用户购物行为分析(订单路径树)

1.订单路径树的定义
用户从打开某网站到最终下单所点击的路径为订单路径树。


比如：打开某电商app或者网站到最终下单的路径，大部分用户的路径为：


(1)主页-搜索页-商详页-加购-下单(搜索下单路径)


     


(2)首页-列表页-商详页-加工-下单(列表页下单路径)


  


(3)当然用户也可以进行其他的无规则的点击，最终加购下单，都会生成用户从点击到购买的路径行为。


2.订单路径树的作用
(1)可以统计某个点击位的引单效果的好坏


(2)可以统计某个广告位的引单效果的好坏


(3)转化率好坏


(4)....


3.订单路径树的生成逻辑
通过上面理解，可以看到主要涉及到用户的点击操作和最终订单生成，构建成一个完整订单路径。


因此主要需要两类数据：(1)点击流数据，即：用户的点击行为数据  (2)订单流数据


用户的点击行为数据实时上报到kafka：cl


cl 包含关键字段字段：cts(客户端时间)、rts(服务端时间)、eventid(点击位唯一标示)、uid(用户唯一id)、pv_sid(访次)、param(参数)


下单数据实时上报至kafka：od


od 包含关键字段：orderId、skuIds(sku列表)、uId(会话id)


因为cl只含有点击点击位信息，需要关联埋点方案表信息，埋点方案表涵盖：eventId(点击位唯一标示)、pageNum(页面唯一编号)、加购标示。


第一步：接入cl、od实时流数据（注意做幂等处理，cl根据所有字段生成唯一标示MD5化，od根据oderid作唯一处理)，加载埋点数据至内存


第二步：对cl数据进行处理，联上paNum，再根据paNum相对应的加购与否，如果是加购点就去解析sku


(1)生成点击路径树(普通点击)


每个key一个hset保存当前uid+pv_sid 的路径信息   关键clKey： uid+“|”+pv_sid


(2)生成加购路径树(加购点击)


逻辑为：拷贝点击路径树至加购路径树，关键addCartKey： uid+"|"+sku





(3)订单路径树(加购路径树+订单流进行关联)


拷贝加购路径树至订单路径树，关键odKey：orderId+"|"+sku





至此订单路劲树生成完成，格式为：


0,data;1,data;2,data;....    其中0处为加购点


最终订单路径树结果可以写入到kafka(进行计算引入订单)，也可写入到hbase或者hdfs(导入到hive进行查询)


订单找回率：订单路径树中的订单/订单表中的订单 （大概率在90%以上），部分原因是因为用户在不同端加购和购物导致uid和pv_sid不同


文中用到的技术：kafka、redis、hbase


(1)hbase的rowkey设计：md5加密


(2)hbase有ttl功能，因为点击路径树只需要保存24小时，加购路径树保存15天；时间设置可以修改根据需求修改，主要是节约存储资源，比如说mysql需要删除处理，所以选用hbase的原因，写入数据量较大，查询的时候根据rowkey进行查询，非常实用hbase的应用场景。


4.订单路径树优化升级方案
上述订单路径树方案存在的问题:


(1)数据延迟上报  上报顺序： a1(ctm1)、a2(ctm2)、b(加购 ctm) ctm1<ctm<ctm2 最后生产的路径树：b ，而实际路径树应该为a1、b


(2)数据量太大，hbase存储的扩展字段进行修改比较耗时。


因此做了如下优化：


(1)数据先进来保存10分钟再排序一起处理，解决延迟上报问题


(2)最新N条数据存redis(包括扩展字段)，其他数据的扩展字段存hbase，因为最新数据需要进行频繁修改。


5.总结


至此订单路径树生成完毕，可以使用订单路径树数据对用户订单行为进行分析、对广告的引单效果进行分析以及转换率进行分析。


订单路径树不仅仅对电商场景分析有用，对外卖(下单)、酒店、旅游(下单)，甚至对电影或者视频网站也可以进行分析。




————————————————
版权声明：本文为CSDN博主「诸葛子房_」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43291055/article/details/98095433