零代码也能玩转指标系列：大数据去重分析

Kyligence

已于 2022-10-19 10:41:47 修改

阅读量650

点赞数

分类专栏：云上指标中台 Kyligence 免费试用文章标签：去重指标中台支付转化

于 2022-10-13 09:35:24 首次发布

本文链接：https://blog.csdn.net/weixin_39074599/article/details/127294751

版权

Kyligence 免费试用同时被 2 个专栏收录

48 篇文章 1 订阅

订阅专栏

云上指标中台

44 篇文章 16 订阅

订阅专栏

本文作者：潘娜

对网店而言，丰富的 SKU 品类将能极大提升其对用户的吸引力，但相应地它也会延长了客户的最终购买路径，比如在最终下单前，用户可能反复浏览同一款产品，甚至可能存在多次加购物车、移出购物车、针对同一款产品多次下单等行为，客户的每一次行为都会生成一行记录，考虑到网店的客流量，数据量可能相当可观。

如何在这些看似毫无规律的用户行为中快速筛选出热门商品，并计算出这些商品的“支付转化率”也是商家最关心的问题，毕竟如果没有转化率，其他的一切都无从谈起。

在今天的案例中，我们就将演示如何通过 Kyligence Zen 的图形化界面快速进行去重分析。

文中所分析的场景已经上线 Kyligence Zen 指标集市，您可以点击访问零售企业热门商品及支付转化指标，一键复现文中的场景，无需下载或安装任何程序。

今天用到的数据集中收录了 284,284 行数据（文中所用数据基于 Michael Kechinov 的用户行为数据集进行了整合），用户的每次行为，比如浏览、加购物车和购买行为都会对应一行数据，因此，如希望快速统计出该商城的热门商品及其支付转化情况，就需要进行去重计数。

术语解释：

计数（COUNT）是一个常用的数据分析函数，即查询列值个数。
去重计数（COUNT_DISTINCT）是在此基础上去掉重复值，通常用于销售情况分析、网站站 UV 统计等数据分析场景。

利用 Kyligence Zen 的图形化界面，我们可以轻松完成去重分析，导入数据后，在指标页面，点击 +新建，由于是要进行简单的计数操作，我们将选择基础指标，输入指标名称热门商品，在指标定义部分，将指标值的列设为 product_id，聚合方式设为 COUNT_DISTINCT，Kyligence Zen 将对产品 ID （product_id）进行去重计数，统计这些数据中真实触达用户的产品，稍后设定数据格式和所希望分析的维度，最后在页面底部选择指标值的展示方式为展示全部数据，即可创建热门商品指标。

可以看到，在考察日期内的 28 多万条数据记录共触及了 20,673 件商品。11 月 18 日，用户触达的商品数量达到峰值，极可能是为了即将到来的黑色星期五大促做准备，在黑色星期五时触达到商品数量有所下降，我们经分析认为是经过前期筛选，用户已经锁定了他们要购买的商品。后续在网店的营销活动中，可以考虑尽量充分利用大促活动前两周的黄金时期，尽量暴露出更多的商品。

我们前面提到了支付转化才是店家关心的核心指标，接下来我们将演示如何通过 Kyligence Zen 计算这些商品的支付转化情况。

我们将继续创建几个指标来追踪用户在各个购物环节的转化率，为此我们需要先创建两个较细粒度的指标，包括加购物车次数和售卖商品数量，后续将基于这些指标计算消费者在不同环节的转化率，进而判断出客户转化的薄弱环节，从而不断提升最终的支付转化率。

我们将继续利用 Kyligence Zen 的图形界面创建这两个基础指标，二者都是按照产品ID（product_id）进行去重计数（COUNT_DISTINC），然后通过 Kyligence Zen 的筛选功能，对事件类型中的加购物车或购买（cart 或 purchase）进行筛选，即统计用户将商品加入购物车的次数或最终卖出的商品数量。

我们观察到在 20,673 件真实触达用户的商品中，有 3,634 件被加入了购物车，最终有 2,360 件发生了购买行为。可以初步判断当用户将商品加入购物车后，最终付款的比例远高于用户浏览商品后将其加入购物车的比例，因此如能提升从用户浏览到加购的转化率，将能显著提升最终的支付转化。