如何一次查询最近7天内每天的订单量,如果当天没有就显示0

bzheng1 2012-08-21 06:09:16
页面要显示最近7天内的每天订单量,如 1 号-7号, 列表显示每天订单量,一天的订单量可能为0
orders表 字段 id ordertime

显示结果可以一行显示,或者多行显示

日期 1 2 3 4 5 6 7
订单量 0 10 21 14 0 101 0

日期 订单量
1 0
2 10
3 21
4 14
5 0
6 101
7 0
要求一次性查出, 或者是否还有其他的解决方案.
...全文
679 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
bzheng1 2012-08-22
  • 打赏
  • 举报
回复
[Quote=引用 1 楼 的回复:]
SQL code

SELECT Date,ISNULL(COUNT(1),0) FROM OrderTable GROUP BY Date
[/Quote]

查询出来还是不准确,没有count为0的日期
wobuainiyes 2012-08-21
  • 打赏
  • 举报
回复

/****************************************************************
作者:yinchuan
CSDN提问链接:
http://topic.csdn.net/u/20120821/18/250fa91d-8f6e-4e10-9840-9ed8c67f5e33.html
PS:献丑,请指教!
****************************************************************/
--准备环境
USE test
GO
--orders中是随机生成的测试数据
IF OBJECT_ID('orders') IS NOT NULL
DROP TABLE orders
GO
CREATE TABLE orders
(
id int identity
,ordertime datetime
)
GO
--插入30条随机生成的order,日期分布是今天往后10天之内
DECLARE @count int = 0;
DECLARE @today datetime = GETDATE();
WHILE @count < 30
BEGIN
INSERT INTO orders
VALUES
(CAST ( CAST(@today as INT)-RAND()*10 AS datetime))
SET @count += 1
END
GO
--生成从今天开始完整的7天日期
DECLARE @LastSevenDay table
(
day date
)
DECLARE @StartDay date = GETDATE();
DECLARE @InsertDay date = @StartDay;

WHILE DATEDIFF(DAY,@InsertDay,@StartDay) < 7
BEGIN
INSERT INTO @LastSevenDay
VALUES ( @InsertDay)
SET @InsertDay = DATEADD(day,-1,@InsertDay)
END
--生成最后结果
SELECT DATEPART(day,lsd.day) AS '日期' ,COUNT(orders.id) AS '订单量'
FROM @LastSevenDay AS lsd
LEFT JOIN orders
ON lsd.day = CONVERT(varchar(10),orders.ordertime,120)
GROUP BY lsd.day


结果

日期 订单量
----------- -----------
15 4
16 2
17 2
18 2
19 4
20 5
21 1

(7 行受影响)
mugua604 2012-08-21
  • 打赏
  • 举报
回复
SELECT Date,ISNULL(COUNT(1),0) FROM OrderTable GROUP BY Date
数据运营 作用&意义 知错能改,善莫大焉 —错在哪里,数据分析告诉你 运筹帷幄,决胜千里 —怎么做好“运筹”,数据分析告诉你 以往鉴来,未卜先知 —怎么发现历史的规律以预测未来,数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营,要建立起体系化思维(金字塔思维) 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向,学会数据拆分 细分到极致 追踪思路 运营的问题,是追踪出来的,不是一次就看出来的 所有的数据都是靠积累和沉淀才能发现问题,单一的数字没有任何意义,只能称为 “数值” 结合/拆分思路 追踪数据,多个维度结合分析。 从多个维度拆分数据 对比思路 大的营销事件作为节点单独标记,数据剔除出来单独进行分析 节点思路 如运营活动等 行为标记思路 将大动作的优化,大的项目上线及时标注在数据报表中 培养数据的敏感度 培养数据思维,从每天的各种数据报表开始 数据来源 数据埋点 初级 追踪每次用户的行为,统计关键流程的使用程度 中级 在产品中植入多段代码追踪用户连续行为,建立用户模型来具体化用户在使用产品中的操作行为 高级 研发团队合作,通过数据埋点还原出用户画像及用户行为 常用数据分析工具 友盟、Talkingdata 友盟的页面访问分析,对帮助分析用户流失有重要指导意义 网站Alexa排名查询、爱站网、中国网站排名、网络媒体排名 禅大师、ASO100 各种指数 百度指数、搜狗指数、腾讯浏览指数、360指数、某视频网站指数 数据库、运营后台等 工作内容 数据监控 检测异常指标,发现用户对您产品的”怒点“ 如:多次获取手机验证码,次数剧增 这里需要考虑有一个监控指标 新功能数据分析 通过留存曲线检验新功能的效果 通过留存看新功能用户的接受程度 通过用户反馈或调研,了解新功能接受度 数据指标 标记: 红色 整体概况 1、[大盘数据]用户及收入表格+折线图 注册用户(今天、昨日、近3天、近7日、近30天、全部) 新增用户、付费用户、充值总额 2、同时在线趋势折线图 在线人数一向是游戏火热程度的最好衡 需要有同期对比功能,有参照物才能更好的比较 3、付费渗透 日付费率变化折线图 日付费率通常不稳定,一般情况下看周付费率或月付费率 付费率=充值人数/活跃人数*100% ARPU值变化折线图 ARPU值=总收入/活跃人数 ARPU值影响因素 活跃人数DAU发生较大变化 运营活动影响 金字塔 大R 是否有大R用户异常波动(大R用户流失或大R用户进入) 中、小R 大中R、小R用户出现或消失 ARPPU值变化折线图 ARPPU值=总收入/付费人数 可以用来监控大R用户异常变化情况 如果该值异常波动,请进一步看鲸鱼用户数据 4、用户留存 新用户留存 次日、3日、7日、14日、30日留存 次日留存是对玩家“第一游戏体验”的最佳印证 与游戏的类型、题材、玩法、美术风格、游戏前期内容吸引度、新手引导有效性有直接的相关性 如果导入的新增玩家群体对游戏题材、玩法、美术风格不予认可,留存将会很差,且可优化的空间较小 优化新手引导和前期的游戏内容则可以有效帮助提升次日留存 7日、30日留存则与游戏难度、持续的活动运营、游戏内奖励机制有密不可分的关系 活跃用户留存 一般不分析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质的最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 两项宏观行为指标可反映出用户对app的依赖程度 如果留存较好,但时长和次数均不高,则可能是因过于强调每日登录奖励,但持续的app内容用户家缺乏吸引力所致 用户分析 用户规模 下载数 新增用户 定义:每日注册并登录游戏的用户数 ——解决问题 渠道贡献新用户份额分布,监控重点渠道 宏观走势,是否需要进行市场投放 判断是否存在渠道作弊行为、渠道包被下架等问题 日一次会话用户数 即新登用户中只有一次会话,且会话时长低于门阀值 ——解决问题 推广渠道是否有刷作弊行为 渠道推广质是否合格 用户导入是否存在障碍点,如网络状况和加载时间等 用户获取成本 解决问题 获取有效新登用户成本 如何选择正确的渠道优化投放 需要根据渠道来细分不同渠道的获取用户成本 了解用户成本 活跃用户 DAU(日活跃用户) 定义 每日登录过游戏的用户 解决问题 了解游戏的核心用户规模 了解游戏产品生命周期变化趋势、渠道活跃用户生命周期 了解游戏产品老用户流失和活跃情况 注意事项 日活跃=新增用户+回流用户+老用户 如果日活跃依靠新增为维持,留存肯定有问题 健康比例3:7,当然不同产品会有一定差异 WAU(周活跃用户) 定义 截止当日,最近一周含当日的7天内,登录过游戏的用户,一般按照自然周计算 解决问题 游戏的周期用户规模 游戏产品的周期性/每周变化趋势衡 注意事项 利于在不同活跃用户规模的维度上发现和掌握游戏用户规模的变动 数据去重 MAU(月活跃用户) 定义 截止到当天最近30天(含30天)登录过游戏的用户 解决问题 游戏总体用户规模并评估用户规模稳定性 推广效果评估 了解产品的粘性 注意事项 MAU层级的用户规模更加具有稳定性、相对变化很小 某个时期或版本更新对其可能也产生较大影响 数据去重 一定程度上可以观察游戏的生命周期 DAU/MAU(日活跃用户和月活跃用户的比例值) 一般极低值为0.2 保证产品能够达临界规模的病毒式传播和用户粘度 忠实用户 连续3周登录的用户 目前分析价值不大 用户活跃 启动次数(时、日、周、月) 每日启动1次计算为1次启动 需要有一个间隔时间,30秒内多次启动只能计算为1次 解决问题 衡用户粘度,数值越大越好 识别优质渠道,渠道是否存在刷 什么渠道/用户启动次数多 日均使用时长 定义 活跃用户每日平均在线时长 解决问题 游戏的参与度怎么样 产品质把控指标,游戏粘度如何 渠道质如何 与单次使用时长结合分析留存和流失问题 用户活跃度 DAU/MAU,理论上不低于0.2,0.2*30=6天 解决问题 游戏的人气是增长、衰退还是稳定? 看趋势 一个月中,用户的活跃天数是多少 用户的游戏参与度如何 用户活跃率 活跃率=活跃用户/总用户 了解你的用户的整体活跃度,但随着时间周期的加长,用户活跃率总是在逐渐下降的 用户层次(轻度、中、重) 轻度用户:每周登录1~2次的用户 中度用户:每周登录3~5次的用户 重度用户:每周登录6~7次的用户 解决问题 了解用户忠实度,能否走得动”口碑传播“ 在线统计 实时在线曲线(每5分钟统计一次当时的用户同时在线人数) 上周同期对比 平均同时在线人数、最高同时在线人数和时间 每小时注册用户数 用户在什么节点来的多,需要重点监控该时间段app运行 用户画像 概述 是什么,有什么用,怎么做 构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户信息分析而来的高度精炼的特征标识 作用 精准营销 分析产品潜在用户,针对特定群体利用短信、邮件等方式进行营销 用户统计 如购买某类书籍人数 TOP10 数据挖掘 定义 把散乱数据转换成有价值信息的过程 效果评估 完善产品运营,提升服务质 其实这也就相当于市场调研、用户调研,定位服务群体,提高服务 个性化服务 对服务或产品进行私人定制,精准到某一类甚至每一位客户提供个性化服务 基本构成 用户静态属性 基本指标 年龄、性别、地域、学历、角色、收入、婚姻状态、职业 每个指标均需要从多个角度来分析,以区域为例 各区域充值总金额、充值人数、充值次数、付费率、arpu值分布 交叉分析 以区域和性别为例 不同性别+不同地域环境下,付费率数据…… 渠道分布 品牌、机型、操作系统、分辨率、联网、版本、设备均价、运营商 单设备注册账号数分析 可以分析小号分布情况 用户动态属性 动态属性指具有可变性 基本指标 用户的兴趣爱好、兴趣标签 在互联网上的活动行为特征 用户行为分析环节深入分析 用户消费属性 消费属性指用户的消费意向、消费意识、消费心理、消费嗜好等,对用户的消费有个全面的数据记录,对用户的消费能力、消费意向、消费等级进行很好的管理 用户心理属性 心理属性指用户在环境、社会或者交际、感情过程中的心理反应,或者心理活动 目前,用户心理相对会有难度,不用过多考虑 怎么做 数据收集 数据太多可以采用抽样的方法 数据建模 根据所获取到的数据建立模型,注入数据调整模型参数 数据分析及预测 数据可视化、输出报表、趋势预测 留存分析 留存(次~7日、14日、30日) 解决问题 用户对游戏的适应性 用户对于游戏的粘性 评估渠道用户的质、投放渠道效果评估 新增用户什么时候流失在加剧? 注意事项 次日留存一定程度上代表了用户对游戏的满意度 主要反映了游戏初期新手对游戏引导和玩法的适应性 关注用户流失率的同时,需要关注用户流失节点 实际运用 常见的7日连续登录礼包 第七天送大卡就是为了次日和7日留存的漂亮 次留很低,可能原因 新手阶段不友好、开场不吸引人、游戏上手难度大 程序bug太多,闪退,卡死,无法登陆等 功能引导太繁琐 次留不低,但是第3-4天大流失,可能引起的原因 游戏内容重复,单调、游戏挫败感太强;新手无对应保护等 如果只是某个渠道存在这个问题,可能存在渠道作弊 [略]僵尸用户(回归、留存) 流失用户(日周月、自然流失、回归流失) 周流失用户 上周登录过游戏,本周未登录过游戏的用户占上周周活跃用户比例 解决问题 活跃用户的生命周期是多少 哪个渠道的流失率比较高 版本更新对于用户的流失影响是多大 什么时期用户的流失率比较高 当游戏进入稳定期尤其值得关注该指标 (活跃用户的生命周期是多少, 哪个渠道的流失率比较高, 版本更新对于用户的流失影响是多大, 什么时期用户的流失率比较高) 稳定期一般来讲收入和活跃都相对比较稳定,是产品稳定的风向标 付费用户流失监控 用户运营需要高度重视的数据 找到付费用户流失模型(多少天未登录有多少概率流失) 流失原因分析指标 流失用户行为分析 流失前等级分布 是否存在卡点 流失用户生命周期 流失用户付费金额、流失用户付费次数、人数 流失原因分析——流失用户时间节点 流失前运营手段 运营活动、服务器问题、版本更新(bug、新版本用户不接受) app生态 用户成长体系是否健康 用户调研 用户留存分析流程 第一步:分组 按照不同的(时间/渠道/行为等)维度进行用户分组 时间分组 通常用于看整体数据,看整体留存是否出现异常情况 渠道分组 对比不同渠道留存数据 通过不同渠道数据对比,找到异常渠道数据或排出渠道因素 行为分组 按照功能点使用/未使用分组 第二步:对比 根据用户行为进行分组 例子 看贴功能内浏览了3篇贴子的新用户和仅浏览1篇贴子的新用户进行分析 来自A渠道的新用户进行(有使用看贴/未使用看贴)行为分组比较 渠道对比 是不是某些渠道的出现问题 用户行为 功能使用及参与度 页面访问路径 衍生指标 人均浏览页面数和时长、启动次数、收藏、点赞、关注、评论等 最好形成漏斗模型,规划合理访问路径 关键路径上面各个页面的浏览 页面转化&用户进入后一步步的转化情况 是否可以简化流程,减少用户操作步骤 (最好形成漏斗模型,规划合理访问路径) 用户习惯分析 平均使用时长 单次使用时长、日使用时长、周使用时长 可以进一步做渠道细分 平均启动次数 日、周、月启动次数 启动天数 周、月游戏天数 使用间隔 平均多长时间启动/使用一次app 用户对app的依赖程度 各个时间段启动app人数分布 用户行为 短期点击行为、搜索行为、收藏行为 等级分析 各个等级平均耗时 用户成长速度 需要严格控制高端用户成长速度 各个等级用户流失 各个等级次日、3日、7日、14日、30日未登录用户数分布 到底在哪个等级阶段用户流失严重? 各个等级用户分布数 各个等级游戏次数 各个等级充值数据 累计充值总金额、充值人数、充值次数 哪个阶段是付费高峰期? 各个等级首次充值 各个等级首次充值人数、充值次数、各个等级首次充值金额选择 哪个等级段容易拉动首次充值行为? [辅助]各个等级消耗游戏币数据 新用户等级分析 首日等级 所选期间的新增玩家,在其新增当日中最终玩到的等级分布情况 首周等级 所选期间的新增玩家,在其新增7日后玩到的等级分布情况 14日等级 所选期间的新增玩家,在其新增14日后玩到的等级分布情况 近7日等级变化 堆叠图显示每日各个等级人数变化情况 分析新用户成长 (首日等级, 首周等级, 14日等级) 关卡/任务系统 新手引导转化率 任务参与人数及完成情况 支付转化率 漏斗模型的合理使用 用户传播 分享、互动、邀请等 付费分析 整体数据 付费总额 时间段内付费用户消费总额 收入下降,原因? 付费率下降? 付费用户流失比活跃用户流失严重 流失的是大R用户还是中小R用户?流失了多少个 付费用户停止付费但未流失 大R还是中小R停止付费? 哪些消费点的消费在下降或停止? arpu下降? 付费人数增加了? 付费人数无变化、付费金额下降了 哪些消费点的消费在下降?付费点已经饱和? 付费用户 时间段内进行过付费行为的用户数 其次还有一个付费次数、不去重 新增付费用户(日、周、月) 活跃付费用户数 定义 统计时间段内,成功付费的用户数,一般以月为单位统计 活跃付费用户数=月活跃用户数*月付费率 解决问题 了解产品的付费用户规模 付费用户整体的稳定性 了解付费用户构成 鲸鱼用户、海豚用户、小鱼用户各自数和比例 注意事项 数据是去重的 ARPU 名词定义 平均每活跃用户收入 统计时间段内,总收入/活跃用户数,一般情况下以月为单位 衡每个用户带来的平均收益 解决问题 评估不同渠道用户的质 游戏收益贡献、人均收入 用于产品初期不同规模下的收入预估 (评估不同渠道用户的质, 游戏收益贡献、人均收入) 注意事项 arpu值很高 ——大R付费能力很强,需要重点关注大R用户 付费率高,arpu值低 ——小R用户较多,要多关注小R用户 ARPPU 名词定义 平均每付费用户收入 统计时间段内,付费用户平均所创造的收入,一般以月为单位统计,因为月的数据相对比较稳定 解决问题 了解游戏付费用户平均的付费情况 付费用户整体的付费趋势 加强对鲸鱼用户的分析和监控 注意事项 容易受到鲸鱼和小鱼用户的影响 付费率(一般看月付费率) 名词定义 时间段内,付费用户数/活跃用户数 首充大礼包就是为了拉付费率 月付费率 名词定义 统计时间段类,付费用户/活跃用户比例,一般以月为单位计算 解决问题 游戏产品的付费引导是否合理、付费转化是否达到预期 用户付费倾向和意愿 需要结合首次付费功能、道具、等级整体分析 注意事项 付费率的高低并不代表付费用户的增加和减少 游戏类型不同,付费率有较大的差异 生命周期 定义 一个用户从首次进入游戏到最后一次参与游戏之间的时间间隔 一般计算平均值 14日LTV(新用户后续付费能力指标) 名词定义 用户在生命周期内所创造的收入 14日LTV 14日LTV=今日注册新用户在后续14天内付费额/注册的新用户数 这里计算的是一个平均值 解决问题 用户在游戏中会待多久 用户对于游戏的贡献价值是多少 付费用户流失数 本周付费用户下周未登录人数 付费习惯 付费周期 首次付费周期 用户注册到第一次充值的平均时间间隔 付费周期 上一次付费和下一次付费的时间间隔 付费渠道 采用那种支付方式充值?支付宝、微信、公众号等 付费面额 主要为首次充值面额 首次大额度要纳入高端用户维系中去 用户问题、多少天未登录都要及时监控和跟进维系 不同时间段首次付费 用户数 付费总金额 充值后首次消费行为分析 充值之后第一件事情是购买什么东西? 研究触发用户充值行为的原因,便于优化首充,提升付费率 需要把各个消费点理解透彻 新增付费用户 首次付费用户等级分布 首次付费时间间隔 首次充值面额 结合首次付费用户的游戏天数、累计游戏时长综合分析 (首次付费用户等级分布, 首次付费时间间隔, 首次充值面额) 不同性别/年龄阶段付费分析 首次付费分析 首次付费等级 首次付费周期 首次付费消费结构 首次付费选择订单面额分布 首次付费各个时间节点用户数及付费总金额 看首次付费正在哪个时间段分布比较多 一周为单位,哪些时间点是付费高峰期? 首次付费用户及后续付费行为 首次付费行为产生原因 充值之后第一件事情是购买什么东西? 发现其中的规律,运营中可以更好利用首次付费 首次付费地域分布 首次付费渠道分布 付费场景 一定程度上可以理解为付费点,在哪些地方会产生付费 消费场景 消费人数和消费次数 鲸鱼用户 每日top100付费用户及累计付费金额数据 账号、id、电话、充值总额、消耗总额、最后登录时间、当前等级 加强对金字塔用户的运营管理 营销效果 新增用户 每小时新增用户 衡推广效果的最基础指标 新增用户/活跃用户的比例也是衡产品健康度的标准之一 比例过高,需要关注留存 新增用户渠道分布 活跃用户 渠道分布 启动次数 单次平均使用时长 留存率 检验产品用户吸引力的重要指标 若版本稳定的情况下,留存出现明显波动,很可能是渠道的问题 渠道充值数据 其他 用户行为是否正常、机型、设备分布 其他分析 货币产出和消耗数据 各等级货币消耗 消耗总 消耗人数 消耗次数 不同道具消耗数据 用户调研 用户来源 用户来自哪里 用户属性 用户是谁 用户在做什么 用户行为 流失原因 用户建议 数据分析模型/方法论 [思维模型]AARRR分析模型 获取(Acquisition) 用户如何发现(并来到)你的产品? 激活(Activation) 用户的第一次使用体验如何? 留存(Retention) 用户是否还会回到产品(重复使用)? 收入(Retention) 产品怎样(通过用户)赚钱? 传播(Retention) 用户是否愿意告诉其他用户? 依据该模型,分出更细分的维度,罗列出影响每一个维度的变 理解到这里即可,该模型更多的是一个思维模型,也可以叫方法论 (获取(Acquisition), 激活(Activation), 留存(Retention), 收入(Retention), 传播(Retention), 依据该模型,分出更细分的维度,罗列出影响每一个维度的变) [思维模型]5W2H 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何就(How)、何价(How much) 提供一种问题/业务分析思路 活动运营常用方法论,尤其是编写活动执行案的时候 如何更加全面的思考问题 [思维模型]PEST分析法 用于对宏观环境的分析,包括政治(political)、经济(economic)、社会(social)和技术(technological)四方面 适合做大环境、行业分析,一般情况下用途较少 [思维模型]4P营销理论 分析公司的整体营运情况,包括产品(product)、价格(price)、渠道(place)、促销(promotion)四大要素 以用于公司整体运营情况分析 [思维模型]用户行为理论 主要用于用户行为研究 用户行为理论步骤 认知 网站访问 主要指标有:PV、UV、人均访问页面、访问来源 熟悉 网站浏览 主要指标有:页面停留时长、跳出率、页面偏好 网站搜索 主要指标有:搜索访问次数等 试用 用户注册 用户注册、注册转化率 使用 用户登录 登录用户数、DAU等 用户订购 订单、订购频数、内容、转化率 忠诚 用户粘性 回访者比例、访问深度 用户流失 流失数和流失率 [思维模型]鱼骨图 发现问题“根本原因”的分析方法 多维度分析 细分问题 趋势分析/折线图 数据监控 [思维模型]极简数据分析方法论 3个步骤 确定目标、列出公式、确认元素/字段 3个模型 [提升元素级]漏斗模型 适用范围:需要多个步骤达成的元素 通过提升转化率,提升单个元素级 [精细化]多维坐标 精细化运营 通过多维坐标将用户分组,对不同组用户采取对应的运营措施 用户运营也有个经典坐标,叫RFM坐标 [监测数据]分组表格 适用范围:随时间变化的用户属性元素 留存率分组表格 用户行为分析模型 行为事件分析 用户留存分析 魔法数字法 留存与关键用户行为关系组合图 GrowingIO留存曲线 漏斗模型 AIDMA理论是漏斗模型的理论基础 漏斗模型用途 漏斗模型适用于应用中某些关键路径的转化率的分析 以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等 了解用户使用你应用的真正目的,为他们提供合理的访问路径或操作流程 解决方案思想 扩大漏斗口径 提升转化率 反向漏斗模型 倒推用法——根据目标倒推所需资源配置 趋势、对比、分组 趋势 从时间轴的维度,看某个流程或某个步骤前后优化效果及监控 比较 比较类似产品或服务使用流程转化,发现应用中存在的问题 细分 细分来源或不同的客户类型在转化率上的表现 发现一些高质的来源或客户,通常用于分析网站的广告或推广的效果及ROI 用户行为路径分析 用户路径的分析结果通常以桑基图形式展现 见友盟——功能使用——页面访问路径 主要用途 分析关键路径上的页面跳转以及转化率,找到流失用户的页面 分析到达关键页面的页面来源,分析关键路径到达的页面 RFM模型/分析法(客户关系管理模型-用户分类方法) R:表示客户最近一次购买的时间 时间差 用户类型(活跃用户、休眠用户、流失用户) 理论上,最近一次消费时间越近的用户应该是比较好的用户 刻画用户的关注程度 F:表示客户在最近一段时间内购买的次数/频数 购买次数count 用户忠诚度 M:表示客户在最近一段时间内购买的平均金额 请注意是平均值 刻画用户的购买力 用户精细化运营常用模型 (R:表示客户最近一次购买的时间, F:表示客户在最近一段时间内购买的次数/频数, M:表示客户在最近一段时间内购买的平均金额) 用户细查 单个用户某行为或过程分析——进而上升到用户群体 如有没有多次获取验证码的情况 热力图 A/B测试(对比测试) 定义 通过对app的两个不同版本进行比较,来确定一个性能更好的方案 核心思想 提供多种方案,最终根据数据效果选择最优方案 注意事项 目标用户群一定是随机分配的 运用 不同创意/不同类型banner数据效果测试 在了解和分析各个渠道质的时候,也可以运用A/B测试方法论 流失预警模型 分类模型 逻辑树分析法 把问题的所有子问题分层罗列 可用于业务问题专题分析 预测模型、分类模型 神经网络 朴素贝叶斯 支持向机 K-临近邻算法 随机森林 预测模型 逻辑回归 聚合算法 K-Means 关联算法 Apriori算法 可用于游戏道具组合销售策略 异常检测 辅助算法等 主成分分析 特征选择法 降纬算法 数据分析报告 http://www.woshipm.com/operate/588326.html 运营日报 Excel 运营周报 一页简报——对关键指标汇总+总结,往往是领导要看的数据 多页子页——对关键指标的详细解读和说明、可视化 Excel 运营月报 PPT 数据分析报告 http://www.woshipm.com/data-analysis/677567.html 市场分析 市场需求 市场现状 找到突破口、找到目标用户在哪里 明确目标用户群体 年龄 收入 性别 爱好 目标用户体 期待抢占多少用户比例 产品定位 基于目标用户需求制定计划 市场分析报告 竞品分析 了解 竞品的目标群体和推广策略 了解竞品运营需求,需要进行整理 了解竞品周边项目和战略布局 5w2h、swot分析 产品分析 产品市场定位 产品体验报告 左右资源 运营资源、技术资源、渠道资源 swot分析 数据运营精髓 通过数据指导运营决策 利用数据驱动业务增长 进一步深入 新增用户 新增设备、新增用户 活跃用户 新用户、老用户;各自数及占比变化 付费用户 新付费用户、老付费用户;增长衰减变化 收入折线图
数据运营 作用&意义 知错能改,善莫大焉 —错在哪里,数据分析告诉你 运筹帷幄,决胜千里 —怎么做好“运筹”,数据分析告诉你 以往鉴来,未卜先知 —怎么发现历史的规律以预测未来,数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营,要建立起体系化思维(金字塔思维) 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向,学会数据拆分 细分到极致 追踪思路 运营的问题,是追踪出来的,不是一次就看出来的 所有的数据都是靠积累和沉淀才能发现问题,单一的数字没有任何 意义,只能称为 “数值” 结合/拆分思路 追踪数据,多个维度结合分析。 从多个维度拆分数据 对比思路 大的营销事件作为节点单独标记,数据剔除出来单独进行分析 节点思路 如运营活动等 行为标记思路 将大动作的优化,大的项目上线及时标注在数据报表中 培养数据的敏感度 培养数据思维,从每天的各种数据报表开始 数据来源 数据埋点 初级 追踪每次用户的行为,统计关键流程的使用程度 中级 在产品中植入多段代码追踪用户连续行为,建立用户模型来具体化用户在使用产品中的操作行为 高级 研发团队合作,通过数据埋点还原出用户画像及用户行为 常用数据分析工具 友盟、Talkingdata 友盟的页面访问分析,对帮助分析用户流失有重要指导意义 网站Alexa排名查询、爱站网、中国网站排名、网络媒体排名 禅大师、ASO100 各种指数 百度指数、搜狗指数、腾讯浏览指数、360指数、某视频网站指数 数据库、运营后台等 工作内容 数据监控 检测异常指标,发现用户对您产品的”怒点“ 如:多次获取手机验证码,次数剧增 这里需要考虑有一个监控指标 新功能数据分析 通过留存曲线检验新功能的效果 通过留存看新功能用户的接受程度 通过用户反馈或调研,了解新功能接受度 数据指标 标记: 红色 整体概况 1、[大盘数据]用户及收入表格+折线图 注册用户(今天、昨日、近3天、近7日、近30天、全部) 新增用户、付费用户、充值总额 2、同时在线趋势折线图 在线人数一向是游戏火热程度的最好衡 需要有同期对比功能,有参照物才能更好的比较 3、付费渗透 日付费率变化折线图 日付费率通常不稳定,一般情况下看周付费率或月付费率 付费率=充值人数/活跃人数*100% ARPU值变化折线图 ARPU值=总收入/活跃人数 ARPU值影响因素 活跃人数DAU发生较大变化 运营活动影响 金字塔 大R 是否有大R用户异常波动(大R用户流失或大R用户进入) 中、小R 大中R、小R用户出现或消失 ARPPU值变化折线图 ARPPU值=总收入/付费人数 可以用来监控大R用户异常变化情况 如果该值异常波动,请进一步看鲸鱼用户数据 4、用户留存 新用户留存 次日、3日、7日、14日、30日留存 次日留存是对玩家“第一游戏体验”的最佳印证 与游戏的类型、题材、玩法、美术风格、游戏前期内容吸引度、新手引导有效性有直接的相关性 如果导入的新增玩家群体对游戏题材、玩法、美术风格不予认可,留存将会很差,且可优化的空间较小 优化新手引导和前期的游戏内容则可以有效帮助提升次日留存 7日、30日留存则与游戏难度、持续的活动运营、游戏内奖励机制有密不可分的关系 活跃用户留存 一般不分析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质的最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 两项宏观行为指标可反映出用户对app的依赖程度 如果留存较好,但时长和次数均不高,则可能是因过于强调每日登录奖励,但持续的app内容用户家缺乏吸引力所致 用户分析 用户规模 下载数 新增用户 定义:每日注册并登录游戏的用户数 ——解决问题 渠道贡献新用户份额分布,监控重点渠道 宏观走势,是否需要进行市场投放 判断是否存在渠道作弊行为、渠道包被下架等问题 日一次会话用户数 即新登用户中只有一次会话,且会话时长低于门阀值 ——解决问题 推广渠道是否有刷作弊行为 渠道推广质是否合格 用户导入是否存在障碍点,如网络状况和加载时间等 用户获取成本 解决问题 获取有效新登用户成本 如何选择正确的渠道优化投放 需要根据渠道来细分不同渠道的获取用户成本 了解用户成本 活跃用户 DAU(日活跃用户) 定义 每日登录过游戏的用户 解决问题 了解游戏的核心用户规模 了解游戏产品生命周期变化趋势、渠道活跃用户生命周期 了解游戏产品老用户流失和活跃情况 注意事项 日活跃=新增用户+回流用户+老用户 如果日活跃依靠新增为维持,留存肯定有问题 健康比例3:7,当然不同产品会有一定差异 WAU(周活跃用户) 定义 截止当日,最近一周含当日的7天内,登录过游戏的用户,一般按照自然周计算 解决问题 游戏的周期用户规模 游戏产品的周期性/每周变化趋势衡 注意事项 利于在不同活跃用户规模的维度上发现和掌握游戏用户规模的变动 数据去重 MAU(月活跃用户) 定义 截止到当天最近30天(含30天)登录过游戏的用户 解决问题 游戏总体用户规模并评估用户规模稳定性 推广效果评估 了解产品的粘性 注意事项 MAU层级的用户规模更加具有稳定性、相对变化很小 某个时期或版本更新对其可能也产生较大影响 数据去重 一定程度上可以观察游戏的生命周期 DAU/MAU(日活跃用户和月活跃用户的比例值) 一般极低值为0.2 保证产品能够达临界规模的病毒式传播和用户粘度 忠实用户 连续3周登录的用户 目前分析价值不大 用户活跃 启动次数(时、日、周、月) 每日启动1次计算为1次启动 需要有一个间隔时间,30秒内多次启动只能计算为1次 解决问题 衡用户粘度,数值越大越好 识别优质渠道,渠道是否存在刷 什么渠道/用户启动次数多 日均使用时长 定义 活跃用户每日平均在线时长 解决问题 游戏的参与度怎么样 产品质把控指标,游戏粘度如何 渠道质如何 与单次使用时长结合分析留存和流失问题 用户活跃度 DAU/MAU,理论上不低于0.2,0.2*30=6天 解决问题 游戏的人气是增长、衰退还是稳定? 看趋势 一个月中,用户的活跃天数是多少 用户的游戏参与度如何 用户活跃率 活跃率=活跃用户/总用户 了解你的用户的整体活跃度,但随着时间周期的加长,用户活跃率总是在逐渐下降的 用户层次(轻度、中、重) 轻度用户:每周登录1~2次的用户 中度用户:每周登录3~5次的用户 重度用户:每周登录6~7次的用户 解决问题 了解用户忠实度,能否走得动”口碑传播“ 在线统计 实时在线曲线(每5分钟统计一次当时的用户同时在线人数) 上周同期对比 平均同时在线人数、最高同时在线人数和时间 每小时注册用户数 用户在什么节点来的多,需要重点监控该时间段app运行 用户画像 概述 是什么,有什么用,怎么做 构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户信息分析而来的高度精炼的特征标识 作用 精准营销 分析产品潜在用户,针对特定群体利用短信、邮件等方式进行营销 用户统计 如购买某类书籍人数 TOP10 数据挖掘 定义 把散乱数据转换成有价值信息的过程 效果评估 完善产品运营,提升服务质 其实这也就相当于市场调研、用户调研,定位服务群体,提高服务 个性化服务 对服务或产品进行私人定制,精准到某一类甚至每一位客户提供个性化服务 基本构成 用户静态属性 基本指标 年龄、性别、地域、学历、角色、收入、婚姻状态、职业 每个指标均需要从多个角度来分析,以区域为例 各区域充值总金额、充值人数、充值次数、付费率、arpu值分布 交叉分析 以区域和性别为例 不同性别+不同地域环境下,付费率数据…… 渠道分布 品牌、机型、操作系统、分辨率、联网、版本、设备均价、运营商 单设备注册账号数分析 可以分析小号分布情况 用户动态属性 动态属性指具有可变性 基本指标 用户的兴趣爱好、兴趣标签 在互联网上的活动行为特征 用户行为分析环节深入分析 用户消费属性 消费属性指用户的消费意向、消费意识、消费心理、消费嗜好等,对用户的消费有个全面的数据记录,对用户的消费能力、消费意向、消费等级进行很好的管理 用户心理属性 心理属性指用户在环境、社会或者交际、感情过程中的心理反应,或者心理活动 目前,用户心理相对会有难度,不用过多考虑 怎么做 数据收集 数据太多可以采用抽样的方法 数据建模 根据所获取到的数据建立模型,注入数据调整模型参数 数据分析及预测 数据可视化、输出报表、趋势预测 留存分析 留存(次~7日、14日、30日) 解决问题 用户对游戏的适应性 用户对于游戏的粘性 评估渠道用户的质、投放渠道效果评估 新增用户什么时候流失在加剧? 注意事项 次日留存一定程度上代表了用户对游戏的满意度 主要反映了游戏初期新手对游戏引导和玩法的适应性 关注用户流失率的同时,需要关注用户流失节点 实际运用 常见的7日连续登录礼包 第七天送大卡就是为了次日和7日留存的漂亮 次留很低,可能原因 新手阶段不友好、开场不吸引人、游戏上手难度大 程序bug太多,闪退,卡死,无法登陆等 功能引导太繁琐 次留不低,但是第3-4天大流失,可能引起的原因 游戏内容重复,单调、游戏挫败感太强;新手无对应保护等 如果只是某个渠道存在这个问题,可能存在渠道作弊 [略]僵尸用户(回归、留存) 流失用户(日周月、自然流失、回归流失) 周流失用户 上周登录过游戏,本周未登录过游戏的用户占上周周活跃用户比例 解决问题 活跃用户的生命周期是多少 哪个渠道的流失率比较高 版本更新对于用户的流失影响是多大 什么时期用户的流失率比较高 当游戏进入稳定期尤其值得关注该指标 (活跃用户的生命周期是多少, 哪个渠道的流失率比较高, 版本更新对于用户的流失影响是多大, 什么时期用户的流失率比较高) 稳定期一般来讲收入和活跃都相对比较稳定,是产品稳定的风向标 付费用户流失监控 用户运营需要高度重视的数据 找到付费用户流失模型(多少天未登录有多少概率流失) 流失原因分析指标 流失用户行为分析 流失前等级分布 是否存在卡点 流失用户生命周期 流失用户付费金额、流失用户付费次数、人数 流失原因分析——流失用户时间节点 流失前运营手段 运营活动、服务器问题、版本更新(bug、新版本用户不接受) app生态 用户成长体系是否健康 用户调研 用户留存分析流程 第一步:分组 按照不同的(时间/渠道/行为等)维度进行用户分组 时间分组 通常用于看整体数据,看整体留存是否出现异常情况 渠道分组 对比不同渠道留存数据 通过不同渠道数据对比,找到异常渠道数据或排出渠道因素 行为分组 按照功能点使用/未使用分组 第二步:对比 根据用户行为进行分组 例子 看贴功能内浏览了3篇贴子的新用户和仅浏览1篇贴子的新用户进行分析 来自A渠道的新用户进行(有使用看贴/未使用看贴)行为分组比较 渠道对比 是不是某些渠道的出现问题 用户行为 功能使用及参与度 页面访问路径 衍生指标 人均浏览页面数和时长、启动次数、收藏、点赞、关注、评论等 最好形成漏斗模型,规划合理访问路径 关键路径上面各个页面的浏览 页面转化&用户进入后一步步的转化情况 是否可以简化流程,减少用户操作步骤 (最好形成漏斗模型,规划合理访问路径) 用户习惯分析 平均使用时长 单次使用时长、日使用时长、周使用时长 可以进一步做渠道细分 平均启动次数 日、周、月启动次数 启动天数 周、月游戏天数 使用间隔 平均多长时间启动/使用一次app 用户对app的依赖程度 各个时间段启动app人数分布 用户行为 短期点击行为、搜索行为、收藏行为 等级分析 各个等级平均耗时 用户成长速度 需要严格控制高端用户成长速度 各个等级用户流失 各个等级次日、3日、7日、14日、30日未登录用户数分布 到底在哪个等级阶段用户流失严重? 各个等级用户分布数 各个等级游戏次数 各个等级充值数据 累计充值总金额、充值人数、充值次数 哪个阶段是付费高峰期? 各个等级首次充值 各个等级首次充值人数、充值次数、各个等级首次充值金额选择 哪个等级段容易拉动首次充值行为? [辅助]各个等级消耗游戏币数据 新用户等级分析 首日等级 所选期间的新增玩家,在其新增当日中最终玩到的等级分布情况 首周等级 所选期间的新增玩家,在其新增7日后玩到的等级分布情况 14日等级 所选期间的新增玩家,在其新增14日后玩到的等级分布情况 近7日等级变化 堆叠图显示每日各个等级人数变化情况 分析新用户成长 (首日等级, 首周等级, 14日等级) 关卡/任务系统 新手引导转化率 任务参与人数及完成情况 支付转化率 漏斗模型的合理使用 用户传播 分享、互动、邀请等 付费分析 整体数据 付费总额 时间段内付费用户消费总额 收入下降,原因? 付费率下降? 付费用户流失比活跃用户流失严重 流失的是大R用户还是中小R用户?流失了多少个 付费用户停止付费但未流失 大R还是中小R停止付费? 哪些消费点的消费在下降或停止? arpu下降? 付费人数增加了? 付费人数无变化、付费金额下降了 哪些消费点的消费在下降?付费点已经饱和? 付费用户 时间段内进行过付费行为的用户数 其次还有一个付费次数、不去重 新增付费用户(日、周、月) 活跃付费用户数 定义 统计时间段内,成功付费的用户数,一般以月为单位统计 活跃付费用户数=月活跃用户数*月付费率 解决问题 了解产品的付费用户规模 付费用户整体的稳定性 了解付费用户构成 鲸鱼用户、海豚用户、小鱼用户各自数和比例 注意事项 数据是去重的 ARPU 名词定义 平均每活跃用户收入 统计时间段内,总收入/活跃用户数,一般情况下以月为单位 衡每个用户带来的平均收益 解决问题 评估不同渠道用户的质 游戏收益贡献、人均收入 用于产品初期不同规模下的收入预估 (评估不同渠道用户的质, 游戏收益贡献、人均收入) 注意事项 arpu值很高 ——大R付费能力很强,需要重点关注大R用户 付费率高,arpu值低 ——小R用户较多,要多关注小R用户 ARPPU 名词定义 平均每付费用户收入 统计时间段内,付费用户平均所创造的收入,一般以月为单位统计,因为月的数据相对比较稳定 解决问题 了解游戏付费用户平均的付费情况 付费用户整体的付费趋势 加强对鲸鱼用户的分析和监控 注意事项 容易受到鲸鱼和小鱼用户的影响 付费率(一般看月付费率) 名词定义 时间段内,付费用户数/活跃用户数 首充大礼包就是为了拉付费率 月付费率 名词定义 统计时间段类,付费用户/活跃用户比例,一般以月为单位计算 解决问题 游戏产品的付费引导是否合理、付费转化是否达到预期 用户付费倾向和意愿 需要结合首次付费功能、道具、等级整体分析 注意事项 付费率的高低并不代表付费用户的增加和减少 游戏类型不同,付费率有较大的差异 生命周期 定义 一个用户从首次进入游戏到最后一次参与游戏之间的时间间隔 一般计算平均值 14日LTV(新用户后续付费能力指标) 名词定义 用户在生命周期内所创造的收入 14日LTV 14日LTV=今日注册新用户在后续14天内付费额/注册的新用户数 这里计算的是一个平均值 解决问题 用户在游戏中会待多久 用户对于游戏的贡献价值是多少 付费用户流失数 本周付费用户下周未登录人数 付费习惯 付费周期 首次付费周期 用户注册到第一次充值的平均时间间隔 付费周期 上一次付费和下一次付费的时间间隔 付费渠道 采用那种支付方式充值?支付宝、微信、公众号等 付费面额 主要为首次充值面额 首次大额度要纳入高端用户维系中去 用户问题、多少天未登录都要及时监控和跟进维系 不同时间段首次付费 用户数 付费总金额 充值后首次消费行为分析 充值之后第一件事情是购买什么东西? 研究触发用户充值行为的原因,便于优化首充,提升付费率 需要把各个消费点理解透彻 新增付费用户 首次付费用户等级分布 首次付费时间间隔 首次充值面额 结合首次付费用户的游戏天数、累计游戏时长综合分析 (首次付费用户等级分布, 首次付费时间间隔, 首次充值面额) 不同性别/年龄阶段付费分析 首次付费分析 首次付费等级 首次付费周期 首次付费消费结构 首次付费选择订单面额分布 首次付费各个时间节点用户数及付费总金额 看首次付费正在哪个时间段分布比较多 一周为单位,哪些时间点是付费高峰期? 首次付费用户及后续付费行为 首次付费行为产生原因 充值之后第一件事情是购买什么东西? 发现其中的规律,运营中可以更好利用首次付费 首次付费地域分布 首次付费渠道分布 付费场景 一定程度上可以理解为付费点,在哪些地方会产生付费 消费场景 消费人数和消费次数 鲸鱼用户 每日top100付费用户及累计付费金额数据 账号、id、电话、充值总额、消耗总额、最后登录时间、当前等级 加强对金字塔用户的运营管理 营销效果 新增用户 每小时新增用户 衡推广效果的最基础指标 新增用户/活跃用户的比例也是衡产品健康度的标准之一 比例过高,需要关注留存 新增用户渠道分布 活跃用户 渠道分布 启动次数 单次平均使用时长 留存率 检验产品用户吸引力的重要指标 若版本稳定的情况下,留存出现明显波动,很可能是渠道的问题 渠道充值数据 其他 用户行为是否正常、机型、设备分布 其他分析 货币产出和消耗数据 各等级货币消耗 消耗总 消耗人数 消耗次数 不同道具消耗数据 用户调研 用户来源 用户来自哪里 用户属性 用户是谁 用户在做什么 用户行为 流失原因 用户建议 数据分析模型/方法论 [思维模型]AARRR分析模型 获取(Acquisition) 用户如何发现(并来到)你的产品? 激活(Activation) 用户的第一次使用体验如何? 留存(Retention) 用户是否还会回到产品(重复使用)? 收入(Retention) 产品怎样(通过用户)赚钱? 传播(Retention) 用户是否愿意告诉其他用户? 依据该模型,分出更细分的维度,罗列出影响每一个维度的变 理解到这里即可,该模型更多的是一个思维模型,也可以叫方法论 (获取(Acquisition), 激活(Activation), 留存(Retention), 收入(Retention), 传播(Retention), 依据该模型,分出更细分的维度,罗列出影响每一个维度的变) [思维模型]5W2H 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何就(How)、何价(How much) 提供一种问题/业务分析思路 活动运营常用方法论,尤其是编写活动执行案的时候 如何更加全面的思考问题 [思维模型]PEST分析法 用于对宏观环境的分析,包括政治(political)、经济(economic)、社会(social)和技术(technological)四方面 适合做大环境、行业分析,一般情况下用途较少 [思维模型]4P营销理论 分析公司的整体营运情况,包括产品(product)、价格(price)、渠道(place)、促销(promotion)四大要素 以用于公司整体运营情况分析 [思维模型]用户行为理论 主要用于用户行为研究 用户行为理论步骤 认知 网站访问 主要指标有:PV、UV、人均访问页面、访问来源 熟悉 网站浏览 主要指标有:页面停留时长、跳出率、页面偏好 网站搜索 主要指标有:搜索访问次数等 试用 用户注册 用户注册、注册转化率 使用 用户登录 登录用户数、DAU等 用户订购 订单、订购频数、内容、转化率 忠诚 用户粘性 回访者比例、访问深度 用户流失 流失数和流失率 [思维模型]鱼骨图 发现问题“根本原因”的分析方法 多维度分析 细分问题 趋势分析/折线图 数据监控 [思维模型]极简数据分析方法论 3个步骤 确定目标、列出公式、确认元素/字段 3个模型 [提升元素级]漏斗模型 适用范围:需要多个步骤达成的元素 通过提升转化率,提升单个元素级 [精细化]多维坐标 精细化运营 通过多维坐标将用户分组,对不同组用户采取对应的运营措施 用户运营也有个经典坐标,叫RFM坐标 [监测数据]分组表格 适用范围:随时间变化的用户属性元素 留存率分组表格 用户行为分析模型 行为事件分析 用户留存分析 魔法数字法 留存与关键用户行为关系组合图 GrowingIO留存曲线 漏斗模型 AIDMA理论是漏斗模型的理论基础 漏斗模型用途 漏斗模型适用于应用中某些关键路径的转化率的分析 以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等 了解用户使用你应用的真正目的,为他们提供合理的访问路径或操作流程 解决方案思想 扩大漏斗口径 提升转化率 反向漏斗模型 倒推用法——根据目标倒推所需资源配置 趋势、对比、分组 趋势 从时间轴的维度,看某个流程或某个步骤前后优化效果及监控 比较 比较类似产品或服务使用流程转化,发现应用中存在的问题 细分 细分来源或不同的客户类型在转化率上的表现 发现一些高质的来源或客户,通常用于分析网站的广告或推广的效果及ROI 用户行为路径分析 用户路径的分析结果通常以桑基图形式展现 见友盟——功能使用——页面访问路径 主要用途 分析关键路径上的页面跳转以及转化率,找到流失用户的页面 分析到达关键页面的页面来源,分析关键路径到达的页面 RFM模型/分析法(客户关系管理模型-用户分类方法) R:表示客户最近一次购买的时间 时间差 用户类型(活跃用户、休眠用户、流失用户) 理论上,最近一次消费时间越近的用户应该是比较好的用户 刻画用户的关注程度 F:表示客户在最近一段时间内购买的次数/频数 购买次数count 用户忠诚度 M:表示客户在最近一段时间内购买的平均金额 请注意是平均值 刻画用户的购买力 用户精细化运营常用模型 (R:表示客户最近一次购买的时间, F:表示客户在最近一段时间内购买的次数/频数, M:表示客户在最近一段时间内购买的平均金额) 用户细查 单个用户某行为或过程分析——进而上升到用户群体 如有没有多次获取验证码的情况 热力图 A/B测试(对比测试) 定义 通过对app的两个不同版本进行比较,来确定一个性能更好的方案 核心思想 提供多种方案,最终根据数据效果选择最优方案 注意事项 目标用户群一定是随机分配的 运用 不同创意/不同类型banner数据效果测试 在了解和分析各个渠道质的时候,也可以运用A/B测试方法论 流失预警模型 分类模型 逻辑树分析法 把问题的所有子问题分层罗列 可用于业务问题专题分析 预测模型、分类模型 神经网络 朴素贝叶斯 支持向机 K-临近邻算法 随机森林 预测模型 逻辑回归 聚合算法 K-Means 关联算法 Apriori算法 可用于游戏道具组合销售策略 异常检测 辅助算法等 主成分分析 特征选择法 降纬算法 数据分析报告 http://www.woshipm.com/operate/588326.html 运营日报 Excel 运营周报 一页简报——对关键指标汇总+总结,往往是领导要看的数据 多页子页——对关键指标的详细解读和说明、可视化 Excel 运营月报 PPT 数据分析报告 http://www.woshipm.com/data-analysis/677567.html 市场分析 市场需求 市场现状 找到突破口、找到目标用户在哪里 明确目标用户群体 年龄 收入 性别 爱好 目标用户体 期待抢占多少用户比例 产品定位 基于目标用户需求制定计划 市场分析报告 竞品分析 了解 竞品的目标群体和推广策略 了解竞品运营需求,需要进行整理 了解竞品周边项目和战略布局 5w2h、swot分析 产品分析 产品市场定位 产品体验报告 左右资源 运营资源、技术资源、渠道资源 swot分析 数据运营精髓 通过数据指导运营决策 利用数据驱动业务增长 进一步深入 新增用户 新增设备、新增用户 活跃用户 新用户、老用户;各自数及占比变化 付费用户 新付费用户、老付费用户;增长衰减变化 收入折线图
智能呼叫中心解决方案 1 智能呼叫中心解决方案全文共14页,当前为第1页。 背景 目 录 产品介绍 成功案例 智能呼叫中心解决方案全文共14页,当前为第2页。 电话营销需求现状与问题 现状: 随着存经营工作的系统推进,新发展用户精细化营销的需要,电话外呼作为一种精准、高效的营销方式越来越重要; 需电话营销承载的业务越来越多:2G转4G换机、B2I2C、4G登网辅导、合约续约、用户价值提升、套餐升档、中高端拉新等; 参与外呼人员种类越来越多:根据不同业务的特点,需通过外呼营销的人员种类较多,其中包括社会实体渠道人员、营业员、各类客户经理、集中外呼坐席等。 存在问题: 针对自有渠道人员、社会实体渠道人员的外呼营销具有坐席需求大、坐席分散、外呼时间分散的特点,没有统一的系统进行支撑和管理; 目前各类活动的电话外呼需求存在多业务、多任务、多角色的特点,对系统要求较高。 智能呼叫中心解决方案全文共14页,当前为第3页。 背景 目 录 产品介绍 成功案例 智能呼叫中心解决方案全文共14页,当前为第4页。 市场分析 01 员工流失率极高 06 产能低 培训周期长 02 无统一管理标准 05 质检、投诉 成本巨大 03 数据信息安全 04 现场管理困难 痛点 营销策略一键生成 营销数据按需分配 统一质检 多维度报表统计 外呼机器人100%真人还原度,提升客户体验 智能质检+情绪识别 海平台沉淀语音数据库 全实时用户数据标签 精准大数据分析 核心数据库 智能板块 核心系统 智能呼叫中心解决方案全文共14页,当前为第5页。 初衷与理念智能语音生态圈 核心系统 云部署,轻接入 培训、外呼、质检、报表分析 智能质检 自主研发语音识别引擎,支持语义识别、情感识别监控,节约80%以上人力成本 大数据分析 海报表模版,一键生成自定义报表;丰富数据支撑提供营销策略分析,更快更准更强 外呼机器人 完美人机交互,100%真人感知,预设场景精准匹配,让电话营销变得更轻松 智能订单分析模块 智能客服考核模块 智能精准营销模块 智能业务预测模块 在线 云坐席库 智能呼叫中心解决方案全文共14页,当前为第6页。 应用场景 渠道应用 套餐升级 高危用户维系 4G迁转 网格经理 集团客户经理 营业人员 存用户工作开展 各专业线用户工作开展 以存拉新,具备开展异网反抢、副卡加载等 智能呼叫中心解决方案全文共14页,当前为第7页。 系统架构 运营商SIP中继 中兴 华为 IAAS SIP接入终端 PBX VOE GW 板卡 RFID 服务器 电话 HUB 存储 传感器 PAAS SIP信令网关 RTP媒体网关 Webrtc媒体网关 呼叫处理机 注册状况 呼叫控制 即时消息 AI机器人 媒体服务器 业务数据库 接口机 状态接口 即时消息 管理接口 呼叫接口 系统管理员门户 自服务门户 话单/录音文件NFS SAAS 服务型呼叫中心 外呼营销型呼叫中心 语音会议系统 语音调查系统 语音验证码系统 短消息系统 数据服务系统 企业应用 报表管理 营业务系统 坐席监控管理 坐席工作台 系统管理 知识库管理 质管理 话术管理 …….. 实施服务监控 数据传输服务 智能呼叫中心解决方案全文共14页,当前为第8页。 产品特色 平台系统十大特色 采用网址登录支持内/外网登录平台 外显号码自定义配置,随场景自由切换 支持控件模式只需连接耳麦即可实现外呼 提供录音永久保存,随时查询外呼记录 任务执行情况可随时监控,快速调整 舍弃传统硬件设备,采用虚拟呼叫 支持xp,win7等所有微软系统 不同项目配置不同营销话术模板策略 隐藏客户关键资料,全力保障信息安全 各类报表一键导出,实时关注团队业绩 智能呼叫中心解决方案全文共14页,当前为第9页。 产品展示-营销系统 10 此系统模块的访问需要管理员对用户配置相关访问权限,属于管理员配置模块。内容分为"话术配置"、"营销配置"及"营销任务配置"等功能块,用户通过本系统模块配置话术,建立相关营销模块,在模块下管理外呼任务。 智能呼叫中心解决方案全文共14页,当前为第10页。 产品展示-坐席工作台 11 坐席用来操作的主要部分,页面左上显示本日和本月的通话的统计数据,右上折线图显示坐席工作7天内的通话的统计,柱状图显示当日通话的统计,饼状图显示当天通话情况统计,最下边的三个列表,1:待办事宜主要显示普通待办事宜,2:主要显示坐席当天打通的电话的通话记录,3:显示坐席收藏的知识库 智能呼叫中心解决方案全文共14页,当前为第11页。 产品展示-质检系统 12 系统根据选定的质检任务给质检人员分配质检任务,质检人员点击操作进行质检,听录音,根据评分标准给定每一项的分值,分数不能超过单项最高分值,超过将无法提交数据,如果质检未通过会给被质检的坐席生
V5.1之后的修改(2006-01-20 至 2007-1-27) ----------------------------------------------------------------------------- 1.POS日结由于pos_bill表单的出现两条BillId=0记录,导致日结后查不到Pos明细,而主单会有的错码,修改存储过程pcdDayAuditPayed,出错会回滚;但财务日是在主程序中处理,还是提示日结成功。 2.增加多一个帐单号格式,原来只有按日期格式(帐套参数中增加一个选择)。 3.为酒店进销存增加一个日结,日结后根据酒店销售情况来减库存(加过程pcdDayAuditHotel, 注意:进销存里的货品编码要跟酒店里的酒水编码要一样) 2006-03-07 1、 出仓的时候增加客户欠款提示。 2、 O_Outstore表中增加多一个字段[DeliveryManID] [int]表示送货员,出仓的时候增加送货员选择, 注意:因为出仓增加送货员,所以超市日结也要更改(日结过程pcdDayAuditPayed.sql) 3、 增加送货员汇总表和明细表(vSaleDetail.sql、RP_DeliverySale_Total.sql种RP_DeliverySale_Detail.sql) 2006-03-09 1、I_InStoreD表中增加二个字段[pro_date] [smalldatetime]( 生产日期)和[valid_date] [smalldatetime] (有效期) 2006-03-14 修改触发器tUpIReturn.sql、tUpOReturn.sql,修正现金退货问题 2006-03-19 1、 财务管理中增加经营统计表,打印报表名称为“经营统计表.frf” 2、增加数据表Sales.sql和过程RP_SaleTotal_ByMonth.sql、RP_Management_Total.sql 2006-03-21 货品资料中增加条码标签表和价格标签表 2006-03-25 进仓和出仓中的选择货品中增加”全选”和按仓位查找(修改视图vInGoods) 2006-04-05 1、 货品资料查询中同一条件名可以增加多次,例如:货品等于0001, 货品等于0003, 货品等于0008,那么会找到0001、0003、0008的货品 2、查询符号中比较符号增加“不包含” 2006-04-07 1、增加库存盘点汇总表和库存盘点明细表(新增视图vCheckDetail和存储过程RP_Check_Total、RP_Check_Detail) 2、增加商品出入库明细表(新增视图RP_AllIO_Detail和存储过程vAllDetail) 2006-04-12 1、 修正修改其它出入仓类型有错的问题 2、 修正其它出入仓删除行仓库数就不对的错误 2006-05-18 1、前台收银中增加营业员选择 2、POS管理中增加营业员销售汇总表(RP_PosEmpTotal)和营业员销售明细表(RP_PosEmpDetail) 2006-06-09 1、 增加表GoodsValid,记录货品的有效期 2、 所有明细表中加上有效期字段valid_date[smalldatetime] 3、 增加视图vGoodsValid,过程RP_GoodsValid 4、 系统参数中增加是否使用有效期 2006-06-15 1、 修正前台收银中因挂单造成单号重复的问题 2、 修正银行明细表期初(末)金额不对的问题(修改过程RP_Bank_Detail.sql,) 2006-06-15 1、 前台收银中增加显示积分功能(UP_VIPCards_TotalAmount.sql) 2006-06-23 1、 修改不要提示框时,输入货品的不显示。 2、 超市前台收银加按购买数来积分(用Clientid表示购买的总数,要把Clientid的空值改为0,语句UP_VIPCards_TotalAmount.sql已将Clientid=0) 2006-06-24 针对佛冈进行改动: 1. 修改vPurchasedetal,加入AreaId,用于进行货品进货统计。并在QueryFields中加入AreaId 2. 修改进货,加入返利、存款两个字段 3. 配置文件,=30 2006-06-26 进货、销售和仓库管理增加权限管理(新增,修改,删除),复制执行文件要进入授权里面点高级(权限写到Operator表中rights字段中)。 2006-07-01 1、 修正月结和期末金额不对问题(pcdMonthAudit.sql,RP_Bank_Detail.sql) 2、 修正因为增加有效期后导致不能月结问题(修改过程pcdDayAuditPayed.sql) 2006-07-02 为佛岗增加多一个供应商按单明细表,可以查询存款,返利,和实收款(RP_VendorPurchase_ByInvono.sql) 2006-07-06 销售查询中增加按地区查询(vSaleDetail.sq,UP_QueryFields_area.sql,up_queryfields502.sql) 2006-07-24 1、 修正转仓中没选择调入仓也能保存的漏洞。 2、 新增货品资料删除的时候同时删除库存 2006-07-29 1、 加入生产单I_PRODUCE, I_PRODUCED。 2、 新增加报表生产消费原料明细表、汇总表 2006-08-03 添香饼家 1、 加入领料单O_Outstore1, O_Outstore1D, O_Outstore1DM,In_BillCode.sql(领料的时候可以选择配料单货品,这时电脑会自动减配料单里明细货品的库存) 2、 新增加生产单报表In_AppRptList.sql 2006-08-11 1、 货品资料默认按编码排列 2、 供应商、客户和货品资料在出入仓的时候也可以新增 3、 新增领料单汇总表和明细表(vOutStore1Detail.sql、RP_OutStore1_Total.sql、RP_OutStore1_Detail.sql) 2006-08-11 1、新增仓库调拨汇总表和明细表(vMoveDetail.sql.sql、RP_Move_Total.sql、RP_Move_Detail.sql) 2006-08-14 重新对生产配料、消耗原料表进行调整vUsedMatrial 2006-08-24 修正出仓单修改提示错误 2006-08-27 1、 增加领料单查找(RP_O_Outstore1) 2、 增加配料单明细表(vMaterial,RP_Material_Detail) 3、 修正领料单先进入选择货品再改单位就不会有价钱 2006-08-28 1、 配料单增加单价,D_Material表的最后面加上字段BillAmt[money],D_MaterialD表的disc前面加上Price[numeric,18,4] 2006-09-18 1、进货管理中增加供应商日进货汇总表(RP_DayIn_Total_byVendor.sql) 2006-09-19 1、 修正领料单删除件库存不会增加问题 2、 修正领料单查询会重复的问题(vOutStore1Detail.sql) 2006-09-25 1、pos管理中增加特价单(In_BillCode.sql, O_FlowPrice.sql,RP_O_FlowPrice.sql,RP_FlowPrice_Detail.sql,in_queryfields021.sql,vGoods.sql) 2006-09-27 1、系统修护中增加数据校验,校验当前库存是否正确,前提是中间没有删除过数据(vOtherInOutDetail.sql,pcdMonthAudit.sql,oldONHAND.sql,pcdInsOldOnHand.sql,vInOutDetail.sql,errONHAND.sql,CheckOnHandQty.sql,vAllDetail.sql) 2006-10-28 1、进仓和出仓增加折扣功能(华帝提出,ALTER_InOutDisc.sql, pcdUpdateMasterAmt1.sql) 2006-12-19 1、数据清理的时候加多一个同步功能,解决备份到优盘后再修改再备份,优盘的数据没变的问题。 2007-01-05 1、其它出入库:选择收发货单位时会变成货品资料(第一次没问题,保存再选择就会变成货品资料)。 2007-1-27 1、 服装版由于采用clientDataset,判断单的修改、新增状态不一样导致修改单时增加一行,并不对之进行处理。 a) 同时判断Query和CleintDataset的状态 b) 保存时重新读入颜色,保证状态的一致。 V7.18.4的修改(Build20070913) ----------------------------------------------------------------------------- 2007-4-19 1、 出入仓增加折扣功能(更新帐单金额pcdUpdateMasterAmt1.sql) 2、 系统参数中新增出仓是否可以显示进货价 2007-4-20 1、 基本资料管理的编码,点保存新增,编码自动加1 2、 货品资料的分类、单位为前一个值。 2007-4-20 由于库存的可能出现不对,增加库存校验checkOnhandQty、库存修复功能pcdRepairOnhand 2007-4-26 考虑初始建货品资料建档比较麻烦,作了如下改进: 1、 goodsbase收集条形码商品资料库 2、 输入条形码时自动显示名称、单位、规格,无需手工再输入。 2007-5-4 修改了货品类别销售毛利汇总表,只对大类进行统计RP_GoodsTypeProfit,并加入视图vGoodsType 2007-5-10 会员卡管理中加上初始积分(增加字段InitIntegral) 2007-5-12 批发销售中件要3个批发价(增加字段SpePrice3),客户资料中增加售价级别,新增表Ptype 2007-5-24 库存管理中增加实际库存数汇总表(RP_GoodsInOut_Total2.sql) 2007-5-28 1、 新增产地表Parea,记录内部还是外部产品 2、 Pos_BillD表的字段disc的类型由int改为numeric(4,1),因为长青的折扣有3.5% 3、 QUERYFIELDS中增加产地查询条件(in_queryfields_004.sql),商品销售汇总和明细表中增加产地(RP_GoodsSale_Total.sql,vSaleDetail.sql) 4、 2007-5-31 1、 修正日结后,全部POS单全是归到9这个客户上 2、 修正后台POS单不会显示客户名 2007-6-9 1、POS收银中新增连接到本地数据功能,这样断网后也可以继续销售。 2、BDE别名用FHE2POS2 3、更新pos.mdb 2007-7-31 1、POS收银中新增大包装处理,memcode表示箱条形码,speprice3箱单价 2、要重新执行vGoods.sql 2007-8-4 1、修正会员卡不能前一条,后一条问题 2、修正新增不会跳到最后一条 3、前台收银增加输入电话也可以当会员卡使用 2007-8-27 V7.18_4: 1、 出仓可以打印客户名称。(用备注来代替,先选择出仓更改客户名称) 2、 可以取消客户价。 3、 可以设置库存缺库提示 2007-8-27 V7.18_4: 4、 积分方法: i. Vipcards中 Amount: 现金余额(可理解为客户的预付款) InitIntegral 初始积分(初始积分录入后,不可再修改) TotalAmount 消费总金额 UsedCount 已用次数 Integral 现在的积分 TotalIntegral 总积分 ii. 单品积分、金额积分、件数积分 5、 不同的产品积分不同 在Goods.amtTip中设置,如果要小数,将此字段改为numeric(5.2)即可 2007-9-04 V7.18_4: 6、 会员卡的零钱处理(小于5元):针对消费的找零问题(一般不会大于5元),超市管理者希望对小余额储存,下次可以多退少补。 实现方法:1、收款时,记录存入会员卡的小余额。如总消费99.3,现付款100元,余下的0.7记入Vipcards.Amount中。 当下次来消费时,可以进行使用。如消费50.5,现付款50元,此时可用余额显示0.7,不进行找零。完成本次收款。余额为0.2元。 2、报表的反映。分为三个内容:a)消费总金额 b)现金支付金额 realAmount c)卡支付金额(负为客户欠商家的钱),可以保存在pos_bill.cardAmount 2007-9-13 V7.18_4: 7、 Pos_Bill字段说明:billAmt POS单金额 TakeAmt:应收金额(可能小于单金额,由于抹零) CardAmount:用会员卡储值支付的金额,对于零钱一次全部用完 CashAmount:本次实收现金(多于支付的,存入会员卡) BankAmount:用信用卡支付的金额。 =============================================== 2007-10-10 V7.18_5: 1、加入会员卡储值Deposit。 2、储值卡类型:cCard_type 3、储值到 vipCards.Amount. 4、相应的报表RP_Deposit_Detail储值明细表、RP_Deposit_Detail储值汇总表。 2007-10-30 V7.18_5: 1、重新进行加密狗的处理,去掉.sys文件,加入.ini文件。 2、具体安装与路径无关。 2007-11-8 V7.18_5: 1、修改注册: 2007-11-3 V7.18_4: 1、 地区新增多级功能,AREA中增加字段code (varchar 12),name(varchar 50) 2007-11-13 V7.18_4: 2、 修正商品销售明细表中不能按类别查询 3、 修正第一次输入大包装条形码后价钱为0的问题 2007-11-19 V7.18_4: 1、修正批发销售时二次输入同样货品的小单位条形码时单位就不对 2、客户价为0时就取货品资料里的价 2007-12-08 V7.18_4: 1、交班金额不对,修改pcdChgTurn. 交班计算金额对于多行的POS销售明细,会计多次。 2007-12-15 V7.18_4: 1、视图区分进货开单与现款进货, 升级视图vPurchaseDetai 2007-12-15 V7.18_4: 1、增加收入支出平衡表, 新增过程RP_InCome_Expense.sql与添加收入支出平衡表.sql,可看每天资金的收支情况 2007-12-15 V7.18_4: 1、前台增加打印临时打开和关闭功能.p+回车 2.增加条码机类型fhsys.ini->[Barcode] BarcodeType=1(尖顶) BarcodeType=2(川田) 2007-12-20 V7.18_4: 1、更改数据联接,用fhsys.ini 2、增加自动启动数据库服务 2008-01-14 V7.18_4: 1、增加表VIPbalance,用来记录冲减积分的相关项目 2008-01-23 V7.18_4: 1、货品资料中增加型号,出入仓挑选货品中加型号查询vIngoods 2008-01-28 V7.18_4: 1、修正超市版新增货品资料时,不能输入大包装条码; 2、修正出入仓保存后单位单位选择没隐藏; 2008-02-23 V7.18_4: 1、修正费用开支保存错误;2、修正收入支出类别只能修第一行; 2008-02-27 V7.18_4: 1、会员卡消费汇总表加折后金额,即自动扣除导游提成金额后的金额累计RP_PosVIPTotal; 2、产品产地表中增加产地设置; 3.加上有效期单位tInsPos_BillD_长青.sql 2008-02-27 V7.18_4: 1、修正一天多次日结后日期会成第二天日期; 2008-03-08 V7.18_4: 1、前台改为用ADO连接fhsys.ini, 要升级POS.mdb; 2008-03-24 V7.18_4: 1、双汇的条码抢是串口的,用fhsys.ini->[Barcode]->BarcodeCom=0,0表示非串口,1是com1,2是com2; 2、[CusDisplay]->CusCom=1表示com1 2008-03-25 V7.18_4: 1、有些狗注册不了,修改注册方式; 2008-03-30 V7.18_4: 1、前台权限管理:如果此操作员没有权限就自动提示重新输入编码和密码 2008-04-01 V7.18_4: 1、修正UserType=102时利润就不对的问题 2008-04-14 V7.18_4: 1、增加一品多码功能(goods_multicode.sql); 2008-05-14 V7.18_4: 1、经常出现超时,修改exe文件和取单号过程pcdInvoNo.sql、pr_IDs.sql; V7.19的修改 ----------------------------------------------------------------------------- 2008-5-14 增加储值卡一卡通:储值卡采用rf32射频卡,将金额写入卡中,实现跨门店销售。详细操作如下: 1、 管理卡。管理卡中储存有本公司的储值卡密码,储值卡的使用必须先通过管理卡的密码检测。 2、 储值卡。密码为管理卡中设置 3、 初始化管理卡。读卡密码,不同公司不同,事先由软件设置。 4、 储值卡恢复到出厂设置。读将储值卡的密码写为初始出厂设置。写前须有管理卡密码授权。 5、 初始化储值卡。先读管理卡,以取得密码,再将此密码写入储值卡中,达到安全 6、 管理卡的密码变更。 A) 如果发现管理卡密码泄露,重设管理卡密码;同时要将以前的密码保存,否则旧卡变为不可读。 B) 清空旧卡密码 C) 再初始化即可。 D) 前台多种卡的并存。当读新卡时,先读新的管理卡,以获得安全认证。 7、 储值消费。不够金额,由现付补足。 8、 收银报表反映当班的现金、卡消费等。 9、 2008-05-29 V7.19: 1、前台增加赠送,如:*10-2表示买10送2。 2、增加优惠卷,优惠卷跟抹零合在一起 2008-06-10 V7.19: 1、超市101的当前明细表中隐藏小单位数和金额 2008-06-10 V7.19: 1、帐套参数中增加系统信息,可以直接修改服务器信息和用户信息 2008-06-10 V7.19: 1、帐套参数中增加系统信息,可以直接修改服务器信息和用户信息 2008-06-25 V7.19: 1、修正库存上下限设置时,保存不了 2、订单完成情况,当实际完成大于订单时,也可以反映出来 3、商品进货(销售)明细表里也加上“备注”字段(vSaleDetail.sql, RP_GoodsPurchase_Detail.sql vPurchaseDetail.sql) 4、修正前台赠送后,不能挂单 5、修正现款退货后,货款在现金明细表中归入到“收入”方,但在现金银行汇总表中又归入到“支出”方(RP_Bank_Total.sql, vBankExpense.sql, vBankIncome.sql) 2008-07-09 V7.19: 1、盘点单:明细表中增加当前库存数 2008-07-22 V7.19: 1、后台修正删除POS单后交班表没删除的问题; 2、缩小仓库调拨单窗口; 3、前台增加销售时不能关闭软件; 4、前台增加更改端口功能,在编码输入框中输入v2表示com2,v3表示com3; 5、修改交班表没优惠金额(pcdChgTurn.sql,alter_posturn.sql) 2008-07-28 V7.19: 1、前台修正按F6没特价 2、修正进货开单->选单没有交货日期 2008-08-02 V7.19: 1、新增总裁卡,每台机只能有一个总裁卡,将总裁卡的序号写到cfg.memo1。管理卡只用于门店,不可用于充值 2008-08-07 V7.19: 1、系统参数中增加POS小票打印功能设置 2008-08-10 V7.19: 1、前台添加会员卡密码,密码正确就可以使用卡余额,不对就只参积分; 2、累计积分到1000分后就自动送10元,fhsys.ini中增加VipIntegral=1000和VipChange=10; 3、积分赠送表VIPchange加字段price(ALTER_VIPchange.sql) 2008-08-11 V7.19: 1、会员加入密码,在会员资料的备注中。 2、会员未经过密码验证,不能用零钱储值和消费 3、加入显示余额 4、修改交班表 2008-08-11 V7.19: 1、会员零钱储值CardType=2,1是IC卡。 2、后台储值参数要选中,不能用零钱储值和消费 3、积分VipIntegral=1000,送VipChange=10元 4、交班时,收银应交数=营业额 - 卡付 2008-08-18 V7.19: 1、前台退货,相应会员的积分要减,此时不能存钱 2、修正备份会丢失数据, 2、点前单后单时将现款和开单分开 2008-08-20 V7.19: 1、修正断网销售和上传数据(按page up) 2008-08-23 V7.19: 1、POS大包装价,不分会员价 。另外注意:当日最后一班交班后,不能有消费,否则造成日结与交班金额不相对应。 2008-08-23 V7.19: 1、超市(101)规格可以修改 2、查找时对于编码按相似进行查,如01,只查前面是01的编码. 2008-08-26 V7.19: 1、超市(101)货品资料录入相关修改,做好价钱明了 2、主画面显示不同版 3、初始化库存针对超市隐藏双单位 4、前台批发零售的价钱错 5、加入启用帐套提示 2008-08-30 V7.20: 1、IC卡的加入折扣,范围为70-100%。折扣以零售价记,高于会员价促销价取会员价及促销价。积分系数为0不折。 2、普通会员卡,退货时要输入用户及密码。收银员不能退货,主管才行。 3、会员卡前台密码,收银员不能看。 4、修正现金银行汇总表和现金银行明细表的问题 (RP_Bank_Total.sql,RP_Cash_Detail.sql) 5、增加“会员卡POS单明细表”打印报表 (修改vCardsPOS.sql,RP_CardsPos.sql)和销售赠送明细表.frf和班次销售汇总表.frf 2008-09-16 V7.20: 1、超市(101)货品资料新增时资料库有,用osh登录自动保存新增。加快录入速度 2009-02-2 V7.21: 1、库存只用qty保存数(零数),件=qty/规格,进价只用inprice(零数) 2、增加dataflowd保存操作的修改情况 3、菜单位置的变动 4、帐套启用后,不可修改系统信息的软件类型,双单位变动。在帐套清空后,可以重做此设置。 5、月末处理后(2009-1-31),月初为下一个日期开始计算,当日不可再做单。即当月进出数=2009-2-1到2009-2-28 2009-02-2 V7.21: 1、增加删除基本资料权限(不管发生单据与否,可以删除),无此权限,只能删除未发生业务的资料 2、未注册,清空高级权限 3、增加softtype软件类型表, softini软件设置表.用来进行不同软件的显示设置 所有功能。 4、不同的软件用不同的注册序号(在加密狗的不同区),有的功能未做区别。总经理狗可用 2009-03-25 V7.21: 1、更新直拨单,针对酒店仓库使用。

27,580

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server 应用实例
社区管理员
  • 应用实例社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧