商业数据分析--使用SQL计算复购周期

评价一个商业产品好不好,我们可以使用NPS、退款率、产品的使用效果等指标。

  • NPS是推荐值,是用户向其他人推荐产品的可能性,净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%。

  • 退款率,是退款的用户占比。

  • 产品使用效果,是产品承诺给用户的效果,在用户使用之后,是不是真的能达到,比如下面某APP商业产品,说开通会员更快找到另一半,用户是不是能够更快的找到另外一半,就是效果的体现。

商业产品效果

还有一个指标,能够很好的体现产品效果---复购。复购是指用户多次购买。如果用户不满意,那肯定不会多次购买(刚需品除外)。复购的维度比较多,比如金额、品类等,这里主要讨论周期。

如果我们能够计算出大部分用户的复购周期,那么,我们就能精细化运营。当到达一定的周期时,就可以通过发优惠券或是其他的运营方式触达用户。下面给大家分享一下怎么用sql计算用户的复购周期。

下表是不同用户在不同时间的下单情况。表名:order_user,字段名称:a.用户名称---customer_name,b.订单时间---order_date

表名

思路:

  1. 把订单时间往后位移一行。

  2. 用订单时间减去位移后的时间,就得到了周期。

  3. 以周期进行聚合,得到了不同周期的分布。

第一步:位移

使用lag函数进行位移。lag(order_date,1)中两个参数,第一个参数是需要位移的字段,第二个字段是位移几行,在这里让订单时间往后位移一行得到lag1字段。

以customer_name进行开窗,然后以order_date进行排序,可以看到用户的每个订单时间都往后移动了一行。

select 
    customer_name,
    order_date,
    lag(order_date,1) over(partition by customer_name order by order_date asc) as lag1
from 
    order_user
位移

第二步:计算周期

然后使用订单时间减去位移后的时间,得到了周期。

select
    customer_name,
    order_date,
    lag1,
    datediff(order_date,lag1) as diff
from 
    (
    select 
        customer_name,
        order_date,
        lag(order_date,1) over(partition by customer_name order by order_date asc) as lag1
    from 
        order_user
    )a
计算周期

第三步:确定周期分布

最后以周期进行聚合,求次数,得到了不同周期的次数。注意:

  • 对周期进行排序,这样就能得到从小到大的顺序;

  • 排除null,位移以后第一订单时间,对应的位移值是null,需要排除。

select
    diff as '周期',
    count(*) as '次数'
from 
    (
    select
        customer_name,
        order_date,
        lag1,
        datediff(order_date,lag1) as diff
    from 
        (
        select 
            customer_name,
            order_date,
            lag(order_date,1) over(partition by customer_name order by order_date asc) as lag1
        from 
            order_user
        )a
    )b
where
    diff is not null 
group by 
    diff
order by 
    diff
分布

完整版SQL

完整版的SQL中,我使用了with创建了一个临时表,表名就是order_user,大家可以在网上搜索一下,如果有疑问可以私信我。

with order_user as ( 
select 
     customer_name,
     date(order_date) as order_date
from 
    chaoshi.order 
where 
    Customer_Name in (
    '曾惠','许安','韦松'
    )
group by 
    customer_name,
    order_date
order by    
    customer_name,
    date(order_date)  
)


select
    diff as '周期',
    count(*) as '次数'
from 
    (
    select
        customer_name,
        order_date,
        lag1,
        datediff(order_date,lag1) as diff
    from 
        (
        select 
            customer_name,
            order_date,
            lag(order_date,1) over(partition by customer_name order by order_date asc) as lag1
        from 
            order_user
        )a
    )b
where
    diff is not null 
group by 
    diff
order by 
    diff
    ;

得到了周期分布,就可以交付给运营同学,针对不同的用户进行精细化运营。

  • gongzhongh:数有道
  • gongzhongh:数有道
  • gongzhongh:数有道
最后编辑于
©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 216,163评论 6 498
  • 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 92,301评论 3 392
  • 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 162,089评论 0 352
  • 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 58,093评论 1 292
  • 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 67,110评论 6 388
  • 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 51,079评论 1 295
  • 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 40,005评论 3 417
  • 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 38,840评论 0 273
  • 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 45,278评论 1 310
  • 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 37,497评论 2 332
  • 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 39,667评论 1 348
  • 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 35,394评论 5 343
  • 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 40,980评论 3 325
  • 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 31,628评论 0 21
  • 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 32,796评论 1 268
  • 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 47,649评论 2 368
  • 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 44,548评论 2 352

推荐阅读更多精彩内容