一、转化率：访问者到购买者的转化率，表示多少访问者最终成为了实际的顾客。

1.1 查询语句

最后

1.2 hive中创表并插入数据

将数据插入hive表中

1.3 mysql创表并导入数据

datax 导入脚本

二、用户支付工具分析：分析用户支付工具是了解客户在购物过程中选择使用的不同支付工具的过程。这种分析有助于了解用户支付行为、支付工具偏好和支付趋势，从而优化支付流程、提供更多选择，以及改进市场策略。

2.1 查看用户支付工具

det.order_id pay_type_money 143835 101 143835 192 143836 792 143836 4528 143836 408

pay.payment_type _c1 _c2 alipay 43753 77158873 unionpay 43942 77382708 wechatpay 43541 76898253

2.2 hive中创表并插入数据

插入数据

2.2.1增加不同支付类型的总金额

插入数据

2.3 mysql创表并导入数据

datax 导入脚本

用户支付工具统计

+--------------+-------+ | payment_type | num | +--------------+-------+ | wechatpay | 14506 | | alipay | 14551 | | unionpay | 14581 | +--------------+-------+

2.3.1增加不同支付类型的总金额

mysql创表

datax 导入脚本

执行命令

三、商品售卖TOP N：是指识别并列出在特定时间段内销售量最高的前 N 个商品。这个分析可以帮助电商企业了解哪些商品在市场上最畅销，从而优化库存管理、制定市场推广策略，以及推动更多的销售。

3.1查询语句

最后

3.2 hive中创表并插入数据

数据插入

ods_skutopn.category_name ods_skutopn.category_count 艺术 7286 卸妆 6913 读卡器 6747 空气净化 6731 小西装 6654

3.3 mysql创表并导入数据

datax数据导入

四、订单数：特定时间段内的订单数量，反映了电商平台的活跃度。

4.1查询语句

4.2 hive中创表并插入数据

插入数据

4.3 mysql创表并导入数据

datax导入数据

4.4 根据小时统计订单数

4.4.1 查询语句

4.4.2 hive中创表并插入数据

插入数据

4.4.3 mysql创表并导入数据

datax导入数据

五、销售额 GMV：GMV 是电商平台上所有商品的总销售价值，通常用于衡量平台的整体交易价值。

5.1 查询语句

date_time gmv_count 2023-10-13 32185 2023-10-14 46390 2023-10-15 21754 2023-10-16 20901 2023-10-17 32016 2023-10-18 49321 2023-10-19 47216

date_time gmv_amount 2023-10-13 56839073 2023-10-14 80044916 2023-10-15 37727219 2023-10-16 36682295 2023-10-17 56549453 2023-10-18 84749689 2023-10-19 89413802

总数据查询

time1.date_time time1.gmv_count time2.gmv_amount 2023-10-13 32185 56839073 2023-10-14 46390 80044916 2023-10-15 21754 37727219 2023-10-16 20901 36682295 2023-10-17 32016 56549453 2023-10-18 49321 84749689 2023-10-19 47216 89413802

5.2 hive中创表并插入数据

数据插入

5.3 mysql创表并导入数据

datax导入数据

5.4销售额增长率

5.4.1hive中创表并插入数据

5.4.2 mysql中创表并导入数据

datax 导入数据

六、产品热度分析：确定哪些产品或类别是最畅销的，哪些产品可能需要促销或清理库存。

6.1 查询语句

ods_base_category2 的id 和数量

创建临时表order_base2保存数据

插入数据

order_base2.id_2 order_base2.num_2 1 1585 2 7846 3 2147 4 8860 5 1120

ods_base_category2.category1_id num_2 1 1585 1 7846 1 2147 1 8860 1 1120 1 8362 1 1972 1 6723 1 5252 1 1850 1 6477

6.2 hive中创表并导入数据

ads_product_num.ame ads_product_num.pro_total 服饰内衣 112985 电脑办公 73749 汽车用品 60186 母婴 58904 个护化妆 57563 图书、音像、电子书刊 53906 家用电器 53600 珠宝 49989 数码 42293 家居家装 39186 礼品箱包 34864 食品饮料、保健食品 28525 手机 25604 鞋靴 25493 厨具 22911 钟表 10214

6.3 mysql中创表并导入数据

datax导入数据

七、客户留存率：特定时间段内继续购物的老客户占总购物者的比例，有助于衡量客户忠诚度。

7.1 查询语句

date_time day1 day2 day3 day4 day5 day6 day7 2023-10-13 5078 630 293 270 538 563 459 2023-10-14 7079 554 472 976 978 838 0 2023-10-15 3505 280 608 587 513 0 0 2023-10-16 3296 614 693 544 0 0 0 2023-10-17 6429 1794 1531 0 0 0 0 2023-10-18 6643 2022 0 0 0 0 0 2023-10-19 5501 0 0 0 0 0 0

date_time day1 day2 day3 day4 day5 day6 day7 2023-10-13 5078 12.41% 5.77% 5.32% 10.59% 11.09% 9.04% 2023-10-14 7079 7.83% 6.67% 13.79% 13.82% 11.84% 0.0% 2023-10-15 3505 7.99% 17.35% 16.75% 14.64% 0.0% 0.0% 2023-10-16 3296 18.63% 21.03% 16.5% 0.0% 0.0% 0.0% 2023-10-17 6429 27.9% 23.81% 0.0% 0.0% 0.0% 0.0% 2023-10-18 6643 30.44% 0.0% 0.0% 0.0% 0.0% 0.0% 2023-10-19 5501 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%

7.2 hive中创表并导入数据

数据插入

7.3 mysql中创表并导入数据

datax导入数据