指标工作介绍
目录
password: hqd
哈哈
离线指标
三个详细的指标
各个省份gmv（可能存在 group by造成的数据倾斜）
plaintext自动换行：关放大阅读展开代码1. 业务数据库中涉及表 省份表（全量），sku表（全量），订单表（增量），订单明细表（增量） 2. ods层数据加载 load data命令加载入hive的ods表中 3. dwd层 订单明细表 业务过程：下单 粒度：一次下单中的一个商品 维度：sku，地区，渠道等等 事实：该商品的下单金额 4. dws层 sku粒度，省份的下单汇总表 5. ads 使用省份粒度分组，where分区过滤，sum下单金额 6. 数据调度 ads ——》datax--》mysql 7. superset可视化展示
最近一日各个渠道流量统计
plaintext自动换行：关放大阅读展开代码1. 涉及的表 日志数据中的页面浏览日志 2. ods层数据加载 日志数据的话，是全部存在在ods层的一张日志表，有五种日志数据 3. dwd层页面浏览事实表 页面浏览事实表 业务过程：页面浏览 粒度：一次浏览中的一个页面 维度：所属的会话，地区，渠道，所用的设备，当前使用的软件版本等等 事实：该次浏览的时长等 4. dws层(1d表) 会话，页面（渠道）粒度的浏览汇总表 最近1日访问时长，最近1日的访问的页面数 5. ads层 访客数：count(distinct mid) 会话数：count(1) 会话平均停留时长：avg(duration_time_1d) 会话平均浏览页面数：avg(page_id_1d) 跳出率：该渠道统计下，一个会话中只浏览了一个页面的会话数 / 该渠道的会话总数 count(if(page_id_1d = 1,1,0)) / count(1) ECHO is off.
用户的流失，回流
plaintext自动换行：关放大阅读展开代码用户流失统计 1. 涉及的表 日志数据 2. ods层数据加载 日志数据的话，是全部存在在ods层的一张日志表，有五种日志数据， 3. dwd层登录事实表 用户登录事实表 业务过程：登录页面 粒度：一个用户的一次登录 维度：所属的会话，地区，渠道，所用的设备，当前使用的软件版本等等 事实：一次登录 4. dws层(td表) 用户粒度至今的登录情况汇总表，每个分区存放的是历史至今的用户登录 情况的统计 比如历史至今的登录次数，历史至今最后一次登录时间 5. ads层 流失用户：比如5号最近3日的流失用户数 回流用户：比如5号最近3日的回流用户数 流失： select 分号， count（1）流失用户数 from 历史至今登录汇总表 where 分区号=5号 and 最后一次登录时间 = 3天前当天 回流： --3日流失用户有哪些？ with t1 as（ select 分区号， 用户id from 历史至今登录汇总表 where 分区号=5号 and 最后一次登录时间 = 3天前当天或者3天前）, --5号登录的用户有那些？ t2 as( select 分区号， 用户id from 用户登录事实增量表 where 分区号 = 5号) select count（1）流失用户数 from t1 join t2 on t1.用户id = t2.用户id
用户的新增留存统计
plaintext自动换行：关放大阅读展开代码5号最近三日新增留存统计 1. 涉及的表 业务数据库中用户信息表 2. ods层数据加载 用户信息增量表，日志信息 3. dwd层用户注册事实表 用户注册事实表 业务过程：用户注册 粒度：用户注册 维度：注册时的时间，地区，渠道，所用的设备，当前使用的软件版本等等 事实：无 ECHO is off. 用户登录事实表 --》用户登录至今td表 4. dws层(用户登录至今td表) 用户粒度至今的登录情况汇总表，每个分区存放的是历史至今的用户登录 情况的统计 比如历史至今的登录次数，历史至今最后一次登录时间 5. ads层 --5号登录的用户有那些？ with t1 as（ select 分区号， user_id from 用户登录至今汇总表 where 分区号 = 5号）， --最近3日的注册用户数 t2 as（ select 分号， userid from 用户注册增量事实表 where 分区号 in（2号，3号，4号））， select t2.分区号， count（1） 注册用户数， count（t1.userid）留存用户数， count（t1.userid）/ count（1）留存率 from t1 right join t2 on t1.user_id = t2.user_id group by t2.分区号
最难指标
sql自动换行：关放大阅读展开代码ECHO is off. -- 求某个页面同时浏览人数最多的前三个时间段，求出同时浏览人数，和时间段 /* rank nums, start_date, end_date 1 7, 2021-09-27 08:00:00, 2021-09-27 08:30:00 2 6, 2021-09-27 08:30:00, 2021-09-27 09:30:00 2 6, 2021-09-26 13:00:00, 2021-09-27 08:00:00 3 5, 2021-09-27 09:30:00, 2021-09-27 10:30:00 3 5, 2021-10-06 09:10:00, 2021-10-06 10:00:00 */ with t1 as -- 每个用户的跳入时间和跳出时间 (select user_id, in_date, date_add(in_date,duration_time) out_date from dwd_user_page_view upv ),-- union 跳入和跳出 t2 as ( select user_id, in_date, 1 flag from t1 union select user_id, out_date, -1 from t1 ),-- 按照时间升序，累计求和浏览人数 t3 as ( select in_date, sum(flag) over(order by in_date) load_sum from t2 ), t4 as ( -- 按照跳入时间，lead取下一条记录，并对人数降序 select in_date, load_sum, lead(in_date,1,'9999-12-31') upper_bound, dense_rank() over(order by load_sum desc) dr from t3 ) select in_date, upper_bound, load_sum from t4 -- 取前三名 where dr <= 3;
用户的流失和回流统计，以及用户留存分析
- 不同渠道的带来的用户，不同特征的用户行为差异在哪里？哪类用户更有价值？
交易域
下单到支付的平均间隔
sql自动换行：关放大阅读展开代码-- ADS DROP TABLE IF EXISTS ads_order_to_pay_interval_avg; CREATE EXTERNAL TABLE ads_order_to_pay_interval_avg ( `dt` STRING COMMENT '统计日期', `order_to_pay_interval_avg` BIGINT COMMENT '下单到支付时间间隔平均值,单位为秒' ) COMMENT '各品牌商品收藏次数Top3' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/warehouse/gmall/ads/ads_order_to_pay_interval_avg/'; --dwd_trade_trade_flow_acc分区: 普通日期分区[当日完成的流程数据]、9999-99-99分区[未完成的流程数据] insert overwrite table ads_order_to_pay_interval_avg select * from ads_order_to_pay_interval_avg where dt!='2020-06-14' union all select '2020-06-14' dt, avg(unix_timestamp(payment_time) - unix_timestamp(order_time) ) --当日完成支付的订单流程可能完成了,也可能没有完成 from dwd_trade_trade_flow_acc where (dt='9999-99-99' or dt='2020-06-14') and payment_date_id = '2020-06-14'; -- ######################################################################## -- DWD -- 存放订单完成的订单和未完成的订单 订单完成定义： ①下单，支付，确认收货 或者 下单，取消订单 订单未完成： 除了①都是未完成的情况 DROP TABLE IF EXISTS dwd_trade_trade_flow_acc; CREATE EXTERNAL TABLE dwd_trade_trade_flow_acc ( `order_id` STRING COMMENT '订单id', `user_id` STRING COMMENT '用户id', `province_id` STRING COMMENT '省份id', `order_date_id` STRING COMMENT '下单日期id', `order_time` STRING COMMENT '下单时间', `payment_date_id` STRING COMMENT '支付日期id', `payment_time` STRING COMMENT '支付时间', `finish_date_id` STRING COMMENT '确认收货日期id', `finish_time` STRING COMMENT '确认收货时间', `order_original_amount` DECIMAL(16, 2) COMMENT '下单原始价格', `order_activity_amount` DECIMAL(16, 2) COMMENT '下单活动优惠分摊', `order_coupon_amount` DECIMAL(16, 2) COMMENT '下单优惠券优惠分摊', `order_total_amount` DECIMAL(16, 2) COMMENT '下单最终价格分摊', `payment_amount` DECIMAL(16, 2) COMMENT '支付金额' ) COMMENT '交易域交易流程累积快照事实表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_trade_trade_flow_acc/' TBLPROPERTIES ('orc.compress' = 'snappy'); /* 首日数据加载方式： ods对应表中首日分区存放的是所有历史数据,其中存在未完成和已完成的流程,分别写入流程完成日期分区和9999-99-99分区中 每日数据加载方式： insert overwrite table dwd_trade_trade_flow_acc partition (dt) 当日新增的订单 union all 历史未完成的订单 left join order_info left join order_status */ -- ######################################################################## -- ODS -- 1.支付表 -- 2. 订单表 -- 3. 订单状态表
各个省份gmv（可能存在 Join造成的数据倾斜）
sql自动换行：关放大阅读展开代码DROP TABLE IF EXISTS ads_order_by_province; CREATE EXTERNAL TABLE ads_order_by_province ( `dt` STRING COMMENT '统计日期', `recent_days` BIGINT COMMENT '最近天数,1:最近1天,7:最近7天,30:最近30天', `province_id` STRING COMMENT '省份ID', `province_name` STRING COMMENT '省份名称', `area_code` STRING COMMENT '地区编码', `iso_code` STRING COMMENT '国际标准地区编码', `iso_code_3166_2` STRING COMMENT '国际标准地区编码', `order_count` BIGINT COMMENT '订单数', `order_total_amount` DECIMAL(16, 2) COMMENT '订单金额' ) COMMENT '各地区订单统计' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/warehouse/gmall/ads/ads_order_by_province/'; DROP TABLE IF EXISTS dws_trade_province_order_nd; CREATE EXTERNAL TABLE dws_trade_province_order_nd ( `province_id` STRING COMMENT '省份id', `province_name` STRING COMMENT '省份名称', `area_code` STRING COMMENT '地区编码', `iso_code` STRING COMMENT '旧版ISO-3166-2编码', `iso_3166_2` STRING COMMENT '新版版ISO-3166-2编码', `order_count_7d` BIGINT COMMENT '最近7日下单次数', `order_original_amount_7d` DECIMAL(16, 2) COMMENT '最近7日下单原始金额', `activity_reduce_amount_7d` DECIMAL(16, 2) COMMENT '最近7日下单活动优惠金额', `coupon_reduce_amount_7d` DECIMAL(16, 2) COMMENT '最近7日下单优惠券优惠金额', `order_total_amount_7d` DECIMAL(16, 2) COMMENT '最近7日下单最终金额', `order_count_30d` BIGINT COMMENT '最近30日下单次数', `order_original_amount_30d` DECIMAL(16, 2) COMMENT '最近30日下单原始金额', `activity_reduce_amount_30d` DECIMAL(16, 2) COMMENT '最近30日下单活动优惠金额', `coupon_reduce_amount_30d` DECIMAL(16, 2) COMMENT '最近30日下单优惠券优惠金额', `order_total_amount_30d` DECIMAL(16, 2) COMMENT '最近30日下单最终金额' ) COMMENT '交易域省份粒度订单最近n日汇总事实表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dws/dws_trade_province_order_nd' TBLPROPERTIES ('orc.compress' = 'snappy'); DROP TABLE IF EXISTS dws_trade_province_order_1d; CREATE EXTERNAL TABLE dws_trade_province_order_1d ( `province_id` STRING COMMENT '省份id', `province_name` STRING COMMENT '省份名称', `area_code` STRING COMMENT '地区编码', `iso_code` STRING COMMENT '旧版ISO-3166-2编码', `iso_3166_2` STRING COMMENT '新版版ISO-3166-2编码', `order_count_1d` BIGINT COMMENT '最近1日下单次数', `order_original_amount_1d` DECIMAL(16, 2) COMMENT '最近1日下单原始金额', `activity_reduce_amount_1d` DECIMAL(16, 2) COMMENT '最近1日下单活动优惠金额', `coupon_reduce_amount_1d` DECIMAL(16, 2) COMMENT '最近1日下单优惠券优惠金额', `order_total_amount_1d` DECIMAL(16, 2) COMMENT '最近1日下单最终金额' ) COMMENT '交易域省份粒度订单最近1日汇总事实表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dws/dws_trade_province_order_1d' TBLPROPERTIES ('orc.compress' = 'snappy'); DROP TABLE IF EXISTS dwd_trade_order_detail_inc; CREATE EXTERNAL TABLE dwd_trade_order_detail_inc ( `id` STRING COMMENT '编号', `order_id` STRING COMMENT '订单id', `user_id` STRING COMMENT '用户id', `sku_id` STRING COMMENT '商品id', `province_id` STRING COMMENT '省份id', `activity_id` STRING COMMENT '参与活动规则id', `activity_rule_id` STRING COMMENT '参与活动规则id', `coupon_id` STRING COMMENT '使用优惠券id', `date_id` STRING COMMENT '下单日期id', `create_time` STRING COMMENT '下单时间', `source_id` STRING COMMENT '来源编号', `source_type_code` STRING COMMENT '来源类型编码', `source_type_name` STRING COMMENT '来源类型名称', `sku_num` BIGINT COMMENT '商品数量', `split_original_amount` DECIMAL(16, 2) COMMENT '原始价格', `split_activity_amount` DECIMAL(16, 2) COMMENT '活动优惠分摊', `split_coupon_amount` DECIMAL(16, 2) COMMENT '优惠券优惠分摊', `split_total_amount` DECIMAL(16, 2) COMMENT '最终价格分摊' ) COMMENT '交易域下单明细事务事实表' PARTITIONED BY (`dt` STRING) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_trade_order_detail_inc/' TBLPROPERTIES ('orc.compress' = 'snappy');
各个渠道流量统计
sql自动换行：关放大阅读展开代码DROP TABLE IF EXISTS ads_traffic_stats_by_channel; CREATE EXTERNAL TABLE ads_traffic_stats_by_channel ( `dt` STRING COMMENT '统计日期', `recent_days` BIGINT COMMENT '最近天数,1:最近1天,7:最近7天,30:最近30天', `channel` STRING COMMENT '渠道', `uv_count` BIGINT COMMENT '访客人数', `avg_duration_sec` BIGINT COMMENT '会话平均停留时长，单位为秒', `avg_page_count` BIGINT COMMENT '会话平均浏览页面数', `sv_count` BIGINT COMMENT '会话数', `bounce_rate` DECIMAL(16, 2) COMMENT '跳出率' ) COMMENT '各渠道流量统计' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/warehouse/gmall/ads/ads_traffic_stats_by_channel/'; DROP TABLE IF EXISTS dws_traffic_session_page_view_1d; CREATE EXTERNAL TABLE dws_traffic_session_page_view_1d ( `session_id` STRING COMMENT '会话id', `mid_id` string comment '设备id', `brand` string comment '手机品牌', `model` string comment '手机型号', `operate_system` string comment '操作系统', `version_code` string comment 'app版本号', `channel` string comment '渠道', `during_time_1d` BIGINT COMMENT '最近1日访问时长', `page_count_1d` BIGINT COMMENT '最近1日访问页面数' ) COMMENT '流量域会话粒度页面浏览最近1日汇总表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dws/dws_traffic_session_page_view_1'; DROP TABLE IF EXISTS dwd_traffic_page_view_inc; CREATE EXTERNAL TABLE dwd_traffic_page_view_inc ( `province_id` STRING COMMENT '省份id', --ods_base_province_full `brand` STRING COMMENT '手机品牌', `channel` STRING COMMENT '渠道', `is_new` STRING COMMENT '是否首次启动', `model` STRING COMMENT '手机型号', `mid_id` STRING COMMENT '设备id', `operate_system` STRING COMMENT '操作系统', `user_id` STRING COMMENT '会员id', `version_code` STRING COMMENT 'app版本号', `page_item` STRING COMMENT '目标id ', `page_item_type` STRING COMMENT '目标类型', `last_page_id` STRING COMMENT '上页类型', `page_id` STRING COMMENT '页面ID ', `source_type` STRING COMMENT '来源类型', `date_id` STRING COMMENT '日期id', `view_time` STRING COMMENT '跳入时间', `session_id` STRING COMMENT '所属会话id', ---? `during_time` BIGINT COMMENT '持续时间毫秒' ) COMMENT '页面日志表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_traffic_page_view_inc' TBLPROPERTIES ('orc.compress' = 'snappy'); /* 页面浏览事实表，主要为每一条浏览记录加上一个会话id： 1. 每条页面日志都会记录当前页面id，和上一次的页面id；取last_page_id 为null的作为一个新会话的开始 if(page.last_page_id is null, concat(common.mid, '_', ts), null) session_point 2. 按照设备id分组，页面访问时间升序排列，使用last_value为每条页面访问日志加上会话id last_value(session_point,true) over (partition by mid order by ts asc) session_id */
路径分析
sql自动换行：关放大阅读展开代码/* 通过路径分析，可以得到网站页面整体的顺序跳转情况统计，并根据统计结果，对整个页面的设计和调整提供数据支撑 */ DROP TABLE IF EXISTS ads_page_path; CREATE EXTERNAL TABLE ads_page_path ( `dt` STRING COMMENT '统计日期', `source` STRING COMMENT '跳转起始页面ID', `target` STRING COMMENT '跳转终到页面ID', `path_count` BIGINT COMMENT '跳转次数' ) COMMENT '页面浏览路径分析' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/warehouse/gmall/ads/ads_page_path/'; insert overwrite table ads_page_path select * from ads_page_path where dt!='2020-06-14' union all select '2020-06-14' , concat(source,'_',rn), --后续需要将数据导入mysql,以source与target作为联合主键,主键不允许为Null,所以需要处理target为null的情况 nvl(concat(target,'_',rn+1),'None'), count(1) from ( select page_id source, lead(page_id) over (partition by session_id order by view_time asc) target, row_number() over (partition by session_id order by view_time asc) rn from dwd_traffic_page_view_inc where dt = '2020-06-14' ) t1 group by concat(source,'_',rn),concat(target,'_',rn+1);
注册用户的LTV价值分析
sql自动换行：关放大阅读展开代码-- 求注册用户1，7，30日内人均支付总金额 -- 同上面的1，7，30日的各个省份GMV统计，只需要额外join用户注册事实表即可
购物车存量分析（top3，周期快照事实表）
sql自动换行：关放大阅读展开代码DROP TABLE IF EXISTS ads_sku_cart_num_top3_by_cate; CREATE EXTERNAL TABLE ads_sku_cart_num_top3_by_cate ( `dt` STRING COMMENT '统计日期', `category1_id` STRING COMMENT '一级分类ID', `category1_name` STRING COMMENT '一级分类名称', `category2_id` STRING COMMENT '二级分类ID', `category2_name` STRING COMMENT '二级分类名称', `category3_id` STRING COMMENT '三级分类ID', `category3_name` STRING COMMENT '三级分类名称', `sku_id` STRING COMMENT '商品id', `sku_name` STRING COMMENT '商品名称', `cart_num` BIGINT COMMENT '购物车中商品数量', `rk` BIGINT COMMENT '排名' ) COMMENT '各分类商品购物车存量Top3' ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/warehouse/gmall/ads/ads_sku_cart_num_top3_by_cate/'; DROP TABLE IF EXISTS dwd_trade_cart_full; CREATE EXTERNAL TABLE dwd_trade_cart_full ( `id` STRING COMMENT '编号', `user_id` STRING COMMENT '用户id', `sku_id` STRING COMMENT '商品id', `sku_name` STRING COMMENT '商品名称', `sku_num` BIGINT COMMENT '加购物车件数' ) COMMENT '交易域购物车周期快照事实表' PARTITIONED BY (`dt` STRING) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_trade_cart_full/' TBLPROPERTIES ('orc.compress' = 'snappy');
BI看板
整体布局
- 整体的概览看板
- 全站的流量，日活，注册用户数，下单数，GMV，注册转化漏斗等基础的指标
- 市场推广看板
- 比如各渠道的用户规模
- 首页跳出率
- 商品概览看板
- 商品的购买流程数据统计，比如下单数，退货数，购买的频次分析
- 运营看板
- 用户运营
- 活动分析
- 用户看板
- 用户新增，留存，流失
业务过程
- 加入购物车
- 下单
- 支付
- 交易流程累计快照事实
- 优惠券的使用
- 商品的收藏
- 页面的浏览
- 用户的注册
- 用户的登录
实时指标
个人工作
分时流量统计(每小时的uv，pv,新访客数)
plaintext自动换行：关放大阅读展开代码（一） # 处理每条浏览数据 .group by(m -> m.getString("mid")) .map(new RichMap(){ Long pv = 1L; Long uv = 0L; Long nv = 0L； 1. 使用valueState存储每个用户当日的首次浏览日期 firstDate 2. 后续每来一条数据就比较firstDate，不同uv置为1 3. 每条浏览日志中都有标记该用户是否为新用户的标志位，可以通过 标志位来判断 }) # 按照软件版本和访问渠道分组，新老客户标识 .keyBy(m -> m.getVc() + m.getCh() + m.getIsNew()) # 5秒的滚动聚合窗口 .window(TumblingEventTimeWindows.of(Time.seconds(5))) # 对窗口中的内容聚合 .reduce(滚动聚合逻辑,输出5s滚动聚合的结果) # 写出到clickhouse .addSink(new ClickhouseSink(...)) （二） sprinboot接口每小时访问clickhouse，并使用sql查询你ch，并 返回数据给sugar 查询sql为： select toHour(stt) hor, sum(uv), sum(pv), sum(if(is_new = '1',1,0)) from dws层页面浏览汇总表 where toYYYYMMDD(stt) = "2023-02-27" group by hor;
搜索关键词统计（每2小时给出系统搜索关键词的前十热词分析）
plaintext自动换行：关放大阅读展开代码(一) 1. 从dwd层页面日志topic中过滤出用户的搜索行为和搜索关键词 2. 由于用户一次可能搜索多个关键词，需要打散关键词（自定义flink sql的制表函数） 3. 开窗聚合 select kw keyword, window_start,window_end, count(1) times from table(TUMBLE(TABLE search, DESCRIPTOR(et), interval '5' second ))group by kw,window_start,window_end 4. 转化为RetractStream并写入到clickhouse 5. 从clickhouse查询
新老客户的流量统计(跳出率，平均的在线时长，平均的访问页面数)
plaintext自动换行：关放大阅读展开代码(一) .keyBy(m -> m.getMid()) .map(new RichMap(){ # 会话统计 Long svCt = 0L; # 页面统计访问 Long pv = 1L; # 上一次访问的页面id为null，即为新会话的开始 if (lastPageId == null) { svCt = 1L; } # 从日志数据中获取页面的访问时长 Long durSum = page.getLong("during_time"); }) .keyBy(e -> e.getVc() + e.getCh() + e.getAr() + e.getIsNew()) .window(TumblingEventTimeWindows.of(Time.seconds(5))) .reduce() .addSink() （二） mapper层向clickhouse查询的sql： select is_new, sum(uv_ct) uv_ct, sum(pv_ct) pv_ct, sum(sv_ct) sv_ct, sum(uj_ct) uj_ct, sum(dur_sum) dur_sum from dws汇总表 where toYYYYMMDD(stt) = '2023-02-27' group by is_new controller层： 平均在线时长： 访问页面总时长 / uv 平均访问页面数： 总访问页面数 / uv
各个活动的补贴率（重大节日各个活动的实时补贴率）
plaintext自动换行：关放大阅读展开代码补贴率：用券的订单明细优惠券减免金额总和/原始金额总和 省略
各个优惠券的补贴率
各个品牌，各个spu的交易统计
实时项目的中最大挑战或者最难指标
业务上
最难的
技术上
主要业务流程
- 用户来超市买东西
- 通过app，小程序，公众号的推广，成为我们的线上用户（主要用户的话，比如一线或者新一线城市周边的人群）
- 用户使用页面浏览或者直接搜索或者通过商品分类（17个大类目，比如蔬菜类，海鲜水产，休闲零食，家具百货，美妆个护等）范围查询可以对中意的商品进行加入购车，比如会进入商品详情页，用户可以收藏，加入购车，或者直接购买
- 下单，分两类支付，一个是云仓，一个是超市；如果用户没有登录的话，需要登录，如果没有填写收货地址的话，需要设置
- 下单未支付的话，会有20mins的订单自动超时时间控制，也可以手动直接取消订单
- 购买后也可申请订单取消，之后进入售后流程，比如退款
工作成果
路径分析加用户漏斗：
- 验证运营思路。查看用户在逛app时的路径，是否符合运营的猜想，比如可以根据用户的常见热点路径，可以适当多投放一些广告
- 指导产品迭代优化，达到用户增长、转化的最终目的。比如使用漏斗分析出用户从商品详情页到下单页转化率很低，那么可以结合用户的路径分析，看看从商品详情页除了跳转下单页还会跳转那些热门页面，这样的话对产品的迭代是有帮助的。
本文作者:hedeoer
本文链接:
版权声明:本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！