扫码加入数据分析学习群

客户价值分析案例
PQ：
1. 检查数据类型
2. 从Orderinfo表中提取小时信息
3. 通过合并操作为orderinfo表分别补充不同层级的区域名称信息
4. 在orderdetail表中求出产品购买金额
建议在数据处理,数据计算,列值计算合并操作都在PQ操作.
PQ做的内容,PP也可以使用.
PP做的内容,PQ无法使用.

餐饮案例

优秀的餐饮企业利润率(8%-15%)龙头企业
一般的餐饮企业利润率(5%-8%)一般企业
较差的餐饮企业利润率(2%-5%)

台数分为总台数,开台数.
翻台率在传统行业中计算方法,计算标准差异很大.
不考虑AA制,拼座情况,在这里单均消费等于多均消费.

翻台率远远大于上座率,说明座子配置不合理.
单均消费高,人均消费低,说明该店成本较高,走量,利润空间压缩.
案例数据问题
1.单号详细：缺少每单的消费金额以及折扣额信息
2. 店面情况： 缺少总座位数的信息 总座位数=二人台*2+三人台*3+四人及以上*6
3.点菜明显:缺少店名信息.
PQ操作:
1.为各个表补充缺失信息
2.生成每家店对应的各个关键指标值的新查询.

先汇总-在连接-在计算
避开重复引用
切片器作为筛选器,可当做维度,对于其他表当做维度,对其他表要做到一表出维度,多表出度量,避免跨表筛选,选定出切片器的表比较重要.

电商案例
电商黄金公式: 销售额=流量*转化率*客单价
流量:质量与数量非常重要.
投放渠道是好是坏,投放方式是否有效,投放时间是否合理(时间精确到天就足够了)
投入少,产出效果相对好的渠道.
流量数量重要指标:
(在单位时间内)
访客数(UV) 到达店铺页面的非重复用户数
浏览量(PV)店铺内浏览和查看页面的累加次数.
UV高PV低(投放渠道不精准,客户对店铺产品不感兴趣,客户粘性不够)
UV低PV高(投放渠道精度高,客户质量有保证,但客户量不足)
访问次数:从进入店铺到离开店铺的过程(页面关闭为止)算一次.
新访客数:新进访客数.
流量质量重要指标:
平均访问深度:浏览量/访问次数(平均深度高,但转换效果差.原因:产品价格高,支付方式)
跳失率:跳出次数/访问次数(越高,说明渠道质量越差,渠道应该舍弃)
新访客占比: 新访客数/访客数