PV点击率案例(Hive转化率)

什么是浏览量(PV)

浏览量和访问次数是呼应的。用户访问网站时每打开一个页面,就记为1个PV。同一个页面被访问多次,浏览量也会累积。一个网站的浏览量越高,说明这个网站的知名度越高,内容越受用户喜欢。一味地重视PV也是没有太大意义的(PV跟点击量差不多吧)。
  PV是一个重要的指标,反映了网站内容是否对用户有足够的吸引力。对于竞价而言,只能是侧面反映,因为我们设置了访问URL。很多用户需求也非常明确,来到网站之后,往往只会寻找自己需求的产品,所以一味地重视PV也是没有太大意义的。应该把重点内容展示给目标客户就可以了,就没必要一味地追求PV值,追求那些转化率、跳出率、UV、转化次数等那才是重点。

准备数据

数据文件:order.txt
字段意义:step, name, pv

1,广告,10000
2,菜单,3000
3,商品详情,2600
4,购物车,300
5,下单,200
6,支付,190
7,支付成功,189

创建表

create database if not exists hive_order;
use hive_order;
drop table if exists t_order;
create table t_order(step int, name string, pv int) row format delimited fields
terminated by ",";
load data local inpath "/home/bigdata/order.txt" into table t_order;
select * from t_order limit 10;

统计转化率

相对于最初步骤的转化率

set hive.mapred.mode = nonstrict;
select aa.step as step, aa.name as name, aa.apv as pv, aa.apv/aa.bpv * 100 as
pct from
(select a.step as step, a.name as name, a.pv as apv, b.bpv as bpv
from t_order a, (select max(pv) as bpv from t_order) b) aa;

结果:

+-------+-------+--------+---------------------+
| step | name | pv | pct |
+-------+-------+--------+---------------------+
| 1 | 广告 | 10000 | 100.0 |
| 2 | 菜单 | 3000 | 30.0 |
| 3 | 商品详情 | 2600 | 26.0 |
| 4 | 购物车 | 300 | 3.0 |
| 5 | 下单 | 200 | 2.0 |
| 6 | 支付 | 190 | 1.9 |
| 7 | 支付成功 | 189 | 1.8900000000000001 |
+-------+-------+--------+---------------------+

每一步骤相对于上一步骤的转化率

create table order_trans as
select a.step as step, a.name as name, a.pv as apv, b.pv as bpv
from t_order a join t_order b
on a.step = b.step + 1
where a.step != 1
union
select a.step as step, a.name as name, a.pv as apv, a.pv as bpv
from t_order a where a.step == 1;
select a.step as step, a.name as name, a.apv as pv, a.apv/a.bpv * 100 as pct
from order_trans a;

结果数据:

+-------+-------+--------+---------------------+
| step | name | pv | pct |
+-------+-------+--------+---------------------+
| 1 | 广告 | 10000 | 100.0 |
| 2 | 菜单 | 3000 | 30.0 |
| 3 | 商品详情 | 2600 | 86.66666666666667 |
| 4 | 购物车 | 300 | 11.538461538461538 |
| 5 | 下单 | 200 | 66.66666666666666 |
| 6 | 支付 | 190 | 95.0 |
| 7 | 支付成功 | 189 | 99.47368421052632 |
+-------+-------+--------+---------------------+
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 211,948评论 6 492
  • 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 90,371评论 3 385
  • 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 157,490评论 0 348
  • 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 56,521评论 1 284
  • 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 65,627评论 6 386
  • 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 49,842评论 1 290
  • 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 38,997评论 3 408
  • 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 37,741评论 0 268
  • 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 44,203评论 1 303
  • 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 36,534评论 2 327
  • 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 38,673评论 1 341
  • 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 34,339评论 4 330
  • 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 39,955评论 3 313
  • 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 30,770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 32,000评论 1 266
  • 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 46,394评论 2 360
  • 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 43,562评论 2 349

推荐阅读更多精彩内容

  • 表情是什么,我认为表情就是表现出来的情绪。表情可以传达很多信息。高兴了当然就笑了,难过就哭了。两者是相互影响密不可...
    Persistenc_6aea阅读 124,467评论 2 7
  • 16宿命:用概率思维提高你的胜算 以前的我是风险厌恶者,不喜欢去冒险,但是人生放弃了冒险,也就放弃了无数的可能。 ...
    yichen大刀阅读 6,041评论 0 4