网站建设好找工作,asp美食网站源码,应用公园app开发步骤详解,如何建网站要什么条件前言
用户行为分析是对用户在产品或触点上产生的行为及行为背后的数据进行分析#xff0c;通过构建用户行为数据分析体系或者用户画像#xff0c;来改变产品、营销、运营决策#xff0c;实现精细化运营#xff0c;指导业务增长。总之#xff0c;很重要。
先来看下用户类…
前言
用户行为分析是对用户在产品或触点上产生的行为及行为背后的数据进行分析通过构建用户行为数据分析体系或者用户画像来改变产品、营销、运营决策实现精细化运营指导业务增长。总之很重要。
先来看下用户类行为指标说明然后下面详解常写的指标。仅供参考实际开发逻辑还是按业务需求为标准。 指标名称 解释说明 新增用户 首次联网使用应用的用户如果一个用户首次打开某APP那这个用户定义为新增用户卸载再安装的设备不会被算作一次新增新增用户包括日新增用户周新增用户月新增用户。 活跃用户 打开应用的用户即为活跃用户不考虑用户的使用情况每天一台设备打开多次会话被记为一个活跃用户 周月活跃用户 用户以设备作为判断标准在移动统计中每个独立设备认为是一个独立用户。安卓系统根据imei号IOS系统根据openUDUID来标识一个独立用户每部手机一个用户。 沉默用户 用户仅在安装当天次日启动一次后续时间无再启动的行为。该指标可以反应新增用户质量和用户与app的匹配程度 版本分布 不同版本的周内新增用户数活跃用户数和启动次数。利于判断app各个版本之间的优劣和用户行为习惯。 本周回流用户 上周未启动过的应用本周启动了应用的用户 连续n周活跃用户 连续n周每周至少启动一次。 忠诚用户 连续活跃5周以上的用户 连续活跃用户 连续两周及以上活跃的用户 近期流失用户 连续n2n 4周没有启动应用的用户。第n1周没有启动过 留存用户 某段时间内的新增用户经过一段时间后仍然使用应用的被认作是留存用户这部分用户占当时新增用户的比例即是留存率 用户新鲜度 每天启动应用的新老用户比例即新增用户数占活跃用户数的比例 单次使用时长 每次启动使用的时间长度 日使用时长 累计一天内使用时间长度
用户活跃
描述
判断业务健康程度和发展趋势的一个重要指标。
业务指标场景举例
最近一个周/月内有过连续活跃n天的人数。
最近一周/月内每个用户的平均活跃天数。
最近一周/月内最大沉默天数超n天的用户数。
最近七天内连续三天活跃用户数。
分析思路
以日明细获取周月用户明细。
活跃用户按天明细表 dws_uv_detail_day。
create table dws_uv_detail_day( mid_id string COMMENT 设备唯一标识, user_id string COMMENT 用户标识, app_time string COMMENT 客户端日志产生时的时间, . . . . . . (省略其他字段))partitioned by(dt string). . . . . .
活跃用户按周明细表 dws_uv_detail_wk。
create table dws_uv_detail_wk( mid_id string COMMENT 设备唯一标识, user_id string COMMENT 用户标识, app_time string COMMENT 客户端日志产生时的时间, monday_date string COMMENT 周一日期, sunday_date string COMMENT 周日日期 , . . . . . . (省略其他字段)) PARTITIONED BY (wk_dt string). . . . . .
案例
最近七天内连续三天活跃用户数思路。
1查询出最近7天的活跃用户并对用户活跃日期进行排名。
2计算用户活跃日期及排名之间的差值。
3对同用户及差值分组统计差值个数。
4将差值相同个数大于等于3的数据取出然后去重即为连续3天及以上活跃的用户数。
select 2022-01-04, concat(date_add(2022-01-04,-6),_,2022-01-04), count(*)from( select uid_id from ( select uid_id from ( select uid_id, date_sub(dt,rank) date_diff from ( select uid_id, dt, rank() over(partition by uid_id order by dt) rank from dws_uv_detail_day where dtdate_add(2022-01-04,-6) and dt2022-01-04 )t1 )t2 group by uid_id,date_diff having count(*)3 )t3 group by uid_id)t4;
用户设备新增
描述
用户第一次打开应用那这个用户定义为新增用户。
业务指标场景举例
日新增用户。
周新增用户。
月新增用户。
分析思路
每日活跃设备 left join 每日新增产生的结果每日新增的设备id为null则为新增。
案例
每日新增用户设备
dws_uv_detail_day:每日活跃用户表dws_new_mid_day:每日新增设备表select ud.mid_id, ud.user_idfrom dws_uv_detail_day ud left join dws_new_mid_day nm on ud.mid_idnm.mid_idwhere ud.dt2022-01-04 and nm.mid_id is null;
用户留存
描述
「用户留存」某段时间内的新增活跃用户经过一段时间后有继续访问或者使用应用被称为留存用户。
留存可以看成是一个用户在今天出现在明天也出现那就是次日留存。
一个用户在今天出现在后天出现那就是2日留存。
「留存率」留存用户占新增活用户的比例。
业务指标场景举例
次日留存率
3日留存率
7日留存率
分析思路
统计2022-01-04日以统计2022-01-03日留存率为业务需求分析
「2022-01-03设备留存率 01-03日新增设备 且 01-04日活跃的 占 01-03日新增设备。」
1 01-03日新增设备
01-04日活跃表 left join 每日新增表新增表id为null的为新增设备。
201-03日新增设备 且 01-04日活跃的
01-03日新增 join 01-04的活跃。
3代入上面公式
案例
计算前1天新用户访问留存明细
dws_uv_detail_day:每日活跃用户表dws_user_retention_day每日留存用户明细表dws_new_mid_day:每日新增设备表select nm.mid_id mid_id, nm.user_id user_id, ud.dt dt, 1 retention_day // 留存天数from dws_uv_detail_day ud join dws_new_mid_day nm on ud.mid_id nm.mid_id where ud.dt2022-01-04 and nm.create_datedate_add(2022-01-04,-1)
沉默用户
描述
指的是只在安装当天启动过且启动时间是在一周/月某段时间前。
分析思路
1按照设备id对日活表分组
2过滤只是在启动当天用过的
3时间在某个时间前的
案例
7日沉默用户设备数。
dws_uv_detail_day:每日活跃用户表select 2022-01-04 dt, count(*) silent_countfrom ( select mid_id from dws_uv_detail_day where dt2022-01-04 group by mid_id having count(*)1 and min(dt)date_add(2022-01-04,-6)) t1;
回流用户
描述
相当于回头客的意思以前用过某物过一段时间再次使用某物这样的用户就是回流用户。用户已经记录n日以及n日以上未有登录即先认定这部分用户已经流失而在今天有登录那在今天这部分用户称之为回流用户。
业务指标场景举例
时间周期回流时间周期活跃-时间周期新增-上个时间周期活跃
如本周回流本周活跃-本周新增-上周活跃。
分析思路
本周活跃 left join 本周新增 left join 上周活跃。
条件是本周新增id为null上周活跃id为null。
案例
本周回流
dws_uv_detail_wk:每周活跃用户表dws_new_mid_day:每日新增设备表mid_id设备idselect 2022-01-04 dt, concat(date_add(next_day(2022-01-04,MO),-7),_,date_add(next_day(2022-01-04,MO),-1)) wk_dt, count(*)from ( select t1.mid_id from ( select mid_id from dws_uv_detail_wk where wk_dtconcat(date_add(next_day(2022-01-04,MO),-7),_,date_add(next_day(2022-01-04,MO),-1)) )t1 left join ( select mid_id from dws_new_mid_day where create_datedate_add(next_day(2022-01-04,MO),-1) and create_datedate_add(next_day(2022-01-04,MO),-7) )t2 on t1.mid_idt2.mid_id left join ( select mid_id from dws_uv_detail_wk where wk_dtconcat(date_add(next_day(2022-01-04,MO),-7*2),_,date_add(next_day(2022-01-04,MO),-7-1)) )t3 on t1.mid_idt3.mid_id where t2.mid_id is null and t3.mid_id is null)t4;
流失用户
描述
最近n天自己定义未登录我们称之为流失用户。
案例
流失用户数最近7天未登录用户。
dws_uv_detail_day:每日活跃用户表select 2022-01-04, count(*)from ( select mid_idfrom dws_uv_detail_day group by mid_id having max(dt)date_add(2022-01-04,-7))t1;
浏览数与访客数
浏览量PV网站各页面被查看的次数。用户多次打开或刷新同一个页面该指标值累加。
访客数(UV)网站各页面的访问人数。所选时间段内同一访客多次访问会进行去重。
这两个指标没啥说的count取值或者去重count即可。
用户行为漏斗分析
描述
举例说明订单转化率
访问到下单转化率 下单人数 / 日活跃人数
下单到支付转化率 支付人数 / 下单人数
SQL
dws_uv_detail_day:每日活跃用户表dws_user_action:用户行为表
select 2022-01-04, uv.day_count 日活跃人数, ua.order_count 下单数, cast(ua.order_count/uv.day_count as decimal(10,2)) 访问到下单转化率, ua.payment_count 支付人数, cast(ua.payment_count/ua.order_count as decimal(10,2)) 下单到支付转化率from (select sum(if(order_count0,1,0)) order_count, sum(if(payment_count0,1,0)) payment_count from dws_user_actionwhere dt2022-01-04group by dt)ua join (select dt , count(*) day_count from dws_uv_detail_day where dt2022-01-04 group by dt ) uv on uv.dtua.dt
