随着数字化时代的不断发展,人们越来越倾向于在网上进行购物,因此电商零售业也日益成熟。而作为一个电商零售人,在做完运营销售之后的总结是非常重要的,那么如何总结提升以形成整个营销产业链的良性闭环呢?我认为对营销时产生的数据进行统计分析是很重要的。
这里以某电商平台用户记录数据为例,通过MySQL语言,借助Navicat平台进行搭建分析。
数据具体信息如下:包括了daily_active_user 日活跃用户表、dim_user_level 用户会员等级表、dim_channel 渠道维度表等等。
以daily_active_user 日活跃用户表为例,它包含了以下信息:
在了解了基本表信息之后,我们才能对数据进行查询分析操作
1.首先我们可以查询出月活跃天数分布和基础数据量级
SQL代码如下:
select
ds,count(1) as num
from daily_active_user
group by ds
order by ds
limit 1000;
查询结果如下:
可以看到一共30条数据,分别记录了每一个日期ds的活跃记录数,即ds1 20190901有254条记录
2.接着我们查询找出低活/中活/高活用户数为目标,从数据中找出我们想要的数据
具体低活/中活/高活用户数要求如下:
低活用户:月活跃天数 < 10 天
低活用户:月活跃天数 >= 10 天且 < 20 天,且时长 10 分钟以上的天数 < 5 天
中活用户:月活跃天数 >= 10 天且 < 20 天,且时长 10 分钟以上的天数 >= 5 天
中活用户:月活跃天数 >= 20 天,且时长30 分钟以上的天数 < 10 天
高活用户:月活跃天数 >= 20 天,且时长30 分钟以上的天数 >=10 天
具体的SQL代码如下
select
case when active_days<10 then '低活'
when active_days