手把手教你用 SQL 实现电商产品用户分析

作者介绍

@吃饭第一名的 Claire

美国德克萨斯大学奥斯汀分校商学院硕士；

美国某物流公司数据分析师；

负责数据收集、清理、分析、建模、可视化等；

美剧重度爱好者，坚信美食能解决大部分问题的终极吃货；

“数据人创作者联盟”成员。

用户行为分析是互联网公司的核心分析指标。这个过程需要数据分析师通过海量交易数据，分析（新/老）用户在整个产品使用环节（随时间）的行为路径，从而发现异常值，探索出现异常的原因，进而减少用户流失、提升用户的产品参与度、最后帮助产品实现持续性营收。

注：这里的互联网产品可以是手机app、网站平台等各种SaaS（Software as a Service）产品，以下皆用“app”来代表以简化语言。

本文我们以电商平台的一组数据来深度剖析一下如何进行用户分析，有哪些指标要关注，分别说明了什么问题，这些数据结果又如何指导我们决策。本期文章分为 2 个模块：

注：为了更有效的凸显数据带给我们的洞察，不同模块采取了不同时段不同来源的数据集，所以数据前后不一致是正常的。

 

本文的目的是为了帮助大家搭建数据分析的思维，学习用 SQL 帮助实现分析，并通过可视化进行呈现和汇报。

注：全文符合 PostgreSQL 语法格式 

1 数据表（表名 events）

非常简单，5 个字段，每一行表示某 user 在某 date 某 hour 对某 item 做了某 behavior，其中 behavior 有 pv （浏览/点击）、fav（收藏）、cart（加入购物车）和 buy（下单支付）4 种。

2 整体统计分析

通常会涉及时间段，总天数，总记录数，总访问量，总用户数，购买用户数，平均日浏览量，平均日用户量，平均跳出率。

以下是 SQL 代码：

说明数据是从 2020 年 11 月 25 日至 2020 年 12 月 2 日。

我们要面对的是 8 天将近 90M 的数据。