本文你将学到:
- 如何搭建电商“人货场”指标体系
- MySQL:留存率分析
- MySQL:RFM模型分析
- MySQL:用户行为路径分析
细心的同学可能会发现,这个符号的「标题」都是实战项目,因为学习的目的不是学习本身,而是为了解决实际问题。本文通过案例来讲述MySQL在公司里是如何应用的。
本文适用于有一定MySQL基础,想进阶练习的同学。(真的都是干货,请大家多多练习) 思维导图附在文章末尾,配合文章一起使用效果更佳。
一、项目背景
电商行业从早些年的粗放式经营,逐步转化为精细化运营。随着平台数据量的不断增加,通过数据分析挖掘消费者的潜在需求、消费偏好成为平台运营过程中的重要环节。
本项目目的如下:
- 探索用户行为规律,寻找高价值用户
- 分析商品特征,寻找高贡献商品
- 分析产品功能,优化产品路径
二、使用“人货场”拆解方式建立指标体系
「人」是整个运营的核心,所有举动都围绕着怎么让更多的人有购买行为,且买的更多买的更贵。
「货」对应着供给,涉及到了商品分层,哪些是红海,哪些是蓝海,如何进行动态调整。
「场」就是消费者在什么场景下,以什么样的方式接触到了这个商品。(哇这句话太精彩了)
建立指标体系如下:
人货场对应的指标(部分)
三、问题确认
1、基于RFM模型找出核心付费用户群,对这部分用户进行精准营销。「人」
2、商品分析:找出热销商品,研究热销商品特点。「货」
3、基于漏斗模型的用户购买流程各环节分析指标,确定各环节的转化率,便于找到需要改进的环节。「场」
四、准备数据
CREATE TABLE temp_trade(
user_id int(9) COMMENT '⽤户ID',
item_id int(9) COMMENT '商品ID',
behavior_type int(1) COMMENT '⽤户⾏为类型(1-曝光;2-购买;3-加⼊购物⻋;4-加⼊收藏夹。)',
user_geohash varchar(14) COMMENT '地理位置',
item_category int(5) COMMENT '品类ID',
date_time datetime COMMENT '用户行为发生时间',
dates date COMMENT '用户行为发生日期'
);
从navicat导入以下数据源:
temp_trade数据源:https://gitee.com/hu-weiqing/datasource/blob/master/temp_trade.xlsx
数据源前10条展示如下:
五、SQL实现
1、用户指标体系
1.1 基础数据:统计每日PV、UV、PV/UV
-- UV:统计distinct user_id数量
-- PV:统计behavior_type=1的记录数
SELECT
a.dates,
count(distinct a.user_id) as 'UV',
count(if(a.behavior_type=1,user_id,null)) as 'PV',
count(if(a.behavior_type=1,user_id,null)) / count(distinct a.user_id) as 'PV/UV'
FROM temp_trade a
GROUP BY a.dates ;