Hive日常数据需求二

题目二:计算用户的回购率和复购率

复购率: 当前月份购买2次及以上的客户占所有客户比例

回购率:当前月份购买且上个月份也购买的客户占当月所有月份客户比例

思路:

复购率

1、对当月(2月份)的客户分组,计数购买次数
2、筛选购买次数为2以上的,认为是复购群体
回购率

1、筛选当月及上月部分
2、利用客户id进行当月连上月,推荐左连
3、对同一条客户id均有购买记录的,认为是回购群体

操作:

复购率
1、对当月(2月份)的客户分组,计数购买次数

select  customer_key, 
        count(customer_key) as ct
from    ods_sales_orders   
                
where   month(create_date) = 2
group by customer_key
limit 10;
image.png
PS:hive中groupby 后的字段必须在select后出现,且groupby后没有的字段不能在select出现,除了聚合函数,否则报错。

示例:


image.png

2、筛选购买次数为2以上的,认为是复购群体

select count(ct),
       count(if (ct>1,1,null)),
       count(if (ct>1,1,null))/count(ct) as fg_ratio
from  
(select customer_key,count(customer_key) as ct
from   ods_sales_orders                  
where  month(create_date) = 2
group by customer_key) 
as a ;
image.png
PS:注意在Hive中书写sql时,这里每行需要顶格写,否则会报错.

例如以如下方式写报错:

select count(ct),
       count(if (ct>1,1,null)),
       count(if (ct>1,1,null))/count(ct) as fg_ratio
from  
      (select customer_key,count(customer_key) as ct  #这行开始没有顶格写
        from   ods_sales_orders                  
        where  month(create_date) = 2
        group by customer_key) as a ;
image.png
操作:

回购率
1、关联本月与上月,找出回购客户

SELECT *
FROM (
    SELECT customer_key, substr(create_date, 1, 7) AS umonth
    FROM ods_sales_orders
    GROUP BY customer_key, substr(create_date, 1, 7)
) a
    LEFT JOIN (
        SELECT customer_key, substr(create_date, 1, 7) AS umonth
        FROM ods_sales_orders
        GROUP BY customer_key, substr(create_date, 1, 7)
    ) b
    ON a.customer_key = b.customer_key
        AND substring(a.umonth, 6, 2) = substring(b.umonth, 6, 2) - 1
LIMIT 10;
image.png

2、统计每个月份的消费人数情况即可得到回购率

SELECT a.umonth, COUNT(a.customer_key) AS mcount, COUNT(b.customer_key) AS lcount
    , concat(round(COUNT(b.customer_key) / COUNT(a.customer_key) * 100, 2), '%') AS ratio
FROM (
    SELECT customer_key, substr(create_date, 1, 7) AS umonth
    FROM ods_sales_orders
    GROUP BY customer_key, substr(create_date, 1, 7)
) a
    LEFT JOIN (
        SELECT customer_key, substr(create_date, 1, 7) AS umonth
        FROM ods_sales_orders
        GROUP BY customer_key, substr(create_date, 1, 7)
    ) b
    ON a.customer_key = b.customer_key
        AND substring(a.umonth, 6, 2) = substring(b.umonth, 6, 2) - 1
GROUP BY a.umonth;
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,761评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,953评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,998评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,248评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,130评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,145评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,550评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,236评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,510评论 1 291
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,601评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,376评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,247评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,613评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,911评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,191评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,532评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,739评论 2 335