ai_member_xiaoxi/memory/2026-05-22-1758.md
2026-05-23 08:00:01 +08:00

181 lines
6.0 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# Session: 2026-05-22 17:58:07 GMT+8
- **Session Key**: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
- **Session ID**: 47e89b7f-7bb3-45d3-822d-d11363a3a8b9
- **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: 查询结果出来了,整理如下:
---
**近14天2026-05-09 ~ 2026-05-22无完课行为付费用户统计**
| 用户等级 | 总付费用户 | 近14天无完课 | 无完课占比 |
|---------|-----------|------------|----------|
| L1+L2 | 1,414 | 416 | 29.4% |
| 仅L1 | 219 | 57 | 26.0% |
| 仅L2 | 1,575 | 1,019 | **64.7%** |
| 其他 | 4 | 4 | 100.0% |
| **合计** | **3,212** | **1,496** | **46.6%** |
---
**口径说明:**
- **付费用户:** 已完成订单(`order_status=3`),剔除测试账号,按 `goods_id` 判定 L1/L2
- **完课行为:** `bi_user_chapter_play_record` 8张分表中`play_status=1` 的正常完成课时记录
- **关联路径:** `account_id``character.id`(user_id) → 完课记录
**几个重点:**
1. 整体近一半46.6%的付费用户在近14天没有完课行为
2. **仅L2用户问题最突出**1,575人中1,019人无完课占比高达 64.7%
3. 仅L1用户26.0%和L1+L2用户29.4%)相对较好
4. "其他"类别只有4人旧版通行券等可忽略
需要我进一步按其他维度拆分吗?比如按注册时间、按渠道等。
user: 这些用户的goods_id都有哪些
assistant: 已知的 goods_id 映射已有记录,我直接用现有映射整理结果:
---
**各等级付费用户的 goods_id 分布**
### L1+L21,414人
| goods_id | 商品名称 | 覆盖用户数 |
|----------|---------|-----------|
| 61 | 瓦拉英语level1+2 | 1,387 |
| 31 | 瓦拉英语level2 / 年包 | 119 |
| 60 | 瓦拉英语level1·单季 | 26 |
| 57 | 瓦拉英语level1 | 2 |
| 32 | 瓦拉英语单季度包 | 3 |
> L1+L2 用户中绝大部分98%)是直接买了 goods_id=61level1+2 组合包);少数是通过分别买 L1 和 L2 商品进入此分类。
### 仅L1219人
| goods_id | 商品名称 | 覆盖用户数 |
|----------|---------|-----------|
| 60 | 瓦拉英语level1·单季 | 161 |
| 57 | 瓦拉英语level1 | 58 |
### 仅L21,575人
| goods_id | 商品名称 | 覆盖用户数 |
|----------|---------|-----------|
| 31 | 瓦拉英语level2 / 年包 | 1,434 |
| 32 | 瓦拉英语单季度包 | 139 |
| 33 | 瓦拉英语季度包 | 9 |
> goods_id=54三季度课包无人购买。
### 其他4人
| goods_id | 商品名称 | 覆盖用户数 |
|----------|---------|-----------|
| 0 | 旧版通行券 | 2 |
| 10 | 旧版通行券 | 1 |
| 37 | 旧版通行券 | 1 |
---
**关键发现:**
- 仅L2用户中91%1,434/1,575买的是 goods_id=31年包但这些人近14天无完课占比高达 64.7%
- L1+L2 用户几乎都走组合包goods_id=61完课行为相对健康
- 仅L1用户量少但完课保持最好
user: 对于最近14天无完课行为的1496人来说他们最后一次完课记录都分布在LV1和LV2的哪个Unit
assistant: 这样做可能比较慢,我先优化一下查询——只扫描无完课用户的记录:
assistant: 结果出来了,让我整理清楚。
---
**近14天无完课的 1,496 人,最后一次完课位置分布:**
> 其中 **304 人无任何历史完课记录**(买了课但从未完成过任何课时),剩余 **1,192 人的最后完课分布如下:**
### L1 最后完课分布366人
| 单元 | 人数 | 占比 |
|------|------|------|
| U00 | 151 | 41.3% |
| U01 | 80 | 21.9% |
| U02 | 56 | 15.3% |
| U03 | 28 | 7.7% |
| U04 | 14 | 3.8% |
| U05 | 14 | 3.8% |
| U06 | 12 | 3.3% |
| U07 | 5 | 1.4% |
| U08 | 2 | 0.5% |
| U09 | 4 | 1.1% |
> **78.5% 的 L1 用户卡在 U00-U02前3个单元**
### L2 最后完课分布826人
| 单元 | 人数 | 单元 | 人数 |
|------|------|------|------|
| U00 | 216 | U13 | 3 |
| U01 | 188 | U14 | 7 |
| U02 | 129 | U15 | 9 |
| U03 | 70 | U17 | 2 |
| U04 | 58 | U18 | 5 |
| U05 | 29 | U19 | 2 |
| U06 | 24 | U20 | 3 |
| U07 | 31 | U23 | 1 |
| U08 | 11 | U24 | 1 |
| U09 | 11 | U27 | 1 |
| U10 | 3 | U29 | 4 |
| U11 | 6 | | |
| U12 | 12 | | |
> **64.5% 的 L2 用户卡在 U00-U02但有一条延伸到 U29 的稀疏长尾**
---
**关键发现:**
1. **买课不学很严重**304/1,496 = 20.3% 的人买了课从没完成过任何一个课时
2. **早期流失是核心问题**在有完课记录的人中L1 的 78.5% 和 L2 的 64.5% 都停在了前 3 个单元
3. **L2 长尾更长**L2 有人推到 U29但非常稀疏说明坚持到后面的是极少数
4. L1 几乎全部集中在 U05 以内,说明 L1 的内容深度决定了它的停留集中度
user: 你再帮我跑一下对于最后一次完课在LV1的U00的151人和LV2的U00的216人其完课记录在U00的Lesson1到Lesson5之间是怎么分布的
assistant: 结果如下:
---
**最后完课在 U00 的用户,按 Lesson 分布:**
### L1 U00151人
| 课时 | 用户数 | 占比 |
|------|--------|------|
| L01 | 37 | 24.5% |
| L02 | 25 | 16.6% |
| L03 | 23 | 15.2% |
| L04 | 17 | 11.3% |
| L05 | 49 | **32.5%** |
### L2 U00216人
| 课时 | 用户数 | 占比 |
|------|--------|------|
| L01 | 44 | 20.4% |
| L02 | 42 | 19.4% |
| L03 | 36 | 16.7% |
| L04 | 22 | 10.2% |
| L05 | 72 | **33.3%** |
---
**特征很明显——呈"U型"分布:**
- **L01 是第一个流失高峰**L1 有 24.5%、L2 有 20.4% 的用户学完第一课就停了——也就是刚进门就放弃了
- **L02-L04 逐步递减**:中途流失的用户相对均匀
- **L05 是最大的集中点**L1 32.5%、L2 33.3% 的用户完成了整个 U00 但在迈入 U01 之前停下来了——**这部分人学完一个完整单元后就不再继续**
L1 和 L2 的分布模式高度一致,说明这是结构性问题,跟等级本身关系不大。一个单元完成后是最容易流失的节点。
user: 。reset
assistant: 好的,上下文已重置。有什么需要查的随时说 📊