【2018年9月26日發(fā)布于個(gè)人公眾號，轉(zhuǎn)載】
背景：加入生鮮電商平臺86天，必須來一次業(yè)務(wù)分析框架梳理！
一. 整體業(yè)務(wù)復(fù)盤框架
二. 用戶留存率分析框架
目標(biāo)：提高復(fù)購 & 提高留存基茵，先了解用戶分布，再逐層拆解溯源壳影！
1>整體用戶逐月留存率（新客）
2>整體用戶逐月留存率（老客）
3>每月下單用戶構(gòu)成
（來源月/下單頻次/下單周期）
4>流失用戶構(gòu)成
（來源月/歷史單數(shù)/下單周期）
5>用戶搜索詞分析
（是否平臺產(chǎn)品無法滿足用戶需求拱层？）
6>購買頻次與品類分布
（將用戶引導(dǎo)至高復(fù)購率品類商品。）
7>各個(gè)購買頻次用戶群體對商品的偏好度
（尋找不同群體偏好度gap較大的商品）
三. 商品推薦規(guī)則
目標(biāo)：讓用戶看到平臺更多的商品烙肺，不僅僅是爆款！
核心邏輯：計(jì)算用戶行為數(shù)據(jù)&業(yè)務(wù)結(jié)果中商品之間的關(guān)聯(lián)度/相似度柿冲。
1>根據(jù)業(yè)務(wù)更新節(jié)奏篩選數(shù)據(jù)時(shí)間范圍茬高，一般為1-3個(gè)月。
2>獲取訂單中商品明細(xì)數(shù)據(jù)假抄，調(diào)整數(shù)據(jù)結(jié)構(gòu)為每個(gè)訂單中兩兩商品組合怎栽。
如：order_id1中包含3個(gè)商品，則顯示為6種組合宿饱，不區(qū)分前后
order_id? ? ?cust_id? ? ? ? ? ?A? ? ? ? ? ? ? B
order_id1 || cust_id1 || goods_a || goods_b
order_id1 || cust_id1 || goods_a || goods_c
order_id1 || cust_id1 || goods_b || goods_a
order_id1 || cust_id1 || goods_b || goods_c
order_id1 || cust_id1 || goods_c || goods_a
order_id1 || cust_id1 || goods_c || goods_b
3>根據(jù)第3 & 4列分組熏瞄，計(jì)算相似商品組合的訂單數(shù)，用戶數(shù)谬以。
? ? 偽代碼：
select A,B,
count(distinct order_id) as order_cnt,
count(distinct cust_id) as cust_cnt
from data group by A,B
order_cnt & cust_cnt為商品關(guān)聯(lián)度指標(biāo)强饮，cust_cnt參考價(jià)值較大。
4>指數(shù)化：rate即商品B與商品B的關(guān)聯(lián)度为黎，rate越大關(guān)聯(lián)度越高邮丰。
rate=cust_cnt(A&B)/cust_cnt(A)
5>因?yàn)楸钌唐返挠唵螖?shù)量較大，為避免推薦商品中全都是爆款铭乾，需要把B列中爆款商品剔除剪廉。
6>推薦商品的列表根據(jù)實(shí)際業(yè)務(wù)場景靈活調(diào)整。
文末：但有星辰你且摘，莫怕驚了天上人。
