Hive实战：电商数据分析平台

howard2005

1353人浏览 · 2025-12-09 17:46:43

howard2005 · 2025-12-09 17:46:43 发布

文章目录

1. 项目准备
2. 项目实现
3. 数据展示

1. 项目准备

1.1 需求分析

数据采集和整合：收集电商平台的交易日志，将其存储到合适的数据库或数据仓库中，并保证数据的准确性、完整性和实时性。
数据清洗和预处理：对采集到的数据进行清洗、转换和预处理，以确保数据的质量。
用户行为分析：通过分析交易日志中的用户行为数据，如点击、浏览、购买等，识别用户偏好、购买习惯和潜在的流失因素等。
销售趋势分析：通过分析销售数据，如销售额、销售渠道等，发现热门商品及其销售趋势，优化库存管理和采购计划。
交易异常监测：通过分析日志数据，检测异常订单、欺诈行为和支付问题等，提高系统的安全性。
数据可视化和报告：将分析结果以直观的图表、可视化仪表板和报告的形式展示，帮助决策者更好地理解数据，并做出相应的业务决策。

1.2 数据结构

1.2.1 订单表

字段解释	字段名	数据类型
订单 ID	order_id	string
订单时间	order_time	bigint
买家 ID	user_id	bigint
商品 ID	goods_id	bigint
买家 IP	user_ip	string
收货地址	ship_add (shipping address)	string
手机号	phone_no	string
点击来源	click_source	string
单点费用	click_cost	float
订单完成时间	pay_ct (payment completion time)	bigint
订单状态	pay_status (payment status)	string

1.2.2 访客表

字段解释	字段名	数据类型
访问 IP	access_ip	string
访问时间	access_time	bigint
网页跳转时间	jump_time	bigint
用户 ID	user_id	bigint
手机号	phone_no	string
商品 ID	goods_id	bigint
访问链接	access_con (access connection)	string
访问事件	access_event	string
点击来源	click_source	string
单点费用	click_cost	float

1.2.3 商品类目表

字段解释	字段名	数据类型
商品 ID	goods_id	bigint
商品名称	goods_name	string
作者	author	string
出版社	press	string
出版时间	pub_time (published time)	bigint
ISBN 编号	ISBN	float
定价	pricing	float
商品售价	goods_price	bigint
月销量	mon_sales (month sales)	string
发货地址	del_add (delivery address)	string

1.2.4 退款表

字段解释	字段名	数据类型
订单 ID	order_id	bigint
买家 ID	user_id	bigint
图书 ID	goods_id	bigint
买家 IP	user_ip	string
订单时间	order_time	bigint
退款时间	refund_time	bigint
收货地址	ship_add (shipping address)	string
手机号	phone_no	string
运费险	fre_ins (freight insurance)	string
退款原因	refund_reason	string

1.2.5 物流表

字段解释	字段名	数据类型
订单 ID	order_id	bigint
物流单号	log_num (logistics single number)	bigint
发货时间	del_time (the delivery time)	bigint
收货时间	rec_time (receiving time)	bigint

1.2.6 用户表

字段解释	字段名	数据类型
用户 ID	user_id	bigint
性别	gender	string
年龄	age	bigint
访问时间	access_time	bigint
最后一次登录时间	last_login (last login time)	bigint
点击来源	click_source	string

1.3 准备数据文件

1.3.1 上传数据文件到虚拟机

在slave2节点上执行命令：mkdir /ecdata
执行命令：cd /ecdata
将6个数据文件上传到/ecdata目录
执行命令：ll

1.3.2 在HDFS上创建数据目录

执行命令：hdfs dfs -mkdir /ecdata

1.3.3 上传数据文件到HDFS目录

执行命令：hdfs dfs -put item.txt /ecdata
执行命令：hdfs dfs -put logistics.txt /ecdata
执行命令：hdfs dfs -put orders.txt /ecdata
执行命令：hdfs dfs -put refund.txt /ecdata
执行命令：hdfs dfs -put users.txt /ecdata
执行命令：hdfs dfs -put visitors.txt /ecdata

1.4 创建数据库

执行命令：create database ecdata;
执行命令：use ecdata;，切换到ecdata数据库

1.5 创建数据表

1.5.1 创建订单表

创建订单表

执行语句

create table orders (
    order_id string,
    order_time bigint,
    user_id bigint,
    goods_id bigint,
    user_ip string,
    ship_add string,
    phone_no string,
    click_source string,
    click_cost float,
    pay_ct bigint,
    pay_status string
)
row format delimited
fields terminated by '\t';

向订单表加载数据
- 执行语句：load data inpath '/ecdata/orders.txt' into table orders;
查看订单表记录
- 执行语句：select * from orders limit 20;

1.5.2 创建访客表

创建访客表

执行语句

create table visitors (
    access_ip string,
    access_time bigint,
    jump_time bigint,
    user_id bigint,
    phone_no string,
    goods_id bigint,
    access_con string,
    access_event string,
    click_source string,
    click_cost float
)
row format delimited
fields terminated by '\t';

向访客表加载数据
- 执行语句：load data inpath '/ecdata/visitors.txt' into table visitors;
查看访客表记录
- 执行语句：select * from visitors limit 20;

1.5.3 创建商品类目表

创建商品类目表

执行语句

create table item (
    goods_id bigint,
    goods_name string,
    author string,
    press string,
    pub_time bigint,
    isbn float,
    pricing float,
    goods_price bigint,
    mon_sales string,
    del_add string
)
row format delimited
fields terminated by '\t';

向商品类目表加载数据
- 执行语句：load data inpath '/ecdata/item.txt' into table item;
查看商品类目表记录
- 执行语句：select * from item limit 20;

1.5.4 创建退款表

创建退款表

执行语句

create table refund (
    order_id bigint,
    user_id bigint,
    goods_id bigint,
    user_ip string,
    order_time bigint,
    refund_time bigint,
    ship_add string,
    phone_no string,
    fre_ins string,
    refund_reason string
)
row format delimited
fields terminated by '\t';

向退款表加载数据
- 执行语句：load data inpath '/ecdata/refund.txt' into table refund;
查看退款表记录
- 执行语句：select * from refund limit 20;

1.5.5 创建物流表

创建物流表

执行语句

create table logistics (
    order_id bigint,
    log_num bigint,
    del_time bigint,
    rec_time bigint
)
row format delimited
fields terminated by '\t';

向物流表加载数据
- 执行语句：load data inpath '/ecdata/logistics.txt' into table logistics;
查看物流表记录
- 执行语句：select * from logistics limit 20;

1.5.6 创建用户表

创建用户表

执行语句

create table users (
    user_id bigint,
    gender string,
    age bigint,
    access_time bigint,
    last_login bigint,
    click_source string
)
row format delimited
fields terminated by '\t';

向用户表加载数据
- 执行语句：load data inpath '/ecdata/users.txt' into table users;
查看用户表记录
- 执行语句：select * from users limit 20;

2. 项目实现

2.1 总体运营指标

在这里插入图片描述

2.1.1 独立访客数(UV)

时间维度

执行语句

select
    from_unixtime(access_time, 'HH') as hour,
    count(distinct user_id) as uv
from
    visitors
where
    access_time is not null
group by
    from_unixtime(access_time, 'HH')
order by
    hour;

在这里插入图片描述

结果说明：该查询按小时统计了独立访客数（UV），结果显示全天各时段均有用户访问，整体分布较均匀。高峰出现在15点（483人）和19点（484人），低谷在20点（382人），表明用户活跃时段集中在下午至晚间，符合典型电商使用习惯。

小时	独立访客数
00	481
01	487
02	453
03	435
04	438
05	454
06	477
07	436
08	470
09	456
10	443
11	431
12	438
13	438
14	439
15	483
16	434
17	453
18	471
19	484
20	382
21	428
22	461
23	422

地域维度

执行语句

select
    split(o.ship_add, ' ')[0] as province,
    count(distinct o.user_id) as visitor_count
from
    orders o
inner join
    visitors v
    on o.user_id = v.user_id
where
    o.ship_add is not null
    and o.ship_add != ''
    and split(o.ship_add, ' ')[0] is not null
group by
    split(o.ship_add, ' ')[0]
order by
    visitor_count desc;

在这里插入图片描述

结果说明：该查询统计了既访问网站又下单的用户按省份分布的独立访客数，覆盖全国31个省级行政区。用户主要集中在云南（58人）、河北（56人）和黑龙江、浙江等地，直辖市及西部地区用户相对较少，反映活跃用户多分布于人口大省或电商渗透率较高区域。

省份	下单独立访客数
云南省	58
河北省	56
黑龙江省	54
浙江省	53
广东省	52
辽宁省	52
四川省	50
山西省	49
内蒙古自治区	49
河南省	49
吉林省	48
江苏省	48
湖南省	48
新疆维吾尔自治区	46
广西壮族自治区	46
甘肃省	44
福建省	44
安徽省	43
陕西省	43
山东省	42
西藏自治区	41
江西省	40
贵州省	38
青海省	35
湖北省	34
重庆市	31
海南省	27
宁夏回族自治区	25
天津市	16
北京市	15
上海市	14

渠道维度

执行语句

select
    click_source as channel,
    count(distinct user_id) as uv
from
    visitors
where
    click_source is not null
    and click_source != ''
group by
    click_source
order by
    uv desc;

在这里插入图片描述

结果说明：该查询按渠道统计了独立访客数（UV），结果显示“聚划算”引流效果最强（1702人），其次是“淘宝直播”（1397人）和“直通车”（1199人），而“搜索”渠道仅1人。表明促销活动与直播内容是吸引用户访问的主要来源，传统自然搜索占比较低。

渠道	独立访客数
聚划算	1702
淘宝直播	1397
直通车	1199
淘宝橱窗	924
阿里博客	905
淘宝社区	886
淘宝搜索	541
搜索	1

2.1.2 页面访问数(PV)

时间维度

执行语句

select
    from_unixtime(access_time, 'HH') as hour,
    count(*) as pv
from
    visitors
where
    access_time is not null
group by
    from_unixtime(access_time, 'HH')
order by
    hour;

在这里插入图片描述

结果说明：该查询按小时统计了页面访问量（PV），结果显示全天各时段均有稳定访问，高峰出现在15点（551次）和19点（538次），低谷在20点（435次）和04点（477次）。整体分布较均衡，无极端波动，表明用户活跃时段覆盖全天，符合典型电商平台的访问规律。

小时	页面访问数
00	531
01	546
02	502
03	480
04	477
05	497
06	518
07	483
08	524
09	523
10	489
11	486
12	491
13	493
14	488
15	551
16	484
17	509
18	528
19	538
20	435
21	479
22	511
23	467

地域维度

执行语句

select
    split(o.ship_add, ' ')[0] as province,
    count(*) as pv
from
    visitors v
join
    orders o
    on v.user_id = o.user_id
where
    o.ship_add is not null
    and o.ship_add != ''
    and split(o.ship_add, ' ')[0] is not null
group by
    split(o.ship_add, ' ')[0]
order by
    pv desc;

在这里插入图片描述

结果说明：该查询统计了有下单记录用户的页面访问量（PV）按省份分布情况。结果显示云南省（369）、河北省（357）和浙江省（334）访问量最高，直辖市如上海、北京、天津相对较低，表明活跃用户主要集中在人口大省或电商渗透率较高的地区，整体与用户基数和消费活跃度正相关。

省份	页面访问量
云南省	369
河北省	357
浙江省	334
黑龙江省	333
辽宁省	328
广东省	322
四川省	313
内蒙古自治区	310
河南省	310
山西省	304
江苏省	302
湖南省	300
吉林省	295
新疆维吾尔自治区	287
广西壮族自治区	285
甘肃省	277
福建省	277
陕西省	272
安徽省	268
山东省	260
江西省	249
西藏自治区	249
贵州省	238
青海省	224
湖北省	217
重庆市	191
海南省	170
宁夏回族自治区	155
天津市	100
北京市	96
上海市	90

渠道维度

执行语句

select
    click_source as channel,
    count(*) as pv
from
    visitors
where
    click_source is not null
    and click_source != ''
group by
    click_source
order by
    pv desc;

在这里插入图片描述

结果说明：该查询按渠道统计页面访问量（PV），结果显示“聚划算”以3652次访问居首，其次是“淘宝直播”（2374）和“直通车”（1752），传统搜索类渠道如“淘宝搜索”仅642次，“搜索”渠道最低（2次）。说明营销活动和内容直播是当前主要流量来源，用户更倾向于通过促销和互动场景进入平台。

渠道	页面访问数
聚划算	3652
淘宝直播	2374
直通车	1752
淘宝橱窗	1222
阿里博客	1218
淘宝社区	1168
淘宝搜索	642
搜索	2

2.1.3 人均页面访问数(PPV)

时间维度

执行语句

select
    from_unixtime(access_time, 'HH') as hour,
    count(*) as pv,
    count(distinct user_id) as uv,
    round(count(*) * 1.0 / count(distinct user_id), 2) as ppv
from
    visitors
where
    access_time is not null
group by
    from_unixtime(access_time, 'HH')
order by
    hour;

在这里插入图片描述

结果说明：该查询按小时计算了人均页面访问数（PPV = PV/UV），结果显示全天 PPV 稳定在 1.09–1.15 之间，用户浏览深度较为均衡。高峰时段如 09 点（1.15）和 15 点（1.14）略高，表明用户在活跃时段停留更久或浏览更多页面，整体用户体验和内容吸引力良好。

小时	页面访问数	独立访客数	人均页面访问数
00	531	481	1.10
01	546	487	1.12
02	502	453	1.11
03	480	435	1.10
04	477	438	1.09
05	497	454	1.09
06	518	477	1.09
07	483	436	1.11
08	524	470	1.11
09	523	456	1.15
10	489	443	1.10
11	486	431	1.13
12	491	438	1.12
13	493	438	1.13
14	488	439	1.11
15	551	483	1.14
16	484	434	1.12
17	509	453	1.12
18	528	471	1.12
19	538	484	1.11
20	435	382	1.14
21	479	428	1.12
22	511	461	1.11
23	467	422	1.11

地域维度

执行语句

select
    t.province,
    sum(t.pv) as total_pv,
    count(distinct t.user_id) as uv,
    round(sum(t.pv) * 1.0 / count(distinct t.user_id), 2) as ppv
from (
    select
        v.user_id,
        count(*) as pv,
        split(o.ship_add, ' ')[0] as province
    from
        visitors v
    join
        orders o
        on v.user_id = o.user_id
    where
        o.ship_add is not null
        and o.ship_add != ''
        and split(o.ship_add, ' ')[0] is not null
    group by
        v.user_id,
        split(o.ship_add, ' ')[0]
) t
group by
    t.province
order by
    ppv desc;

在这里插入图片描述

结果说明：该查询按省份统计了人均页面访问数（PPV），结果显示各省份 PPV 集中在 6.07–6.63 之间，整体用户浏览深度较高。河南省以 6.63 居首，西藏自治区最低（6.07），但差异不大，表明各地用户活跃度和内容吸引力较为均衡。

省份	页面访问数	独立访客数	人均页面访问数
云南省	369	58	6.36
河北省	357	56	6.38
浙江省	334	53	6.30
黑龙江省	333	54	6.17
辽宁省	328	52	6.31
广东省	322	52	6.19
四川省	313	50	6.26
内蒙古自治区	310	49	6.33
河南省	310	49	6.33
山西省	304	49	6.20
江苏省	302	48	6.29
湖南省	300	48	6.25
吉林省	295	48	6.15
新疆维吾尔自治区	287	46	6.24
广西壮族自治区	285	46	6.20
甘肃省	277	44	6.29
福建省	277	44	6.29
陕西省	272	43	6.33
安徽省	268	43	6.23
山东省	260	42	6.19
西藏自治区	249	41	6.07
江西省	249	40	6.23
贵州省	238	38	6.26
青海省	224	35	6.40
湖北省	217	34	6.38
重庆市	191	31	6.16
海南省	170	27	6.30
宁夏回族自治区	155	25	6.20
天津市	100	16	6.25
北京市	96	15	6.40
上海市	90	14	6.43

渠道维度

执行语句

select
    click_source as channel,
    count(*) as pv,
    count(distinct user_id) as uv,
    round(count(*) * 1.0 / count(distinct user_id), 2) as ppv
from
    visitors
where
    click_source is not null
    and click_source != ''
group by
    click_source
order by
    pv desc;

在这里插入图片描述

结果说明：该查询按渠道统计了PV、UV及人均页面访问数（PPV）。结果显示，“聚划算”引流最强（PV 3652，UV 1702），且PPV达2.15，用户浏览深度最高；“淘宝直播”和“直通车”次之。自然“搜索”渠道虽PPV为2.00，但样本极小（仅1人），参考价值有限，整体体现促销与内容渠道更有效激发用户活跃。

渠道	页面访问数	独立访客数	人均页面访问数
聚划算	3652	1702	2.15
淘宝直播	2374	1397	1.70
直通车	1752	1199	1.46
淘宝橱窗	1222	924	1.32
阿里博客	1218	905	1.35
淘宝社区	1168	886	1.32
淘宝搜索	642	541	1.19
搜索	2	1	2.00

2.1.4 总订单数量

时间维度

执行语句

select
    from_unixtime(order_time, 'HH') as hour,
    count(*) as total_orders
from
    orders
where
    order_time is not null
group by
    from_unixtime(order_time, 'HH')
order by
    hour;

在这里插入图片描述

结果说明：该查询按小时统计了订单总量，结果显示全天订单分布相对平稳，高峰出现在10点和19点（各69单），低谷在11点（37单）。整体呈现“早晚双峰”趋势，符合用户日常购物行为，可为运营排期和库存调度提供数据支持。

小时	订单总量
00	63
01	45
02	58
03	50
04	46
05	51
06	53
07	49
08	52
09	59
10	69
11	37
12	55
13	58
14	47
15	63
16	57
17	61
18	66
19	69
20	47
21	50
22	45
23	56

地域维度

执行语句

select
    split(ship_add, ' ')[0] as province,
    count(*) as total_orders
from
    orders
where
    ship_add is not null
    and ship_add != ''
    and split(ship_add, ' ')[0] is not null
group by
    split(ship_add, ' ')[0]
order by
    total_orders desc;

在这里插入图片描述

结果说明：该查询按省份统计了总订单数量，覆盖全国31个省级行政区。订单量最高的为云南省（58单），其次为河北省（56单）、浙江省（55单）等，整体呈现中东部及西南地区订单活跃，直辖市和西北、青藏地区订单相对较少，反映区域消费分布差异。

省份	订单总量
云南省	58
河北省	56
浙江省	55
黑龙江省	54
广东省	53
辽宁省	53
河南省	51
四川省	50
内蒙古自治区	50
山西省	49
吉林省	49
湖南省	49
江苏省	49
广西壮族自治区	47
新疆维吾尔自治区	46
甘肃省	45
福建省	45
陕西省	44
山东省	43
安徽省	43
西藏自治区	41
江西省	40
贵州省	39
青海省	35
湖北省	34
重庆市	31
海南省	27
宁夏回族自治区	25
天津市	16
北京市	15
上海市	14

渠道维度

执行语句

select
    v.click_source as channel,
    count(o.order_id) as total_orders
from
    orders o
join
    visitors v
    on o.user_id = v.user_id
where
    v.click_source is not null
    and v.click_source != ''
group by
    v.click_source
order by
    total_orders desc;

在这里插入图片描述

结果说明：该查询按渠道统计了总订单数量，结果显示“聚划算”贡献最多订单（2450单），其次是“淘宝直播”（1586单）和“直通车”（1192单），而“搜索”仅带来2单。表明促销活动与内容直播是主要转化渠道，自然搜索引流效果较弱。

渠道	订单总量
聚划算	2450
淘宝直播	1586
直通车	1192
淘宝橱窗	873
阿里博客	815
淘宝社区	809
淘宝搜索	459
搜索	2

2.1.5 成交金额

计算公式
- 商品交易总额GMV = 销售额 + 取消订单金额 + 拒收订单金额 + 退货订单金额

执行语句

select 
    sum(i.goods_price) as gmv_in_yuan
from 
    orders o
join 
    item i 
on 
    o.goods_id = i.goods_id;

在这里插入图片描述

结果说明：该查询计算了所有订单的商品总金额（GMV），结果为 28990 元。代表用户下单的总商品价值，包含待支付、支付失败和支付成功订单，符合 GMV 统计口径。

2.1.6 客单价

计算公式
- 客单价 = 销售额 / 购买人数
执行语句
```
select 
    sum(i.goods_price) / count(distinct o.user_id) as avg_order_value
from 
    orders o
join 
    item i 
on 
    o.goods_id = i.goods_id;
```
- 结果说明：该查询计算了客单价，结果为 36.696 元。基于所有下单用户（含待支付、支付失败等）的总商品金额与独立用户数之比，反映平均每位用户的消费水平，符合GMV口径下的客单价定义。

2.1.7 销售毛利

计算规则：默认商品的利润是原商品定价的60%
执行语句：select (goods_price - 0.4 * pricing) * mon_sales from item;

结果说明：该查询按“商品定价的60%”计算每件商品毛利，并乘以月销量（mon_sales），结果包含正负值，表明部分商品亏损。最高毛利商品贡献约185万元，最低为-881万元，反映热销品未必高利润，需结合成本与销量综合评估。

2.1.8 毛利率

执行语句：select (goods_price - 0.4 * pricing) / goods_price from item;
结果说明：该查询计算了每件商品的毛利率(goods_price - 0.4×pricing) / goods_price，结果介于-11.27到0.93之间。正值表示盈利，负值表示成本高于售价，部分商品亏损严重（如-11.27），反映定价策略或成本控制存在问题，需优化商品结构与定价。

2.2 流量类指标

在这里插入图片描述

2.2.1 跳出率

求跳出用户
- 执行语句
```
select
    access_ip, count(access_event) cnt
from
    visitors
where
    access_event = 'launch'
group by
    access_ip
having count(access_event) = 1;
```
- 结果说明：该查询统计了仅访问过一次“launch”事件的IP地址，共39个唯一IP。说明这些用户首次（且唯一一次）触发了启动行为，可能为新用户或未继续操作的流失用户，可用于分析用户初次使用情况或优化引导流程。

求跳出用户总数

执行语句

select
    count(*)
from (
    select
        access_ip,
        count(access_event) as cnt
    from
        visitors
    where
        access_event = 'launch'
    group by
        access_ip
    having
        count(access_event) = 1
) t;

结果说明：查询结果显示，共有39个IP地址仅触发过1次“launch”事件。表明这些用户可能为一次性访问的新用户或未继续使用服务的流失用户，可作为用户留存分析的切入点，用于优化产品引导或激活策略。

按渠道求总人数
- 执行语句
```
select
    click_source,
    count(access_event) as cnt
from
    visitors
where
    access_event = 'launch'
group by
    click_source;
```
- 结果说明：该查询统计了各来源渠道的启动事件数量，共7个渠道。其中“聚划算”占比最高（541次），其次是“淘宝直播”和“淘宝橱窗”，说明这些渠道是用户进入应用的主要入口，可作为重点运营和推广方向。

按渠道求跳出率

执行语句

select
    click_source,
    sum(case when launch_cnt = 1 then 1 else 0 end) as bounce_users,
    count(*) as total_users,
    round(
        sum(case when launch_cnt = 1 then 1 else 0 end) / count(*),
        2
    ) as bounce_rate_percent
from (
    select
        access_ip,
        click_source,
        count(access_event) as launch_cnt
    from
        visitors
    where
        access_event = 'launch'
    group by
        access_ip,
        click_source
) t
group by
    click_source;

在这里插入图片描述

结果说明：查询结果显示各渠道的跳出率，其中“聚划算”最低（27%），用户质量较高；“淘宝搜索”最高（51%），近半用户仅启动一次即流失。整体反映出不同渠道引流用户的参与度差异，建议优化高跳出率渠道的落地体验或内容匹配度。

渠道	跳出用户数	总人数	跳出率
淘宝搜索	24	47	51%
淘宝橱窗	21	52	40%
淘宝直播	26	72	36%
淘宝社区	26	58	45%
直通车	27	68	40%
聚划算	28	105	27%
阿里博客	26	53	49%

2.2.2 人均页面访问数

按渠道求总访问数

执行语句

select
    click_source,
    count(access_ip) as ip_count
from
    visitors
group by
    click_source;

在这里插入图片描述

结果说明：该查询统计了各渠道的独立访问IP数，共8个渠道。其中“聚划算”以3652个IP居首，其次是“淘宝直播”和“淘宝橱窗”，说明这些渠道带来了大量用户流量，是核心引流来源，可作为重点运营与推广方向。

渠道	总页面访问数
淘宝搜索	1685
淘宝橱窗	1820
淘宝直播	2543
淘宝社区	2021
直通车	2378
聚划算	3652
阿里博客	1901

按渠道求总用户数

执行语句

select
    click_source,
    count(user_id) as total_users
from
    users
group by
    click_source;

在这里插入图片描述

结果说明：该查询统计了各渠道的总用户数，共6个渠道。其中“淘宝直播”以480人最多，其次是“直通车”和“淘宝橱窗”，表明这些渠道带来了较高的用户基数，是核心用户来源，可作为重点运营方向。

渠道	总用户数
淘宝搜索	1685
淘宝橱窗	1820
淘宝直播	2543
淘宝社区	2021
直通车	2378
聚划算	3652
阿里博客	1901

按渠道求人均页面访问数

执行语句

select
    u.click_source,
    sum(v.visits) as total_visits,
    count(u.user_id) as total_users,
    round(sum(v.visits) * 1.0 / count(u.user_id), 2) as avg_page_views_per_user
from (
    select
        user_id,
        count(*) as visits
    from
        visitors
    where
        user_id is not null
    group by
        user_id
) v
join
    users u
on
    v.user_id = u.user_id
group by
    u.click_source;

在这里插入图片描述

结果说明：查询结果显示各渠道的人均页面访问数均在6.2~6.3之间，差异极小，说明不同渠道用户的活跃度高度一致。尽管“聚划算”总访问量较低，但其用户深度浏览行为与其他渠道相当，可认为各渠道引流用户质量均衡，运营策略可统一优化。

渠道	总页面访问数	总用户数	人均页面访问数
淘宝搜索	788	126	6.25
淘宝橱窗	1425	225	6.33
淘宝直播	3019	480	6.29
淘宝社区	1559	251	6.21
直通车	3666	585	6.27
聚划算	1573	251	6.27

2.3 网站销售类指标

在这里插入图片描述

2.4 商品类指标

在这里插入图片描述

2.5 营销类指标

在这里插入图片描述

2.6 物流类指标

在这里插入图片描述

3. 数据展示

3.1 可视化软件简介

Tableau 是一款领先的可视化数据分析工具，能够快速连接多种数据源（如 Excel、SQL 数据库、云平台等），通过拖拽式操作实现高效的数据探索与交互式仪表板构建。其核心优势在于强大的可视化能力、实时数据更新和用户友好的界面，无需编程即可生成图表、地图、趋势分析等，广泛应用于商业智能、运营监控与决策支持。Tableau 支持多端共享与协作，助力个人和企业将复杂数据转化为直观洞察，提升数据驱动决策的效率与准确性。

3.2 可视化软件安装

3.2.1 下载Tableau可视化软件

3.2.2 安装Tableau可视化软件

3.3 数据展示

3.3.1 导入数据

3.3.2 独立访客数

3.3.3 页面访问数

3.3.4 人均页面访问数

3.3.5 总订单数量

3.3.6 跳出率

3.3.7 页面访问时长

3.3.8 下单—支付金额转化率

3.3.9 下单—支付买家数转化率

3.3.10 退款金额

3.3.11 出版社图书前10名

3.3.12 出版社销量排行

3.3.13 平均发货时间

快递鸟一站式物流API解决方案

电商企业物流数字化转型必备！快递鸟 API 接口，72 小时快速完成物流系统集成。全流程实战1V1指导，营造开放的API技术生态圈。

更多推荐

205基于SpringBoot4+Vue3的文创产品交易微信小程序、文创产品电商平台、文创产品微信小程序商城、在线文创产品销售系统、文创产品电商系统、文创产品商城系统、文创产品商城；毕业设计、课程设计

快递鸟社区

2026小程序商城平台哪家强，企业私域电商系统选择指南

快递鸟社区

无障碍对网站SEO的价值：以电商为例

快递鸟社区

所有评论(0)

查看更多评论

howard2005

@howard2005

已为社区贡献1条内容

小时	独立访客数
00	481
01	487
02	453
03	435
04	438
05	454
06	477
07	436
08	470
09	456
10	443
11	431
12	438
13	438
14	439
15	483
16	434
17	453
18	471
19	484
20	382
21	428
22	461
23	422

小时	页面访问数
00	531
01	546
02	502
03	480
04	477
05	497
06	518
07	483
08	524
09	523
10	489
11	486
12	491
13	493
14	488
15	551
16	484
17	509
18	528
19	538
20	435
21	479
22	511
23	467

小时	订单总量
00	63
01	45
02	58
03	50
04	46
05	51
06	53
07	49
08	52
09	59
10	69
11	37
12	55
13	58
14	47
15	63
16	57
17	61
18	66
19	69
20	47
21	50
22	45
23	56

小时	独立访客数
00	481
01	487
02	453
03	435
04	438
05	454
06	477
07	436
08	470
09	456
10	443
11	431
12	438
13	438
14	439
15	483
16	434
17	453
18	471
19	484
20	382
21	428
22	461
23	422

小时	页面访问数
00	531
01	546
02	502
03	480
04	477
05	497
06	518
07	483
08	524
09	523
10	489
11	486
12	491
13	493
14	488
15	551
16	484
17	509
18	528
19	538
20	435
21	479
22	511
23	467

小时	订单总量
00	63
01	45
02	58
03	50
04	46
05	51
06	53
07	49
08	52
09	59
10	69
11	37
12	55
13	58
14	47
15	63
16	57
17	61
18	66
19	69
20	47
21	50
22	45
23	56

Hive实战：电商数据分析平台

howard2005

文章目录

1. 项目准备

1.1 需求分析

1.2 数据结构

1.2.1 订单表

1.2.2 访客表

1.2.3 商品类目表

1.2.4 退款表

1.2.5 物流表

1.2.6 用户表

1.3 准备数据文件

1.3.1 上传数据文件到虚拟机

1.3.2 在HDFS上创建数据目录

1.3.3 上传数据文件到HDFS目录

1.4 创建数据库

1.5 创建数据表

1.5.1 创建订单表

1.5.2 创建访客表

1.5.3 创建商品类目表

1.5.4 创建退款表

1.5.5 创建物流表

1.5.6 创建用户表

2. 项目实现

2.1 总体运营指标

2.1.1 独立访客数(UV)

2.1.2 页面访问数(PV)

2.1.3 人均页面访问数(PPV)

2.1.4 总订单数量

2.1.5 成交金额

2.1.6 客单价

2.1.7 销售毛利

2.1.8 毛利率

2.2 流量类指标

2.2.1 跳出率

2.2.2 人均页面访问数

2.3 网站销售类指标

2.4 商品类指标

2.5 营销类指标

2.6 物流类指标

3. 数据展示

3.1 可视化软件简介

3.2 可视化软件安装

3.2.1 下载Tableau可视化软件

3.2.2 安装Tableau可视化软件

3.3 数据展示

3.3.1 导入数据

3.3.2 独立访客数

3.3.3 页面访问数

3.3.4 人均页面访问数

3.3.5 总订单数量

3.3.6 跳出率

3.3.7 页面访问时长

3.3.8 下单—支付金额转化率

3.3.9 下单—支付买家数转化率

3.3.10 退款金额

3.3.11 出版社图书前10名

3.3.12 出版社销量排行

3.3.13 平均发货时间

所有评论(0)

温馨提示：您尚未绑定手机号

howard2005

小时	独立访客数
00	481
01	487
02	453
03	435
04	438
05	454
06	477
07	436
08	470
09	456
10	443
11	431
12	438
13	438
14	439
15	483
16	434
17	453
18	471
19	484
20	382
21	428
22	461
23	422

小时	页面访问数
00	531
01	546
02	502
03	480
04	477
05	497
06	518
07	483
08	524
09	523
10	489
11	486
12	491
13	493
14	488
15	551
16	484
17	509
18	528
19	538
20	435
21	479
22	511
23	467

小时	订单总量
00	63
01	45
02	58
03	50
04	46
05	51
06	53
07	49
08	52
09	59
10	69
11	37
12	55
13	58
14	47
15	63
16	57
17	61
18	66
19	69
20	47
21	50
22	45
23	56