偷闲，整理自己作为分析师工作下常用的一些业务指标的计算口径，不足之处，往多多指正；
这里，将指标分成3类-事件类、漏斗类、留存类

1 事件类

个人定义：可以直接通过计数计算&加减得到的指标

1.1 uv（日活&dau）

定义：用户使用&曝光人数
统计口径：

select count(distinct user_id) as pv from  xx --表  where p_date = ''  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制

1.2 pv（曝光数）

定义：曝光&点击数（不去重）
统计口径：

select count(user_id) as pv from  xx --表  where p_date = ''  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制

1.3 停留时长

定义：页面&功能的使用时长

目前的统计方案主要有两种

直接取用开发提供的时间；
离开时间点-进入时间点的时间间隔（对数据基础要求高）

统计口径：

 --放在某个日志文件里;
--直接取用开发提供的时间；
select ziduan['time'] as timefrom  xx --表
where p_date = ''  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制--离开时间点-进入时间点的时间间隔（对数据基础要求高）
select max(time) - min(time) as timefrom xx表where p_date = 'xxx'  --时间限制 and user_id = 'xxx' --选定用户

2、漏斗类

顾名思义，指标计算出来加减外还有乘除

2.1 点击&点赞率（UV）

select (count(distinct p2.user_id)*1.00/count(distinct p1.user_id))*100 as uv_click_rate from  (select user_idfrom xxx --表 where p_date = ''  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制(曝光))p1left join(select user_idfrom xxx --表 where p_date = ''  --时间限制 and stat_id rlike 'xxx.click' --用户行为埋点限制(点击))p2on  p1.p_date = p2.p_date

2.1 点击&点赞率（PV）

select (count(p2.user_id)*1.00/count(p1.user_id))*100 as pv_click_rate from  (select user_idfrom xxx --表 where p_date = ''  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制(曝光))p1left join(select user_idfrom xxx --表 where p_date = ''  --时间限制 and stat_id rlike 'xxx.click' --用户行为埋点限制(点击))p2on  p1.p_date = p2.p_date

3、留存类

3.1 次日&三日&五日&七日留存

-----------------------------------------------------------------------------
--单天
select (count(p2.user_id)*1.00/count(p1.user_id))*100 as return_rate from  (select user_idfrom xxx --表 where p_date = ['last_1_day']  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制(曝光))p1left join(select user_idfrom xxx --表 where p_date = ['now']  --时间限制 and stat_id rlike 'xxx.show' --用户行为埋点限制(点击))p2on  p1.user_id = p2.user_id---------------------------------------------------------
-- 一段时间
select (count(p2.user_id)*1.00/count(p1.user_id))*100 as return_rate ,p1.datefrom  (select user_idfrom xxx --表 where p_date >= xxx  --时间限制and p_date <= xxx and stat_id rlike 'xxx.show' --用户行为埋点限制(曝光))p1left join(select user_idfrom xxx --表 where p_date >= xxx  --时间限制and p_date <= xxx  --时间限制and stat_id rlike 'xxx.show' --用户行为埋点限制(点击))p2on  p1.user_id = p2.user_idand date_add (p1.date,1) = p2.p_dategroup by p1.date

常用的业务分析指标统计口径（基于Hive实现）相关推荐

数据分析_常见的业务分析指标及模型介绍
一.常见的业务分析指标及模型介绍 1. 业务指标介绍 (1)简单企业架构产品:包括设计.落地.优化,类似于项目经理的岗位: 技术:包括前端.后端: 运营:分为产品.内容.活动三个方面: 市场:包括品 ...
指标统计：基于流计算 Oceanus(Flink) 实现实时 UVPV 统计
作者:吴云涛,腾讯 CSIG 高级工程师导语 | 最近梳理了一下如何用 Flink 来实现实时的 UV.PV 指标的统计,并和公司内微视部门的同事交流.然后针对该场景做了简化,并发现使用 Flink ...
机械故障诊断信号幅域分析- 时域统计特征 | 基于python代码实现，在CWRU和IMF轴承数据集上实战
最详细的机械故障信号时域特征分析及实战 1.摘要 2.有量纲幅域参数计算公式及物理意义 3.无量纲幅域参数计算公式及物理意义 4.模拟数据代码实战 4.1 导入包 4.2 生成模拟正弦数据 4.3 绘 ...
我常用的5种业务分析方法
回想了下,做增长也快3年的时间了.期间成长了很多,尤其是以数据驱动业务增长方面. 趁着周末时间,梳理下自己最常用的业务分析方法,一来做个复盘迭代:二来方便自己遇到分析瓶颈时,可以到这里快速找找思路. ...
数据分析：业务的分析指标
业务的重要性基于业务才能建立好的数据模型. 基本APP的指标分析指标的作用指标建立的要点核心指标从结构化的角度考虑,核心指标就是金字塔的塔尖. 以初创公司为例: 创业早期,关注新增用户量创 ...
七周成为数据分析师第二周：业务篇-指标
七周成为数据分析师第七周:Python - CSDN博客七周成为数据分析师第六周:统计学 - CSDN博客七周成为数据分析师第五周:Mysql - CSDN博客七周成为数据分析师第四周: ...
【Java】基于TA-Lib技术分析指标研究
[Java]SFC融媒体项目基于TA-Lib技术分析指标研究 [Java]SFC融媒体项目基于TA-Lib技术分析指标研究 0. 前言 1. TA-Lib介绍 2. TA-Lib数据准备 2.1 指标 ...
基于NLP的书法字体分析、统计及可视化
基于NLP对书法字体进行分析.统计.可视化选题3: 对十二个"一"的文艺创作作业进行文本分析.统计和可视化任务主题: 对全体同学的文艺创作进行文本 ...
基于hive数仓的游戏指标分析
目录一.分析指标数据二.基础层数据处理 1.先把全部数据导入到HDFS中 2.创建一个外部表,将数据导入到hive中 3.分割txt文件中的数据 4.取出需要的值,并建表 5.检查数据日期三.设 ...

常用的业务分析指标统计口径（基于Hive实现）

1 事件类

1.1 uv（日活&dau）

1.2 pv（曝光数）

1.3 停留时长

2、漏斗类

2.1 点击&点赞率（UV）

2.1 点击&点赞率（PV）

3、留存类

3.1 次日&三日&五日&七日留存

常用的业务分析指标统计口径（基于Hive实现）相关推荐

最新文章

热门文章