(接《用SQL完成购买行为分析(下篇I)》内容)
12)查询首条记录为fav,总记录条数为14的记录。将前面getNum(3)红框处替换为12,运行getNum(14)得到第2条记录的数量:
替换为11,得到第3条记录的数量:
替换为10,得到第4条记录的数量:
替换为9,得到第5条记录的数量:
替换为8,得到第6条记录的数量:
替换为7,得到第7条记录的数量:
替换为6,得到第8条记录的数量:
替换为5,得到第9条记录的数量:
替换为4,得到第10条记录的数量:
替换为3,得到第11条记录的数量:
替换为2,得到第12条记录的数量:
替换为1,得到第13条记录的数量:
替换为0,得到第14条记录的数量:
得到Excel表:
总记录为14条的这一行购买行为出现在第7、10、13条,购买转化渠道如各行所示。
13)首条记录为fav,每组总条数18。修改getNum(18)存储过程,运行后得到第2条记录的数量:
第3条记录的数量:
第4条记录的数量:
第5条记录的数量:
第6条记录的数量:
第7条记录的数量:
第8条记录的数量:
第9条记录的数量:
第10条记录的数量:
第11条记录的数量:
第12条记录的数量:
第13条记录的数量:
第14条记录的数量:
第15条记录的数量:
第16条记录的数量:
第17条记录的数量:
第18条记录的数量:
得到Excel表:
此表仅有一条记录,它显示了其购买行为转化渠道。
回顾《中篇》2.2所述所有转化渠道,并回答2.2末尾的3个问题。(1)、分别以pv、cart、fav打头的购买行为转化渠道具有共性,可总结为: 多次浏览(pv)加最后购买(buy)。具体情况是:以pv开头的记录中,有13组各条记录均仅占1行的记录,无法对购买行为转化渠道所含记录条数按从高到低排序。剩下的9组记录中,有6组记录均为多个pv最后一条为buy。虽然,剩下的3组记录是多个pv,buy在倒数第2条记录的情况,但在该组内,多条pv加最后一条为buy的记录的数量仅比多个pv,buy在倒数第2条记录的情况少一条,所以依然认为多次浏览加最后购买是最主要的购买行为转化渠道。以cart开头的记录中,有7组各条记录均占1行,无法排序。在剩下的6组记录中,有4组记录中均为cart打头,加多个pv和最后一条为buy的记录。有2组记录是cart打头,多个pv,buy在倒数第2条记录,但多条pv加最后一条为buy的记录的数量仅比多个pv,buy在倒数第2条记录的情况少一条。以fav开头的记录里,有7组各条记录均占1行的记录,无法排序。剩下的6条记录中,有2条为fav开头,多个pv最后一条为buy的情况。余下还有3条是多个pv,倒数第2条为buy。但在该组内,多条pv加最后一条为buy的记录的数量也仅比多个pv,buy在倒数第2条记录的情况少一条。(2)、 以buy打头的购买行为转化渠道和以pv、cart、fav打头的购买行为转化渠道的特点不同,可以说是截然相反,且这一特点是独立存在的。以buy打头的主要购买行为转化渠道是:购买(buy)加多次浏览(pv)。具体来说是:以buy开头的记录中,有2组各条记录均占一行的记录,无法排序。剩下的5组记录都是首条为buy,后跟多个pv。(3)、从buy打头的购买行为转化渠道可以看出,绝大多数用户都在购买之后多次浏览了商品,有的购买后浏览次数竟高达7次。这可以被解释为算法推荐的商品相关度高。但是没有发生回购,这里的猜测是:用户的需求已经得到满足,就算价格上更有竞争力,或是口味上有了新选择,所以在本次研究时段内没有发生新的购买。
七、结论和建议
在本次研究的时段内(2017年11月25-12月3日,共9天),购买行为发生最多的日期是11月27(周一)、11月30(周四)和12月2(周六)、12月3(周日)共4天。每日13——14点,19——22点是购买高峰时段。2——7点是下单非活跃时段。在活跃日期的这4天内,共有11名用户的数量排名前3。这用户排名前3的用户中有5个用户有回购行为。销量前3的商品种类有10种,其中一半的商品品种被回购,且最多被回购了3次。除了销量前4的具体商品ID中有回购记录的用户ID和销量前3的商品种类中有回购行为的用户ID完全不一致之外,销量前3的商品种类中有回购行为的用户ID和用户排名前3的5个有回购行为的用户ID完全一致。购买行为服从长尾分布。分别以pv、cart、fav打头的主要购买行为转化渠道为: 多次浏览加最后购买。首条为buy的主要购买行为转化渠道和分别以pv、cart、fav打头的主要购买行为转化渠道截然相反,具体为:购买加多次浏览。鉴于推荐算法的局限性——它只能在用户下单后,选取推送相关商品。如果能在用户浏览时(这里针对分别以pv、cart、fav打头的购买行为转化渠道),提升推荐商品的相关性,才能提升回购率。同样,除了提高浏览时的推荐相关性,如果对用户浏览历史建立档案,针对购买过该商品的用户发布促销活动及广告推广,一样可以对未来商品复购率的提升有所帮助。至于,本次研究中的购买行为转化渠道很长,(比如:以pv打头的购买行为转化渠道总条数高达39条,该条记录含有38条pv。)用户多次浏览,但因为在本次研究中无法确定其购买商品具体性质,无法排除该用户是否在购买低频高值的大件商品,所以也无法将此类用户购买的商品排除在外,以削减对转化率低、转化时间长、用户购进次数低商品的投入,降低成本。