电商用户指标看板

海外多品类电商 · 2019-10-01 ~ 2019-11-30 · 本地时间 UTC+3
加载数据…

每日趋势

灰色 = 购买埋点缺失(11-15、11-16),浅色带 = 大促(11-15 ~ 11-17)

活跃用户规模

DAU / WAU / MAU,WAU 从 10-07、MAU 从 10-30 起完整

GMV 的每日变化拆解

GMV = DAU × 下单转化率 × 人均订单 × 客单价。每个因子与过去 10 天的平日均值比,取对数后四项正好加总为 GMV 的变化(0.1 ≈ 10%)。点任意一天看拆解。

点击图上的某一天查看拆解。

异常日(GMV 偏离基线超过 ±15%)

按所选日期范围筛选;埋点缺失的两天不参与归因

转化漏斗

用户·日口径:同一用户在不同日期分别计数;不含购买埋点缺失的两天

品类 GMV 占比

一级品类,前 7 个之外合并为「其他」

品类表现

所选日期范围内;转化率不含埋点缺失的两天;环比 = 与前一个同长度时段相比

新用户留存(按首次出现的周分 cohort)

10 月初的 cohort 混有 9 月就来过的老用户(窗口左截断),读数偏高;只显示观察期完整的格子

生命周期结构的每日变化

每天站在当天分层:新用户 = 7 天内首次出现;健康 = 7 天内来过;早期风险 = 沉默 8–14 天;加速流失 = 15–30 天;长期沉默 = 30 天以上

11-30 快照

高价值风险用户 = 早期风险层和加速流失层中,各自历史事件数前 30% 的用户

购买事件小时监控

每小时 purchase 事件数与上周同一小时之比(对数轴,超过 10× 截断显示);低于 0.3× 告警。灰色 = 购买为 0 的 48 个小时(埋点中断)。

自动化检查

由 pipeline/quality_checks.py 生成

最大的数据问题:本地 11-14 22:00 ~ 11-16 10:59、11-16 19:00 ~ 11-17 05:59 购买事件丢失(不是延迟上报),浏览和加购正常。11-15、11-16 的 GMV、转化率不能用;大促前段「只加购不下单」的现象由数据缺失导致,并非真实用户行为。定位过程

检查明细