数据分析/运营
易长安
这个作者很懒,什么都没留下…
展开
-
数据分析/运营——SQL面试题:如何求用户的最大连续登陆天数
本文介绍一个经典的面试题:如果求用户的最大连续登陆天数。题目描述:有一个用户登陆表,表中有两列,一列是userid,代表用户的id;另一列是sigindate,代表用户的登陆日期。现在要求每个用户的最大连续登陆天数。解题思路:对于每一个用户,首先求出它的日期排名ranking, 然后再求出今天距离 登陆日期的日期天数 dates ,拿这个天数 减去 - 它的排名, 得到一个辅助列 diff,然后求出diff的最大计数,即为用户的最大连续登陆天数。是不是看的很迷糊?最大计数?没事,下面对这个思路进行详细的原创 2020-06-28 08:47:01 · 9060 阅读 · 5 评论 -
数据分析/运营——常用MySQL操作、函数
本文主要介绍MySQL常见的一些操作和函数。具体包括增删改查和数学函数、字符函数以及日期函数。(1)先说最重要的查找操作:1、select 的用法功能:打印语法:select 列名称 from 表名称 2、distinct的用法功能:去重语法:select distinct 列名称from 表名称 3、limit的用法功能:提取前几项语法:select 列名 from 表名称 limit n,m 或者 limit nlimit n,m表示提取从第n行开始,往后提取m原创 2020-06-21 22:59:49 · 906 阅读 · 0 评论 -
数据分析/运营——MySQL的窗口函数用法
本文介绍几个MySQL常用的窗口函数下面以这个简单的数据表为例,对常见的几种窗口函数进行说明1、排序函数(1)Rank()功能:求出每个员工在它所属部门中的工资排名select *, rank() over(partition by DepartmentId order by Salary desc) as '排名'from Employee;得到结果如下:可以看到,rank()的效果和group by 有点像,也是先将数据按照某列进行聚合,不同的是,group by 聚合后,每一类原创 2020-06-16 08:07:31 · 997 阅读 · 0 评论 -
数据分析/运营——用户分层模型RFM
本文介绍一种常见的用户分层模型:RFM模型1、RFM模型介绍RFM是Rencency(最近一次消费)、Frequency(消费频率)、**Monetary(消费金额)**三个指标首字母组合,是衡量当前用户价值和进行用户分层的重要工具(1)Rencency:最近一次消费是指客户在平台最近一次消费和当前的时间间隔,理论上R越小的客户是价值越高的客户(2)Frequency:消费频率是指客户在固定时间内的购买次数(3)Monetary:消费金额是指一段时间内的消费金额2、使用RFM模型进行用户分类(原创 2020-06-12 09:55:23 · 1864 阅读 · 0 评论 -
数据分析/运营——常用的业务收入模型
本文列举了目前常见的几种业务收入模型1、流量收入:流量收入主要以广告收入为主,平台通过提供广告位获得的收入。具体方式为商家付款推广,平台按照用户每次点击/访问进行收费。计算方式有CPC(Cost Perhaps Clik, 单次点击成本)和CPM(Cost Per Mille,千次曝光成本)。CPC = 广告流量 ∗*∗ 转化率 ∗*∗ 单次点击价格。广告流量:某事件段内浏览到该商家广告的用户量转化率:点击广告人数/广告流量单次点击价格:用户每次点击,广告主需向平台付的钱CPM = 广告流量原创 2020-06-12 09:48:48 · 5589 阅读 · 1 评论 -
数据分析/运营——EXCEL数据透视表的使用
数据透视表(类似SQL的Groupby)数据透视表的功能:汇总、分类、求和、均值、计数等操作接下来介绍一下它的简单用法:假设我要求每一个人的总收入、平均收入、最高收入、最低收入首先点击“插入”,再点击“数据透视表”,红色框框是你让选择参与计算的区域,蓝色框框是生成的数据透视表的位置,你可以让它生成一个新的文件,也可以显示在原有的文件上。在右侧选择透视的字段,就可以求和每一个人的收入总和。接下来求平均收入、最高收入、最低收入首先把鼠标放到左上角的”收入“处,摁住鼠标左键,拖动“收入”到右下角的”原创 2020-06-12 09:10:14 · 1021 阅读 · 0 评论 -
数据分析/运营——常用EXCEL函数(IF、SUMIF、VLOOKUP)
列举几个常用的EXCEL函数(1)IF函数语法:IF(判断条件, “条件成立时的返回值”, “条件不成立时的返回值”)示例:IF(1=2, “等式成立”, “等式不成立”),返回“等式不成立”也可以多重嵌套IF(判断条件1, “条件1成立时返回值”,F(判断条件2, “条件2成立时返回值”,IF(判断条件3, “条件3成立时返回值”, “条件3不成立时返回值”)))N = 95IF(N<60, “不及格”,IF(N<70, “及格”,IF(N<80, “中等”,IF原创 2020-06-12 08:37:45 · 6850 阅读 · 0 评论 -
数据分析/运营——指标异常分析
针对某一个指标下降了,我们应该怎么分析?(1)确定数据的真实性,即该指标下降是否属于正常的波动范围,考虑到产品的周期性或者市场的波动性,只要指标的波动控制在一定范围内,那么该指标的下降是可接受的,没必要进行进一步处理(2)指标缺失属于异常波动,那么先将该指标进行拆解,然后分析它的成分指标的异常情况,得出指标初步的异常原因(3)对(2)中得到的原因进行数据验证下面是两个分析实例例1:某家餐馆的线上收入下降了,要怎么进行分析(1)确定该指标的下降幅度是否属于正常波动范围内(2)如果属于异常下降,将原创 2020-06-10 22:36:52 · 1779 阅读 · 0 评论 -
数据分析/运营——重要业务指标小结
常规指标一、活跃度指标(1)DAU、WAU、MAU,一个产品日活、周活、月活。以欢乐斗地主为例,日活是每天打开该APP的用户数二、用户粘性指标(1)留存率。包括次留、7留、30留。次留率:第一天打开欢乐斗地主并且第二天也打开欢乐斗地主的人数/第一天打开欢乐斗地主的人数三、渗透率(1)某功能板块的使用人数/该产品的日活。欢乐斗地主商城渗透率=进入商城的用户数/DAU四、转化率(1)针对某个连贯路径,使用下一个节点的用户数/使用上一个节点的用户数。欢乐斗地主转化率:打开APP——进入房间——参加原创 2020-06-10 09:40:57 · 874 阅读 · 0 评论 -
数据分析/运营——数据异常的排查方法
数据分析-数据异常的排查方法数据异常主要从两个大方向进行排查:①数据是否有问题?②业务是否有问题?第一个方向:数据是否有问题,即数据是否是真的异常?(1)亲自查看数据准确性,不要人云亦云(2)时间轴拉长,看是近期异常(3个月)还是历史异常(3)看和该指标关联的其他指标或其他核心指标是否也异常(4)找到一个关键任务(产品/数据),提前沟通一下第二个方向:如果数据是真的异常,怎么排查?最大概率法归类(找出所有的可能,讲它们出现的概率进行排序)(1)假期效应:开学季、暑期、四大节、当地节日(2)原创 2020-06-09 22:31:34 · 5208 阅读 · 0 评论