代码请访问github和gitee
https://gitee.com/wzylzjtn/data-warehouse-learning
https://github.com/Mrkuhuo/data-warehouse-learning
15.1 流量主题
15.1.1 各渠道流量统计
需求说明如下。
ads_traffic_stats_by_channel;
15.1.2 路径分析
用户路径分析,顾名思义,就是指用户在APP或网站中的访问路径。为了衡量网站优化的效果或营销推广的效果,以及了解用户行为偏好,时常要对访问路径进行分析。
用户访问路径的可视化通常使用桑基图。如下图所示,该图可真实还原用户的访问路径,包括页面跳转和页面访问次序。
桑基图需要我们提供每种页面跳转的次数,每个跳转由source/target表示,source指跳转起始页面,target表示跳转终到页面。
ads_page_path;
15.2 用户主题
15.2.1 用户变动统计
该需求包括两个指标,分别为流失用户数和回流用户数,以下为对两个指标的解释说明。
ads_user_change;
15.2.2 用户留存率
留存分析一般包含新增留存和活跃留存分析。
新增留存分析是分析某天的新增用户中,有多少人有后续的活跃行为。活跃留存分析是分析某天的活跃用户中,有多少人有后续的活跃行为。
留存分析是衡量产品对用户价值高低的重要指标。
此处要求统计新增留存率,新增留存率具体是指留存用户数与新增用户数的比值,例如2020-06-14新增100个用户,1日之后(2020-06-15)这100人中有80个人活跃了,那2020-06-14的1日留存数则为80,2020-06-14的1日留存率则为80%。
要求统计每天的1至7日留存率,如下图所示。
ads_user_retention;
15.2.3 用户新增活跃统计
需求说明如下
ads_user_stats;
15.2.4 用户行为漏斗分析
漏斗分析是一个数据分析模型,它能够科学反映一个业务过程从起点到终点各阶段用户转化情况。由于其能将各阶段环节都展示出来,故哪个阶段存在问题,就能一目了然。
该需求要求统计一个完整的购物流程各个阶段的人数,具体说明如下:
ads_user_action;
15.2.5 新增交易用户统计
需求说明如下。
ads_new_buyer_stats;
15.3 商品主题
15.3.1 最近7/30日各品牌复购率
需求说明如下。
ads_repeat_purchase_by_tm;
15.3.2 各品牌商品交易统计
需求说明如下。
ads_trade_stats_by_tm;
15.3.3 各品类商品交易统计
需求说明如下。
ads_trade_stats_by_cate;
15.3.4 各分类商品购物车存量Top10
ads_sku_cart_num_top3_by_cate;
15.4 交易主题
15.4.1 交易综合统计
需求说明如下
ads_trade_stats;
15.4.2 各省份交易统计
需求说明如下。
ads_order_by_province;
15.5 优惠券主题
15.5.1 最近30天发布的优惠券的补贴率
需求说明如下
ads_coupon_stats;
15.6 活动主题
15.6.1 最近30天发布的活动的补贴率
需求说明如下
ads_activity_stats;