上周周五早上接到老板的临时需求要写一份分析报告，从确定框架到输出内容花了8.5个小时，成就满满，而且中间没有特别疲惫的感觉，全程其实没有什么调整时间，全程高能，自己很享受这个过程。简单记录一下时间分配，以及好的地方和不足，看看有没有进步的空间。
1.基础框架准备，前期我们这边也有过很多分析，这次属于明晰一下目前的人群状态，进一步探查的需求。所以老板这边的需求还是很明确的，根据老板的需求，再结合我这边的一些思索补充，整体框架就搭好了。
老板的需求
a.在APP长期活跃的持续购物用户的各种特征
b.在APP有多次搜索购物行为的用户的购物特征
c.在APP有点击广告行为/购买广告商品的用户特征
用于分析，进行中间链路和框架的补充，同时圈定以4月购买用户作为分析对象
a.在APP长期活跃的持续购物用户的各种特征
a1. 在APP上高频购买用户（购买角度）
a2. 在APP上高频活跃的用户（浏览角度）
a3. 高频浏览商详的用户（不限平台，APP、M、小程序）
b.在APP有多次搜索购物行为的用户的购物特征
b1.对于搜索框的点击行为（站内行为）
c.在APP有点击广告行为/购买广告商品的用户特征
c1. 广告行为数据暂时无法获取，暂时用APP内各个推荐位的点击，频繁点击推荐位的用户特征（站内行为）
2. 定义活跃用户，其实不同行为，或者不同分群的用户，高频是有不同定义的，这里我们探寻的是用户实际行为划定出来的区间，利用二八原则，选取20%的头部频度用户作为分析对象。
这其实是一个很好的方法，一方面可以有效分群，另一方面可以看到APP本身用户大部分群体是一个什么状态。浏览、购买、看商详、搜索、推荐位点击，最终结果是各有各的不同，同时浏览、搜索、点击的用户群体现了相似性，而购买，看商详体现了另一部分的相似性，这是一个很有意思的发现。
确定分析角度，指标
a1. 购买用户，指标：频次，角度：购买单量、购买天数
a2. 浏览APP（设备维度，用户维度），指标：频次，角度：登录天数，停留时长
a3. 浏览商详（设备维度，用户维度），指标：频次，角度：登录天数
a4. 搜索框点击（设备维度，用户维度），指标：频次，角度：登录天数
a5. 推荐位点击（设备维度，用户维度），指标：频次，角度：登录天数。
前面是大概的思路，具体执行的时候，首先是如何获取数据，这个需要在本子上画施工图了，如果想要进行用户分群，且以用户的频度作为主要衡量指标，那么以四月份用户的所有行为作为数据来源，建5张表，浏览表，购买表，商详浏览表，搜索框表，推荐位浏览表，每个一个表的主键都是用户ID，以用户的频度作为统计指标。
然后是确定口径，每个指标如何取的，数据口径是什么，用什么数据表，如何获取，比如推荐位，本身很零散，需要完全包括，就需要仔细涵盖。然后进行脚本测试和数据执行，生成分析用的数据表。
以上这些工作，已然花费了3个小时的时间。
3. 区间数据整理。 这个分析的关键之一是划定究竟哪些用户算高频用户，这里原定用帕累托原则，于是，将五种用户群，12种数据分类进行频次整理，一方面输出目前用户主体情况的结论，一方面给出高频用户群在各个角度下的定义。这个整理过程耗费了1.5个小时。
4.开始第二阶段的数据探索，因为当时一早收到需求，对时间有个预估，已经和老板谈妥，这次仅从基本用户属性进行分析，后面会进一步深度从行为上探究。所以，第二阶段数据探索核心聚焦在基本属性，年龄、性别、地域、以及购买属性，购买力上。
利用前期积累的5个角度的数据表，和用户画像表，地理维表关联，获取每个角度用户的分群数据，进行SQL编写。这段也用了1个小时时间。
获取数据之后进行数据的整理，和归纳。这个虽然步骤和思路及其明确，但是效能很难提高，这段时间比较着急的是，效能怎么都提不上去。想不到办法。最终花了2.5个小时.
5.最后就是就分群的数据，进行归纳，标注重点，输出结论，中间穿插了一些同事的临时需求，编写和整理报告，也花了将近1.5小时。
整个报告下来，其实主要是干货，结论明显，加上表格数据佐证。没有图，属于比较干的一种报告，好在结论明显，自己也有些满意。老板的思路也很明晰，有了进一步的想法需要探究，一切进展还挺顺利，后续第二天中午收到老板的进一步指示，希望
a.从在过去三个月持续购物的核心用户，有哪些特征，要细颗粒度的，比如是不是主站用户？是不是用搜索行为更多？类似这样的。
b.持续购物用户的商品倾向和价格段倾向
c.反向分析下，去年Q4的活跃购物用户，今年没有购物行为的，有哪些细颗粒度特征。
OK，分析继续，说不定下一篇更好。
