CN113821530A - 一种利用sql自动化分析客户留存率的方法 - Google Patents
一种利用sql自动化分析客户留存率的方法 Download PDFInfo
- Publication number
- CN113821530A CN113821530A CN202111131943.4A CN202111131943A CN113821530A CN 113821530 A CN113821530 A CN 113821530A CN 202111131943 A CN202111131943 A CN 202111131943A CN 113821530 A CN113821530 A CN 113821530A
- Authority
- CN
- China
- Prior art keywords
- retention rate
- background
- client
- sql
- annual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Abstract
本发明公开了一种利用sql自动化分析客户留存率的方法,包括制定月度分析或年度分析执行任务;后台通过sql语句,根据任务进行筛选符合条件的用户的订单;根据用户的订单数据,统计出各个时间范围内的用户人数;后台根据用户唯一标识,进行计算用户的留存人数,计算出月度留存率或年度留存率;将计算出的用户的月度留存率和年度留存率数据结果存入后台数据库中,并实时更新数据库;在客户页面进行查询客户留存率,同时,后台返回查询结果。本发明通过高效查询客户留存率,使查询范围跨度大,更利于新老客户的分析,并及时发现帮助分析新老客户流失的因素,减少损失。
Description
技术领域
在电商行业快速发展的时代,如何发展新客户、留住老客户,成为了每个商家的必修课,那么为了帮助每个商家分析客户留存率(在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户),更加客观的发现哪一时间段新客增多,并及时总结经验,或老客流失过多,帮助及时分析原因、挽留客户,因此,需要有一套自动分析客户留存率的方法。
目前,最大查询粒度以月为单位,无法查询以天为单位的用户留存率,不支持实时查询当月数据,无法分析当月的客户留存率,可分析的时间段最早只能支持到上个月,在分析客户留存率上,一直存在一系列的现实问题。
发明内容
针对相关技术中的上述技术问题,本发明提出一种利用sql自动化分析客户留存率的方法,能够克服现有技术方法的上述不足。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种利用sql自动化分析客户留存率的方法,包括以下步骤:
S1:首先,进行制定月度分析或年度分析执行任务;
S2:后台通过sql语句,根据制定的任务,进行筛选符合条件的用户的订单;
S3:根据用户的订单数据,统计出各个时间范围内的用户人数;
S4:后台根据用户唯一标识,进行计算用户的留存人数,计算出月度留存率或年度留存率;
S5:将计算出的用户的月度留存率和年度留存率数据结果存入后台数据库中,并实时更新数据库;
S6:最后,在客户页面进行查询客户留存率,同时,后台返回查询结果。
进一步地,步骤S2中,所述根据制定的任务,进行筛选符合条件的用户,即筛选出下单未付款的订单,若是老客户,筛选出订单付款时间在近三年的订单;若是新客户,直接获取所有订单。
进一步地,所述年度分析任务是在每年首月首日,后台自动触发任务并执行;所述月度分析任务是在每月首日,后台自动触发任务并执行。
进一步地,步骤S6中,在查询客户留存率时,首先,选择需要统计的维度,然后选择查询时间和统计周期,最后选择客户类型,最后,收到查询结果。
进一步地,所述统计的维度是月或年;选择查询时间是需要选择起止时间,最小粒度为月;选择统计周期是至少选择三个月,其中,每三个月为一个风机,最大支持选择36个月;选择的客户类型有新客户、老客户或平台推广用户。
本发明的有益效果:通过对客户留存率的高效查询,使查询范围跨度大,更利于新老客户的分析,并及时发现帮助分析新老客户流失的因素,减少损失;帮助每个商家分析客户留存率,更加客观的发现某一时间段新客增多或减少,并及时总结经验,或遇到老客流失过多,帮助及时分析原因、挽留客户。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的利用sql自动化分析客户留存率的方法的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围,为了方便理解本发明的上述技术方案,以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
如图1所示,根据本发明实施例所述的利用sql自动化分析客户留存率的方法,步骤包括:
首先,进行制定月度分析或年度分析执行任务,后台自动化执行指定的执行任务。其中,所述年度分析任务是在每年首月首日(2号),后台自动触发任务并执行;所述月度分析任务是在每月首日,后台自动触发任务并执行。
后台通过sql语句,根据制定的任务,进行筛选符合条件的用户,即筛选出下单未付款的订单,针对老客户,筛选出订单付款时间在近三年的订单;针对新客户,直接获取所有订单,并向客户订单数据输出到表1。
根据用户的订单数据,统计出各个时间范围内(最早下单时间以及最早下单时间三年后的时间)的用户人数,输出到表2,表1和表2进行关联,从而计算出每个用户在客户店铺下的每个月的订单数,输出表3。然后,根据表3,后台根据用户唯一标识,去重,进行计算用户每个月的用户留存人数,计算出月度留存率或年度留存率,输出到表4。将计算出的用户的月度留存率和年度留存率数据结果存入后台数据库中,并实时更新数据库。
最后,在客户页面进行查询客户留存率,也就是表4,在查询客户留存率时,首先,选择需要统计的维度(月/年),然后选择查询时间(选择起止时间,最小粒度为月)和统计周期(至少选择三个月,每三个月为一个风机,最大支持选择36个月),最后选择客户类型(新客户/老客户/平台推广用户),最后,收到查询结果,同时,后台返回查询结果。
综上所述,借助于本发明的上述技术方案,通过对客户留存率的高效查询,使查询范围跨度大,更利于新老客户的分析,并及时发现帮助分析新老客户流失的因素,减少损失;帮助每个商家分析客户留存率,更加客观的发现某一时间段新客增多或减少,并及时总结经验,或遇到老客流失过多,帮助及时分析原因、挽留客户。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种利用sql自动化分析客户留存率的方法,其特征在于,包括以下步骤:
S1:首先,进行制定月度分析或年度分析执行任务;
S2:后台通过sql语句,根据制定的任务,进行筛选符合条件的用户的订单;
S3:根据用户的订单数据,统计出各个时间范围内的用户人数;
S4:后台根据用户唯一标识,进行计算用户的留存人数,计算出月度留存率或年度留存率;
S5:将计算出的用户的月度留存率和年度留存率数据结果存入后台数据库中,并实时更新数据库;
S6:最后,在客户页面进行查询客户留存率,同时,后台返回查询结果。
2.根据权利要求2所述的利用sql自动化分析客户留存率的方法,其特征在于,步骤S2中,所述根据制定的任务,进行筛选符合条件的用户,即筛选出下单未付款的订单,若是老客户,筛选出订单付款时间在近三年的订单;若是新客户,直接获取所有订单。
3.根据权利要求1所述的利用sql自动化分析客户留存率的方法,其特征在于,所述年度分析任务是在每年首月首日,后台自动触发任务并执行;所述月度分析任务是在每月首日,后台自动触发任务并执行。
4.根据权利要求1所述的利用sql自动化分析客户留存率的方法,其特征在于,步骤S6中,在查询客户留存率时,首先,选择需要统计的维度,然后选择查询时间和统计周期,最后选择客户类型,最后,收到查询结果。
5.根据权利要求4所述的利用sql自动化分析客户留存率的方法,其特征在于,所述统计的维度是月或年;选择查询时间是需要选择起止时间,最小粒度为月;选择统计周期是至少选择三个月,其中,每三个月为一个风机,最大支持选择36个月;选择的客户类型有新客户、老客户或平台推广用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111131943.4A CN113821530A (zh) | 2021-09-26 | 2021-09-26 | 一种利用sql自动化分析客户留存率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111131943.4A CN113821530A (zh) | 2021-09-26 | 2021-09-26 | 一种利用sql自动化分析客户留存率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113821530A true CN113821530A (zh) | 2021-12-21 |
Family
ID=78915548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111131943.4A Pending CN113821530A (zh) | 2021-09-26 | 2021-09-26 | 一种利用sql自动化分析客户留存率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113821530A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102589254B1 (ko) * | 2023-03-27 | 2023-10-13 | 주식회사 모스트엑스 | 렌탈 서비스의 이행과 관련된 데이터를 분석하는 시스템 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527454A (zh) * | 2009-04-27 | 2009-09-09 | 国网电力科学研究院 | 一种电网年度运行方式报告自动生成方法 |
CN103559300A (zh) * | 2013-11-13 | 2014-02-05 | 曙光信息产业(北京)有限公司 | 数据的查询方法和查询装置 |
CN106897894A (zh) * | 2016-12-30 | 2017-06-27 | 厦门南讯软件科技有限公司 | 一种基于对客户订单分析的客户精准分层方法 |
CN107766454A (zh) * | 2017-09-26 | 2018-03-06 | 深圳市金立通信设备有限公司 | 一种数据处理方法、服务器及计算机可读存储介质 |
CN109376192A (zh) * | 2018-09-20 | 2019-02-22 | 北京空中信使信息技术有限公司 | 一种用户留存分析方法、装置、电子设备及存储介质 |
CN111597216A (zh) * | 2020-05-06 | 2020-08-28 | 湖北亿卡汇聚科技有限公司 | 一种用于电商平台的客户存储和分析系统 |
CN112256745A (zh) * | 2020-10-27 | 2021-01-22 | 武汉市钱鲸科技有限公司 | 一种零售数据分析方法 |
-
2021
- 2021-09-26 CN CN202111131943.4A patent/CN113821530A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527454A (zh) * | 2009-04-27 | 2009-09-09 | 国网电力科学研究院 | 一种电网年度运行方式报告自动生成方法 |
CN103559300A (zh) * | 2013-11-13 | 2014-02-05 | 曙光信息产业(北京)有限公司 | 数据的查询方法和查询装置 |
CN106897894A (zh) * | 2016-12-30 | 2017-06-27 | 厦门南讯软件科技有限公司 | 一种基于对客户订单分析的客户精准分层方法 |
CN107766454A (zh) * | 2017-09-26 | 2018-03-06 | 深圳市金立通信设备有限公司 | 一种数据处理方法、服务器及计算机可读存储介质 |
CN109376192A (zh) * | 2018-09-20 | 2019-02-22 | 北京空中信使信息技术有限公司 | 一种用户留存分析方法、装置、电子设备及存储介质 |
CN111597216A (zh) * | 2020-05-06 | 2020-08-28 | 湖北亿卡汇聚科技有限公司 | 一种用于电商平台的客户存储和分析系统 |
CN112256745A (zh) * | 2020-10-27 | 2021-01-22 | 武汉市钱鲸科技有限公司 | 一种零售数据分析方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102589254B1 (ko) * | 2023-03-27 | 2023-10-13 | 주식회사 모스트엑스 | 렌탈 서비스의 이행과 관련된 데이터를 분석하는 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818133B (zh) | 一种基于大数据的居民区网络能力分析方法及系统 | |
US20180115473A1 (en) | Systems and methods of specifying service level criteria | |
CN111488261A (zh) | 用户行为分析系统、方法、存储介质及计算设备 | |
WO2018202170A1 (zh) | 动态语音交互系统及其菜单生成方法 | |
US9235608B2 (en) | Database performance analysis | |
CN110297746A (zh) | 一种数据处理方法及系统 | |
CN112926858A (zh) | 电力营销业务运营指标设计方法及装置 | |
CN109033173B (zh) | 一种用于生成多维指标数据的数据处理方法及装置 | |
CN113821530A (zh) | 一种利用sql自动化分析客户留存率的方法 | |
CN114862270A (zh) | 一种考勤数据处理方法和系统 | |
CN112116440A (zh) | 缴费提醒方法、装置、设备及存储介质 | |
CN109298929A (zh) | 定时任务执行时间推荐方法、装置、设备和存储介质 | |
CN112507041B (zh) | 设备机型识别方法及装置、电子设备、存储介质 | |
CN109919667B (zh) | 一种用于识别企业ip的方法和装置 | |
CN114401158A (zh) | 流量计费方法、装置、电子设备及存储介质 | |
CN114595129A (zh) | 一种可配置的多维度数据监控方法、装置及存储介质 | |
CN111597237B (zh) | 数据查询结果的生成方法及装置、电子设备、存储介质 | |
CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
CN111190817B (zh) | 软件缺陷的处理方法及装置 | |
CN109189810B (zh) | 查询方法、装置、电子设备及计算机可读存储介质 | |
CN110781235A (zh) | 基于大数据的采购数据处理方法、装置、终端及存储介质 | |
CN110990401B (zh) | 一种酒店搜索方法及系统 | |
CN111427936B (zh) | 报表生成方法、装置、计算机设备和存储介质 | |
CN109165238B (zh) | 一种用于生成周期指标数据的数据处理方法及装置 | |
CN111061615A (zh) | 数据仓库的数据监控方法、装置、服务器和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |