用MySQL分析网络销售数据

数据来自某个销售网站的数据

1.网络订单数据

2.用户信息

点击获取数据   　　提取码：udek

分析步骤

0、数据导入

1、不同月份的下单人数

2、用户三月份的回购率和复购率

3、统计男女用户的消费频次

4、统计多次消费用户，分析第一次和最后一次的消费间隔

5、统计不同年龄段用户的消费金额差异

6、统计消费的二八法则：消费top20%的用户贡献了多少消费额度

0 数据导入

首先需要先创建对应的数据库和相应的表

1.创建orderinfo 表

2.创建userinfo表

3.使用navicat导入csv文件

4.登录mysql，观察数据，对时间进行处理 ; 更新字符串为日期格式

# 登录

mysql-uroot -p

# 时间进行处理，更新字符串为日期格式

update orderinfo set paidtime=replace(paidtime,'/','-') where paidtime is not null

update orderinfo set paidtime=str_to_date(paidtime,'%Y-%m-%d %H:%i') where paidtime is not null

5.查看数据

1 不同月份的下单人数

思路 ：按月份进行分组，对用户进行去重统计

select month(paidTime) asdtmonth,count(distinct userId) ascount_usersfromorderinfowhere isPaid = '已支付'

group bydtmonth

2 用户三月份的回购率和复购率

复购率 ： 自然月内，购买多次的用户占比

首先先找出已支付中3月份的用户id和对应次数，按用户分组

然后再嵌套一层，复购率：购买次数大于1/ 总购买次数

select count(ct),count(if(ct>1,1,null)) from(select userID,Count(userId) as ct fromorderinfowhere isPaid = '已支付'

and month(paidTime) = 3

group byuserIdorder by userId) t

复购率： 16916 / 54799 = 0.308

2.回购率： 曾经购买过的用户在某一时期内再次购买的占比

首先先查询已支付userId ,和 支付月份的统计

select userId, date_format(paidTime, '%Y-%m-01') as m fromorderinfowhere isPaid = '已支付'

group by userId , date_format(paidTime,'%Y-%m-01')

然后使用date_sub函数，将表关联，筛选出本月的消费的userID，和下月的回购userID，即可计算出回购率

select t1.m,count(t1.m) as消费总数,count(t2.m) as复购率,count(t2.m)/ count(t1.m) as 回购率 from(select userId, date_format(paidTime, '%Y-%m-01') as m fromorderinfowhere isPaid = '已支付'

group by userId , date_format(paidTime,'%Y-%m-01')) t1left join(select userId, date_format(paidTime, '%Y-%m-01') as m fromorderinfowhere isPaid = '已支付'

group by userId , date_format(paidTime,'%Y-%m-01')) t2on t1.userId = t2.userId and t1.m = date_sub(t2.m, interval 1 month)group by t1.m

3 统计男女用户的消费频次

userinfo因为性别有空值，需要筛选出t orderinfo 再和表t连接 统计出用户男女消费次数

select o.userId,sex,count(o.userId)as ct fromorderinfo oinner join(select * fromuserinfowhere sex != '') ton o.userId =t.userIdgroup byuserId,sexorder by userId

根据上表，在进行子查询，统计出男女消费平均频次

select sex,avg(ct) from(select o.userId,sex,count(o.userId)as ct fromorderinfo oinner join(select * fromuserinfowhere sex != '') ton o.userId =t.userIdgroup byuserId,sexorder byuserId)t2group by sex

4 统计多次消费用户，分析第一次和最后一次的消费间隔

首先把多次消费的用户,和相应第一次最后一次消费时间提取出来

然后使用datediff 计算时间间隔，以天为单位

select userId,max(paidTime),min(paidTime),datediff(max(paidTime),min(paidTime)) fromdata.orderinfowhere isPaid = '已支付'

group by userId having count(1) > 1

order by userId

5 统计不同年龄段用户的消费金额差异

通过表联结，给用户划分不同的年龄段，以10年为基准，过滤出生日期为1900-00-00的异常值,筛选出用户消费频次和消费金额

select o.userId,age,sum(price),count(o.userId)as ct fromorderinfo oinner join(select userId, ceil((year(now()) - year(birth))/10) asagefromuserinfowhere birth > 1901-00-00) ton o.userId =t.userIdwhere isPaid = '已支付'

group byuserIdorder by userId

统计出年龄段的消费频次和消费金额

select t2.age,avg(ct),avg(sp) from (

select o.userId,age,sum(price) as sp,count(o.userId)as ct from orderinfo o

inner join(

select userId, ceil((year(now()) - year(birth))/10) as age

from userinfo

where birth > 1901-00-00)t

on o.userId = t.userId

where ispaid = '已支付'

group by userId, age) t2

group by age

order by age

ceil : 向上取整

6 统计消费的二八法则：消费top20%的用户贡献了多少消费额度

按照用户消费总额排序

select userId,sum(price) as total fromorderinfo owhere isPaid = '已支付'

group byuserIdorder by total desc

查看总用户数和总金额

select count(userId),sum(total) from(select userId,sum(price) as total fromorderinfo owhere isPaid = '已支付'

group byuserIdorder by total desc) as t

select count(userId)*0.2,sum(total) from(select userId,sum(price) as total fromorderinfo owhere isPaid = '已支付'

group byuserIdorder by total desc)as t

limit限制前17000用户

select count(userId),sum(total) from(select userId,sum(price) as total fromorderinfo owhere isPaid = '已支付'

group byuserIdorder by total desclimit17129) t