大通县wap网站建设公司江苏做网站的企业

大通县wap网站建设公司,江苏做网站的企业,网站的建设与运营专业,附近电脑培训班零基础文章目录1、用户拉新情况相关指标PV#xff08;页面浏览量/访问量#xff09;UV#xff08;独立访客数#xff09;PVUV#xff08;人均页面浏览量#xff09;2、用户留存率指标2.1 留存率计算3、用户行为4、用户定位RFM模型1、用户拉新情况相关指标 可以分析每日浏览深度…文章目录1、用户拉新情况相关指标PV页面浏览量/访问量UV独立访客数PVUV人均页面浏览量2、用户留存率指标2.1 留存率计算3、用户行为4、用户定位RFM模型1、用户拉新情况相关指标可以分析每日浏览深度(按日期分组)每时浏览深度(按时间分组)PV页面浏览量/访问量定义用户对页面的每一次浏览/刷新都计为1次PV同一用户多次访问同一页面会重复计数。计算公式PV 所有用户的页面浏览次数之和示例用户A浏览页面X 3次用户B浏览页面X 2次 → 页面X的PV 3 2 5UV独立访客数定义统计周期内如1天独立的用户数同一用户多次访问只计1次以设备/账号/IP等唯一标识区分。计算公式UV 去重后的独立用户标识数量示例用户A用手机访问页面X 3次用户B用电脑访问页面X 2次 → 页面X的UV 22个独立用户PVUV人均页面浏览量定义平均每个独立用户的页面浏览次数反映用户的访问深度。计算公式PVUV PV ÷ UV示例页面X的PV5UV2 → PVUV 5 ÷ 2 2.5SELECTdates,count(IF(behavior_typepv,1,NULL))ASPV,count(DISTINCTuser_id)ASUV,round((count(IF(behavior_typepv,1,NULL))/count(DISTINCTuser_id)),2)ASPVUVFROMuserbehaviorGROUPBYdates;2、用户留存率指标2.1 留存率计算1计算次日留存率方法1-- 次日留存率SQL164witht1as(selectuid,min(day_time)asfirst_dayfrom(selectuid,date(in_time)asday_timefromtb_user_log)r1groupbyuidhavingdate_format(first_day,%Y-%m)2021-11),t2as(selectt1.uid,first_day,day_timeassecond_dayfromt1leftjoin(selectuid,date(in_time)asday_timefromtb_user_logunionselectuid,date(out_time)asday_timefromtb_user_log)bont1.uidb.uidanddatediff(day_time,first_day)1)selectfirst_day,# round(sum(if(second_day is null, 0 ,1))/count(uid),2) as uv_left_rateround(count(second_day)/count(uid),2)asuv_left_ratefromt2groupbyfirst_dayorderbyfirst_day-- 次日留存率CREATETABLEdf_retention_1(datesCHAR(10),retention_1FLOAT);INSERTINTOdf_retention_1SELECTub1.dates,count(ub2.user_id)/count(ub1.user_id)ASretention_1FROM(SELECTDISTINCTuser_id,datesFROMuserbehavior)ASub1LEFTJOIN(SELECTDISTINCTuser_id,datesFROMuserbehavior)ASub2ONub2.user_idub1.user_idANDub2.datesdate_add(ub1.dates,INTERVAL1DAY)GROUPBYub1.dates;2计算次日留存率方法2SELECT-- 统计基准日用户首次登录的日期按这个日期分组算留存first_login.login_dateAS统计日期,-- 1. 次日留存率登录日期差 1 天CONCAT(ROUND((COUNT(DISTINCTCASEWHENDATEDIFF(second_login.login_date,first_login.login_date)1THENsecond_login.user_idEND)/COUNT(DISTINCTfirst_login.user_id))*100,2),%)AS次日留存率,-- 2. 三日留存率登录日期差 2 天当日为0次日1第三日就是2CONCAT(ROUND((COUNT(DISTINCTCASEWHENDATEDIFF(second_login.login_date,first_login.login_date)2THENsecond_login.user_idEND)/COUNT(DISTINCTfirst_login.user_id))*100,2),%)AS三日留存率FROM-- 表1所有用户每日登录去重1人1天1条(SELECTDISTINCTuser_id,login_dateFROMuser_login_table)first_login-- 左连接关联用户后续登录记录满足「后续日期基准日期」覆盖所有留存可能LEFTJOIN(SELECTDISTINCTuser_id,login_dateFROMuser_login_table)second_loginONfirst_login.user_idsecond_login.user_id-- 同一用户关联ANDsecond_login.login_datefirst_login.login_date-- 核心条件后续登录日期基准日GROUPBYfirst_login.login_date-- 按基准日分组每日的留存单独算ORDERBYfirst_login.login_dateDESC;-- 按日期倒序优先看最新数据3、用户行为指标用户购买行为用户购买次数(按照用户分组统计)用户复购率:购买次数超过两次的用户比上总购买用户数计算思路为使用用户表t和重复购买的用户表sub进行左连接计算sub表中的用户数占连接后表的用户数的比例。指标用户转化率用户PVFAVCART BUY计算方法对于用户行为字段按照用户和商品分组统计对应行为的数量用户行为归一标准化计算方法对于上一步按照用户和商品分组统计过的指标不管数量只要大于0就有过这种行为统计为1用户行为路径记录计算方法以用户和商品为唯一字段记录行为路径统计不同用户行为路径的数量并按照漏斗分析来分类分组计数4、用户定位RFM模型