用户行为路径分析(一)

数据仓库之电商数仓-- 3.4、电商数据仓库系统(ADS层) #!/bin/bash APP=gmall if [ -n "$2" ] ;then do_date=$2 else echo "请传入日期参数" exit fi dws_visitor_action_daycount=" insert overwrite table ${APP}.dws_visitor_action_daycount partition(dt='$do_date') select t1.mid_id, t1.brand, t1.model 阅读详情

用户行为路径 (一)

数据清洗

采用hive编写hql代码实现:

代码如下:

USE src_dat_zuma;
DROP TABLE 20170329_log_tycx;
CREATE TABLE IF NOT EXISTS 20170329_log_tycx (
SERVER_DT       string,
SP_CD                string,
EVENTS              string,
S_ID                     string,
U_ID                     string,
TEL                      string,
WEIXIN_ID           string,
EVENT_NM          string,
EVENT_PARA      string,
EXPLANATION     string,
UNIKEY                 string,
NET_TP                string,
UNIKEY_STAT      string,
VST_URL              string,
SRC_URL             string,
IP                           string,
Browser_INFO      string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE;
load data inpath "oss://20170329_tycx.log" into table src_dat_zuma.20170329_log_tycx;
DROP TABLE tmp_mid_zuma.20170329_log_events;
CREATE TABLE IF NOT EXISTS tmp_mid_zuma.20170329_log_events (
SERVER_DT          string,
SP_CD                    string,
EVENTS                  string,
S_ID                        string,
EVENT_NM             string,
EVENT_PARA        string,
EXPLANATION       string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE;
insert into table tmp_mid_zuma.20170329_log_events
select
t.SERVER_DT,
t.SP_CD,
t.EVENTS,
t.S_ID,
t.EVENT_NM,
t.EVENT_PARA,
t.EXPLANATION from src_dat_zuma.20170329_log_tycx t where t.SP_CD='02000500312' AND t.EVENTS='Event' or t.EVENTS='Interface' or t.EVENTS='Error'; 
DROP TABLE tmp_mid_zuma.20170329_log_pv;
CREATE TABLE IF NOT EXISTS tmp_mid_zuma.20170329_log_pv (
SERVER_DT         string,
SP_CD                   string,
EVENTS                 string,
S_ID                        string,
EVENT_NM             string,
EVENT_PARA        string,
EXPLANATION       string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE;
insert into table tmp_mid_zuma.20170329_log_pv
select
t.SERVER_DT,
t.SP_CD,
t.EVENTS,
t.S_ID,
"pv",
t.EVENT_PARA,
t.EXPLANATION from src_dat_zuma.20170329_log_tycx t where t.SP_CD='02000500312' AND t.EVENTS='pv'; 
DROP TABLE tmp_mid_zuma.20170329_log_uv;
CREATE TABLE IF NOT EXISTS tmp_mid_zuma.20170329_log_uv (
SERVER_DT         string,
SP_CD             string,
EVENTS            string,
S_ID              string,
EVENT_NM          string,
EVENT_PARA        string,
EXPLANATION       string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE;
insert into table tmp_mid_zuma.20170329_log_uv
select
t.SERVER_DT,
t.SP_CD,
t.EVENTS,
t.S_ID,
"uv",
t.EVENT_PARA,
t.EXPLANATION from src_dat_zuma.20170329_log_tycx t where t.SP_CD='02000500312' AND t.EVENTS='Visit'; 
DROP TABLE tmp_mid_zuma.event_all;
CREATE TABLE IF NOT EXISTS tmp_mid_zuma.event_all (
SERVER_DT         string,
SP_CD             string,
EVENTS            string,
S_ID              string,
EVENT_NM          string,
EVENT_PARA        string,
EXPLANATION       string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE;
insert overwrite table tmp_mid_zuma.event_all
select * from(select a.SERVER_DT,a.SP_CD,a.EVENTS,a.S_ID,a.EVENT_NM,a.EVENT_PARA,a.EXPLANATION from tmp_mid_zuma.20170329_log_events a
union all
select b.SERVER_DT,b.SP_CD,b.EVENTS,b.S_ID,b.EVENT_NM,b.EVENT_PARA,b.EXPLANATION from tmp_mid_zuma.20170329_log_pv b
union all
select c.SERVER_DT,c.SP_CD,c.EVENTS,c.S_ID,c.EVENT_NM,c.EVENT_PARA,c.EXPLANATION from tmp_mid_zuma.20170329_log_uv c
)tt;
DROP TABLE  tmp_mid_zuma.row_number_test;
create table tmp_mid_zuma.row_number_test as select * from(
SELECT 
t.S_ID,
t.SERVER_DT,
t.EVENT_NM,
ROW_NUMBER() OVER(PARTITION BY t.S_ID,t.SERVER_DT,t.EVENT_NM ORDER BY t.SERVER_DT) AS rn
from tmp_mid_zuma.event_all t) tt;
USE tmp_mid_zuma;
drop table  tmp_mid_zuma.col2row;
create table tmp_mid_zuma.col2row as select * from(
select t.S_ID,concat_ws('_',collect_set(t.EVENT_NM))
from tmp_mid_zuma.row_number_test t group by t.S_ID ) tt;
select * from  tmp_mid_zuma.col2row limit 100;


效果图:


用户行为分析模型-(行为事件分析、用户留存分析、漏斗分析、行为路径分析、用户分群、点击分析) 最近有些忙,但是看到了很好的分析模型也要跟大家分享的,这篇博客有些粗糙,主要是po上一些链接供大家学习,有时间的话,我也会写出自己关于用户行为分析的理解的。 下面是关于用户行为分析常见的分析维度,有助于为新手入门找到方向。 1.行为事件分析模型 行为事件分析法来研究某行为事件的发生对企业组织价值的影响以及影响程度。企业借此来追踪或记录的用户行为或业务过程,如用户注册、浏览产品详情页、成功投资... 阅读详情

相关推荐

六种常见的「用户行为」分析方法

日常的用户行为分析中,常用的六大分析方法有:行为事件分析页面点击分析用户行为路径分析用户健康度分析漏斗模型分析用户画像分析用户分析能够更好地了解用户的行为习惯,发现产品在推广、拉新、用户...

胖里的博客 8752

ClickHouse用户路径分析原理及实现

若只有单条路径app_lunch也算)的所有session,app_lunch1表示以app_lunch为起始事件的session数共有3405,所有数据会分别流向app_lunch2、download2、#-1#2,分别为用户路径为app_lunch->app_lunch->xxx->xxx……如:用户路径为app_lunch->download->#-1#,则此路径内位于第二个节点的download为图中的download2事件,路径内位于第三个节点的#-1#为图中的#-1#3事件。...

TURING.DT 2850

如何使用ArcGIS进行路径分析

1.概述 路径分析表示根据要求出的阻抗查找最快、最短甚至是最优的路径。如果阻抗是时间,则最佳路线即为最快路线。如果阻抗是具有实时或历史流量的时间属性,则最佳路线是对指定日期和时间来说最快的路线。因此,可将最佳路径定义为阻抗最低或成本最低的路径,其中,阻抗由你来选择。确定最佳路径时,所有成本属性均可用作阻抗。 2.数据获取 本教程所使用的道路数据为水经注万能地图下载器中下载的道路矢量数据,除了道路矢量,常见的矢量数据都可以在水经注万能地图下载器中进行下载。 水经注万能地图下载器 (私信回复"下..

1万+

HiveSQL——用户行为路径分析

HiveSQL——用户行为路径分析

爱吃辣条的博客 2593

路径分析

文章目录一、什么是用户行为路径分析?二、使用步骤总结 一、什么是用户行为路径分析? 用户路径分析追踪用户从某个开始事件直到结束事件 的行为路径,即对用户流向进行监测。 二、使用步骤 代码如下(示例): #事件路径分析 #分析案例—游戏点击事件路径分析 data_click <- read.csv("data_click.csv",header=F) # 导入点击事件数据 head(data_click) # 查看前六行 nrow(data_click) # 提取有过11034点击行为的用户数据 ta

weixin_46899878的博客 1107

SQL进阶技巧:如何进行用户行为路径分析、构建桑基图?【拼多多】

本文给出了用户行为路径的SQL数据分析方法,主要将用户路径转换为字符串时间序列进行分析,针对路径匹配问题,一般采用正则表达式,并利用like表达式进行路径的模糊匹配。

石榴姐yyds 973

机器学习之桑基图(用于用户行为分析)

用户行为分析:路径分析(python实现桑基图);漏斗分析

qq_40216188的博客 2175

网络用户浏览路径分析

1 2 3 4 网站分析简介 网络用户浏览路径 R与SQL切换 QQ群关系

用户行为分析模型——路径分析(一)

在网页或者营销渠道中,用户行为模型有比较多,基于渠道的,笔者觉得有: 渠道类型 渠道重要性 渠道跳转与流失 单渠道,多节点 路径分析,漏斗功能 多渠道 归因分析 这里多渠道指的是,单渠道多节点的场景比较好理解,就是进入某个web \ 小程序,在不同页面之间进行跳转,多渠道这里比较多的就是,同一用户在不同的较大的场景下的流转,比如在小红书种草 -> 微信好友推荐 -> 淘宝上买了。 归因分析是通过一定的逻辑方法,计算每个渠道、或者触点对最终结果贡献程度的方法。有一套合理

素质云笔记 5833

LabVIEW QMH模板实战:从创建到错误处理的完整指南

本文提供LabVIEW QMH模板从创建到错误处理的完整实战指南。详细解析了队列消息处理器(QMH)作为LabVIEW核心设计模式如何实现任务解耦与异步通信,涵盖事件处理循环、消息处理循环的搭建、用户事件创建、队列引用管理、消息优先级控制以及健壮的错误处理机制,帮助开发者构建稳定、可维护的复杂应用程序。

white的博客 725

SIwave串扰分析保姆级教程:从Allegro文件导入到结果解读,手把手教你排查PCB信号问题

本文提供SIwave串扰分析的详细教程,从Allegro文件导入到结果解读,手把手教你排查PCB信号问题。涵盖环境准备、参数配置、串扰扫描技巧及实战案例,帮助工程师精准定位和解决高速PCB设计中的串扰问题,提升信号完整性分析能力。

weixin_42620913的博客 256

TimeCat实战案例:在电商网站用户行为分析中的应用

TimeCat是一个完全开源的网页录制工具,生成的文件不是真正的视频,但可以像真正的视频一样进行播放,完美的还原用户在浏览器中的操作行为。本文将通过实战案例,详细介绍如何利用TimeCat实现电商网站用户行为的深度分析,帮助企业优化产品体验和提升转化率。 ## 为什么选择TimeCat进行用户行为分析? 传统的用户行为分析工具往往只能提供点击热图、路径分析等基础数据,而TimeCat通过**网

gitblog_01010的博客 739

抖音a_bogus参数逆向避坑指南:从环境检测到XHR请求的全流程解析

本文详细解析了抖音a_bogus参数在v1.0.1.19版本下的逆向工程全流程,重点介绍了如何通过PyV8Env框架进行有效的补环境操作,以绕过严格的环境检测。内容涵盖从环境初始化、关键事件触发到模拟XHR请求获取签名的完整步骤,并提供了可运行的Python代码示例和常见检测点的避坑指南,帮助开发者稳定生成有效的a_bogus参数。

tech5的博客 601

3步搞定UWP应用数据统计:从行为追踪到用户画像的完整方案

Windows-universal-samples是微软提供的一系列Universal Windows Platform (UWP) 应用示例,展示了Windows 10 SDK中API的使用模式,其中包含了丰富的数据统计与用户行为分析功能模块。通过本文介绍的三个步骤,开发者可以快速实现从基础日志记录到高级用户画像的完整数据统计方案。 ## 一、基础数据采集:Logging模块快速集成 UWP

gitblog_00770的博客 810

昇腾AI处理器Ascend C编程:从C/C++基础到高性能算子开发实战

异构计算是提升AI算力效率的核心技术,通过在CPU之外引入专用处理器(如GPU、NPU)协同工作,实现大规模并行计算。其原理在于将计算密集型任务卸载到专用硬件,利用其高并行架构加速处理。技术价值在于突破传统CPU的算力瓶颈,为深度学习训练与推理提供强大动力,广泛应用于模型部署、科学计算和高性能计算场景。本文聚焦昇腾AI处理器的原生编程语言Ascend C,它基于C/C++标准扩展,通过显式内存管理和任务并行模型,充分发挥达芬奇架构中Cube与Vector单元的性能。针对CANN算子开发,文章详解了从环境搭建

weixin_34411563的博客 366

游程理论提取灾害事件特征V2---基于MATLAB语言的编程实现

游程理论,灾害事件,MATLAB

EWBA_GIS_RS_ER的博客 3794

用户行为路径分析

移动APP产品用户行为路径分析 一、用户行为路径分析目标是什么 二、实施过程: 1.确定关键节点事件名: 2.获取事件数据: 3.可视化: 三、结论:

weixin_43287260的博客 3256

智驾芯片&软件分层&测试

智能驾驶相关的芯片,软件分层,测试相关内容

天赐好车的博客 436

常见用户行为分析模型解析(4)——用户行为路径分析模型

用户行为路径分析同样是重要的数据分析模型,它为企业实现理想的数据驱动与布局调整提供科学指导,对精准勾勒用户画像也有重要参考价值。用户访问APP/网络,如同参观画展,观众是感受和传达画展参展方和展品的目的受众体,图画的展现布局不同,每一位观众根据自身喜好形成特有的参观顺序。为让观众沿着最优访问路径前进,需要策展者结合观众需求进行布局调整。这种自主式的数据分析方法,让业务人员都能科学进行数据分析。 什么是用户行为路径? 用户路径分析,顾名思义,用户在APP或网站中的访问行为路径。为了衡量网站优化的..

bcdk1188的博客 1881

C#操作MySQL从入门到精通(3)——新建数据库、新建表

我们要首先新建一个数据库,并且在数据库中新建一系列的表来管理数据库。

qq_34059233的博客 951

【数字IC刷题】华为海思数字IC笔试题(1)详细解析版

【数字IC刷题】华为海思数字IC笔试题(1)详细解析版

MoorePlus的博客 4221

如何做用户行为路径分析?

用户行为路径分析是互联网行业特有的一类数据分析方法,它主要根据每位用户在App或网站中的点击行为日志,分析用户在App或网站中各个模块的流转规律与特点,挖掘用户的访问或点击模式,进而实现一些特定的业务用途,如App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画,App产品设计的优化与改版等。  本文会对用户行为路径分析方法作一些简单的探讨,更多的偏向于一些路径分析业务场景与技术手段

pmcaff2008的博客 2435

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

基于大数据+Hadoop+深度学习的淘宝用户购物可视化与行为预测系统设计与开发(源码+精品论文+答辩PPT等资料)

在电子商务深度渗透国民生活的当下,淘宝等电商平台已汇聚数以亿计的活跃用户与海量商品,构成了规模空前的网络交易生态。这些海量行为数据既是平台理解用户需求的窗口,也是提升购物体验、优化平台运营的核心资产。然而,如何从这纷繁复杂的行为轨迹中洞悉用户意图、识别潜在商机,成为电商平台面临的核心挑战。用户的购物决策并非孤立的瞬间行为,而是一个受个人偏好、价格敏感度、促销刺激、社交影响、季节变化等多重因素交织影响的动态过程。

chengyang_java的博客 308

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

常见的用户行为路径分析方法

常见的用户行为路径分析方法,CoCode 需求条目化和需求分析工具有助于提高用户需求分析质量和效率。

CoCode888的博客 2480

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

上一篇: Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.metastore.HiveMe
下一篇: eclipse集成Scala,运行Spark项目
Chic_数据媛
博客等级 码龄10年 27粉丝 11原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值