Scenario Lab場景原子 × 產業 = 應用

組合器

左邊切產業、選場景, 右邊即時預覽組合後的應用。URL 本身就是組合定義, 可分享 / 書籤。

物流配送 · 即時組裝應用
4 個場景 · 共用同一份 包裹資料
選中 包裹:pk-77301pk-77302pk-77303pk-77304pk-77305pk-77306
資料血緣 · data-lineage
Data Lineage · 資料血緣
倉配概況 指標的資料來源追蹤
OLTP
核心系統
→
Kafka
raw.events
→
dbt
stg.transactions
→
Warehouse
fct.daily_revenue
→
BI
倉配概況
異常偵測: 2 小時前檢測到 stg.transactions 延遲 18 分鐘
多步驟表單 · form-wizard
建立包裹
步驟 2 / 3
選擇收件人填寫包裹資訊確認與送出
包裹 #77301
_________
數據對比 · stat-comparison
A / B 實驗結果

新版 包裹追蹤 介面 vs 舊版

樣本 4,281 · 過去 14 天 · 信心水準 95%
✓ 統計顯著
Control · 舊版
今日單量1,564件
準時率81.85499999999999%
平均里程32.3km
Treatment · 新版
Winner
今日單量1,840件
準時率96.3%
平均里程38km
核心提升
+17.6%
今日單量 相對改善
會員 RFM 分群 · member-rfm
RFM 分群 · Recency / Frequency / Monetary
收件人分群 · 共 348 位
  • 忠誠老客R5 F5 M5
    建議動作: 邀請推薦計畫
    42
    12%
  • 即將流失R2 F4 M4
    建議動作: 發送續約優惠
    28
    8%
  • 沉睡顧客R1 F2 M3
    建議動作: 喚醒郵件
    156
    45%
  • 高潛力新客R5 F1 M2
    建議動作: 教育內容
    38
    11%
  • 一次性買家R1 F1 M1
    建議動作: 二次購買誘因
    84
    24%