数据分析师如何自力更生统计用户行为频次？
不懂数据分析的 growth hacker 不是好运营。近日我想要统计我家产品 xue.cn 用户的编程自学行为的频次，且在不给技术开发部门带来任何新需求的情况下自力更生。那么，我该如何定义并统计这个数据指标呢？
1、定义学习这个行为。
某些行为是单个事件，某些行为是多种事件的组合。
xue.cn 用户的编程自学行为包括：完成某书一个章节的阅读、完成一道习题、获得一个成就、提交一次评论，完成一次心得打卡等，未来还会有更多。不过，虽然我们有聊天室，但因为使用的是 gitter ，所以数据采集并不容易，这个行为就暂忽略。
以上编程自学行为事件数据分布在产品数据库的多个表中。
2、日志数据的初步筛选。
通过在多个表中联合查询 user_id，事件发生日期得到每个 user_id 有学习行为的日期数据，我的 sql 语句是这么写的：
with data_study as( -- 获取有学习行为的用户名单及学习事件发生时间
select
date(created_at) as time,
user_id
from user_comment
union all
select
date(created_at) as time,
user_id
from user_activity
union all
select
date(created_at) as time,
user_id
from study_card
)
select -- 获取学习用户的学习日期数据
user_id,
min(time) -- 某天有多次学习行为，仅取一条即可
from data_study
group by user_id,time
order by user_id
3、统计的基准线
游客体验功能是近期刚上线的。已有的学习行为数据，属于较早版本，那时用户产生学习行为的前提是至少完成一次时长兑换或小额RMB充值，所以本次我以用户首次付费的日期作为统计的基准线。
从日志数据筛选获取用户的首次付费日期数据，我的 sql 语句是这么写的：
with data as( -- 获取用户付费日期
select
user_id,
used_at as 付费日期
from
free_coupons
where
user_id is not null
union all
select
user_id,
created_at as 付费日期
from
rmb_order
where order_status = 'PAY_SUCCESS'
)
select -- 筛选付费用户的首次付费日期
user_id,
date(min(付费日期)) as reg_date
from
data
group by
user_id
4、统计与分析
至此，有用的数据已从日志中初步筛选统计得到。接下来，用学习日期 - 首次付费日期得到血虚行为发生于首次付费后的第N天。其后统计：
- A：首次付费后的第N天仍有学习行为的用户数。
- B：首次付费后的第N周（取值0至8），学习天数达到M天（取值1至7）的的用户数。
A可作为付费版留存率数据。B则是学习频次分布数据。
因为我对复杂的 sql 运算还不熟练，所以实操时把第 2 和 3 步的结果从 grafana导出为 csv 文件，然后采用excel，部分指标则采用 python pandas完成演算。
5、精细选择用户群体
虽然当前 xue.cn 功能已经完善很多，其实我们是上半年刚立项，这半年多持续开发，某些学习功能在早期并未提供。于是，为了获取更可信、有效的数据，需要剔除早期批次的用户。
具体来说，根据用户首次付费日期，按月拆分用户批次，再拆分统计学习行为数据较为完善的近期批次数据。
6、小结
以上就是我完成 xue.cn 用户学习频次指标的指定与统计分析的实操过程。这次数据洞察探索，帮我发现好几处增长线索。
笔记的第4、5步对于运营、市场人员都是常用操作，我就不详细贴步骤或演算方式啦。而前面的第2、3步，我是通过 grafana 直接用查询语句与我们家产品的数据库交互。之前我写过一篇 grafana 的上手笔记，它还是相当简易的。——具体到我的本次需求来说，是否采用 grafana 不关键，grafana 只是一种工具，关键是要能与产品数据库交互拿到原始数据。
笔记虽然解决的是编程自学行为，是我家产品为用户所提供价值的核心表现，但思路也可借鉴用于其它产品、其它行为频次的统计。如果对你有帮助或启发，那就点赞或留言告诉我，鼓励我分享更多笔记吧！
