, Qui: 1269 |
| factor | TURNO | 0 | 1 | FALSE | 4 | Noi: 5118, Tar: 4460, Man: 1074, Mad: 522 |
| skim_type | skim_variable | n_missing | complete_rate | numeric.mean | numeric.sd | numeric.p0 | numeric.p25 | numeric.p50 | numeric.p75 | numeric.p100 | numeric.hist |
|---|---|---|---|---|---|---|---|---|---|---|---|
| numeric | ID_PEDIDO | 0 | 1.000000 | 1.884246e+05 | 58540.23929 | 45.0 | 117767.25 | 210567.500 | 233436.000 | 256243.000 | ▁▁▃▂▇ |
| numeric | VALOR_PEDIDO | 0 | 1.000000 | 1.007173e+02 | 397.88371 | 2.2 | 29.88 | 35.904 | 59.488 | 6894.528 | ▇▁▁▁▁ |
| numeric | ID_ENTREGADOR | 0 | 1.000000 | 3.177895e+01 | 14.06820 | 17.0 | 21.00 | 26.000 | 39.000 | 74.000 | ▇▃▂▁▁ |
| numeric | NOTA_ENTREGA | 3897 | 0.651244 | 4.368421e+00 | 1.47981 | -1.0 | 5.00 | 5.000 | 5.000 | 5.000 | ▁▁▁▁▇ |
| skim_type | skim_variable | n_missing | complete_rate | POSIXct.min | POSIXct.max | POSIXct.median | POSIXct.n_unique |
|---|---|---|---|---|---|---|---|
| POSIXct | DATA_PEDIDO | 0 | 1 | 2017-01-01 10:11:01 | 2017-10-31 23:42:43 | 2017-07-13 22:01:51 | 11138 |
Primeiras Análises
Análise do Cenário da empresa
Agora faremos as primeiras análises da nossa base, expondo o cenário que temos da mesma:
A partir de Junho, há um aumento considerável na quantidade de entregas, e a partir de Setembro, há um aumento repentino na quantidade de entregas
O faturamento da empresa está crescendo no decorrer dos meses, tendo um maior destaque no mês de Julho
Há uma queda brusca mês de Julho quanto as avaliações dos clientes
O Estado de São Paulo é onde ocorre a maioria das entregas, sendo que a empresa atua em outros quatro Estados (Ceará, Minas Gerais, Paraná e Rio de Janeiro)
Continuando as análises, vamos agora tratar de questões de processos de entrega:
Já conseguimos enxergar alguns ponstos de atenção no processo de entregas, são estes:
Existe um percentual muito alto de pedidos que não receberam a avaliação após a entrega do produto
A maioria dos clientes respondentes classifica a entrega como Boa
Existe um grande percentual de meios de pagamentos não informados
Os turnos da tarde e noite são os que possuem maior volume de entrega
Quase 90% dos clientes recebe o pedido, sendo este o tipo de entrega mais frequente
Sexta, Sábado e Domingo são os dias de maior volume de entregas
Agora vamos tentar aprofundar nossa análise atacando os pontos levantados anteriormente:
Os problemas da não informação de avaliação e métodos de pagamento:
Com os gráficos acima pudemos perceber:
A partir do mês de Junho, onde houve atualização de plataforma, o número de pedidos que não receberam avaliações cresceu
Os pedidos sem informação de pagamento foram resolvidos em Julho
Em momento e local de maior quantidade de pedidos, são onde se concentram também os volumes de pedidos sem recebeimento de avaliação, que são os turnos da tarde e noite, nos dias sexta, sábado e domingo e no estado de São Paulo.
Avaliando os entregadores
Agora vamos avaliar os indicadores quanto aos entregadores:
Ao todo, nossa base possui 51 entregadores.
Em relação a quantidade de entregadores por cada estado:
- Não há uma relação evidente quanto entre a quantidade de entregadores e a média de nota de avaliação por estado
Porém, vamo verificar a quantidade de entregadores em relação ao volume de pedidos de cada estado
| ESTADO | Qtd_entregadores | Vol_entregas | media_nota | Media_entregador |
|---|---|---|---|---|
| SP | 24 | 7800 | 4.4 | 325.0 |
| RJ | 11 | 2297 | 4.3 | 208.8 |
| MG | 10 | 759 | 4.1 | 75.9 |
| PR | 3 | 164 | 4.4 | 54.7 |
| CE | 3 | 154 | 4.5 | 51.3 |
Agora já começa a fazer sentido o fato de que Ceará e Paraná possuem as menores médias de entregas por entregadores (51.3 e 54.7, respectivamente) e as maiores médias de avaliações, enquanto Minas Gerais e Rio de Janeiro acontece o contrário. O fato a ser estudado é São Paulo, pois possui a maior média de entregadores e a segunda maior média de nota, além de ser o estado onde de concentram a maioria dos pedidos. Dado isso, vamos olhar a evolução de notas de São Paulo:
São Paulo segue a tendência da base como um todo, ou, na verdade, puxa essa tendência devido ser o principal estado quanto ao volume de entregas. Se olharmos bem, São Paulo é responsável por um grande parte do faturamento, por isso merece uma atenção especial na análise:
Sabendo da grande representatividade no faturamento, vamos analisar onde está o problema da baixa de notas em São Paulo:
Entregadores
Vimos que a média de entrega por entregadores não foi um quesito relevante quando analisado com outros estados, porém vamos verificar a média das notas por entregadores pra verificar se existe relevância:
Vamos separar os top 5 melhores e 5 piores entregadores pra enchegar o comportamento dos mesmos:
Com esses gráficos podemos perceber que os pedidos não são direcionados a entregadores de melhores ou piores avaliações, pois temos crescentes de pedidos de alguns entregadores que possuem média de notas ruins, e baixas de pedidos de alguns entregadores de com média de notas boas.
Conclusão
A partir das análises feitas, pudemos verificar o cenário atual, fazer algumas descobertas e sugerir algumas tomadas de decisões:
Deve-se verificar e ajustar as questões de atualização da plataforma para que todos os clientes possam avaliar os pedidos efetuados, principalmente nos horários e dias de pico
Para os estados de Minas Gerais e Rio de Janeiro, fazer um investimento no aumento da quantidade de entregadores, que notadamente afeta na avaliação dos clientes
Para os estados do Ceará e Paraná, deve-se investir no crescimento do corpo de entregadores junto ao crescimento da quantidade de pedidos para continuar garantindo uma boa avaliação
Já para o Estado de São Paulo, onde se concentram a maioria dos pedidos, deve-se, além de reciclar uma parte do corpo de entregadores, redirecionar uma quantidade de pedidos para aqueles que possuem notas de avaliação melhores
Próximos passos
Ajuste a plataforma
Atuar junto aos entregadores do Estado de São Paulo, que possui quase 90% do volume de entregas
ConsideraçÕes Finais
Ainda completarei esta análise, com mais informações e com alguma parte de modelagem estatística. Espero que tenham gostado! Para sugestões e críticas, podem entrar em contato pelo meu Linkedin.