2.6 KiB
2.6 KiB
Session: 2026-05-22 17:29:56 GMT+8
- Session Key: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
- Session ID: 5d2cde13-ef0f-49cb-88f1-4f98012dac78
- Source: feishu
Conversation Summary
user: 在最近14天里面，没有完课行为的付费用户，占总付费用户的比例有多少？其中LV1的有多少，LV2的有多少？ assistant: 承龙，数据出来了。以下是最近14天（2026-05-09 ~ 2026-05-22）无完课行为的付费用户统计：
总体：
- 总付费用户：4,516 人
- 近14天无完课行为：2,753 人，占比 61.0%
按课程等级拆分：
| 等级 | 总付费用户 | 无完课用户 | 占比 |
|---|---|---|---|
| L1（仅） | 250 | 95 | 38.0% |
| L2（仅） | 2,235 | 1,677 | 75.0% |
| L1+L2 | 2,024 | 974 | 48.1% |
| 其他 | 7 | 7 | 100% |
关键发现：
-
L2用户中无完课行为比例最高（75.0%），远超L1（38.0%），差了近一倍
-
L1+L2用户居中（48.1%），说明同时拥有两级的用户活跃度介于中间
-
说明口径确认：
- 付费用户 = 有支付成功订单且测试账号已剔除（account status=1, order_status 3或4）
- 完课行为 =
bi_user_chapter_play_record中play_status=1的课时完成记录（跨8张分表联合查询） user: 允许 assistant: 收到，这个口径可以确认了。需要我基于这些数据做进一步分析吗？比如：
-
无完课用户中，按购买时间/渠道等维度再拆分看看有没有规律
-
拉一份详细名单导出 user: 统计时剔除退费订单，只统计order_status=3就可以了 assistant: 明白，剔除退费订单，付费用户只保留
order_status = 3（已完成）。我重新跑一下。 assistant: 已更新，剔除退费订单后口径如下：
（付费用户 = order_status = 3，即已完成订单，不含退费）
总体：
- 总付费用户：3,212 人
- 近14天无完课行为：1,497 人，占比 46.6%
按课程等级拆分：
| 等级 | 总付费用户 | 无完课用户 | 占比 |
|---|---|---|---|
| L1（仅） | 219 | 57 | 26.0% |
| L2（仅） | 1,575 | 1,019 | 64.7% |
| L1+L2 | 1,414 | 417 | 29.5% |
| 其他 | 4 | 4 | 100% |
结论和之前方向一致：L2 用户无完课比例（64.7%）远超 L1（26.0%），差距接近 2.5 倍。
user: 把这个计算口径写到你的长期记忆中
assistant: 已写入 MEMORY.md，在「核心业务指标口径定义」部分新增了「近14天无完课行为付费用户占比」条目，包含付费用户定义、完课行为定义、关联路径、分表查询方式和 L1/L2 拆分规则。