5.0 KiB
Session: 2026-05-22 17:21:50 GMT+8
- Session Key: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
- Session ID: c16efa36-0bd0-4559-b566-3c0f664d56b1
- Source: feishu
Conversation Summary
assistant: 承龙,你发来的文件里有 1113 条手机号。当前脚本配置的查询范围是:
- L2 S0 U00 L01-L05(id: 55-59)
- L1 S0 U00 L01-L05(id: 343-348)
也就是 U0 单元全部 10 节课的首次完成记录(含耗时)。
需要我直接按这个范围跑查询吗?还是你想查其他课时? user: 通过手机号匹配用户ID,看看能匹配到多少用户ID。 assistant: 匹配完成:
| 统计项 | 数量 | 占比 |
|---|---|---|
| 文件原始行数 | 1113 | - |
| 去重后手机号 | 913 | 100% |
| 匹配成功 | 124 | 13.6% |
| 未匹配 | 789 | 86.4% |
匹配率偏低,大部分手机号在线上正式库中没有注册记录(很多可能是销售线索/未注册用户)。
结果已保存到 output/phone_match_result_20260522_161539.xlsx,需要我发给你吗?或者需要进一步做课时查询?
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: 结果出来了。口径说明:付费用户 = 历史有过已完成/已退款订单的非测试账号,完课行为 = play_status=1 的课时完成记录。
最近14天(5/8~5/21)无完课行为的付费用户占比
| 类别 | 总付费用户 | 无完课 | 占比 | 有完课 |
|---|---|---|---|---|
| 总体 | 4,367 | 2,583 | 59.1% | 1,784 |
| 仅L1 | 249 | 90 | 36.1% | 159 |
| 仅L2 | 2,090 | 1,525 | 73.0% | 565 |
| L1+L2 | 2,021 | 961 | 47.6% | 1,060 |
| 其他 | 7 | 7 | 100% | 0 |
几个要点:
- 近六成付费用户最近14天没上过一节课,整体活跃度偏低
- 仅L2用户最严重:73% 处于沉默状态,仅L2又占付费用户近一半(2,090/4,367=48%)
- L1用户最活跃:仅L1的沉默率仅 36.1%,远好于L2
- L1+L2 沉默率居中(47.6%),但也在半数左右 user: 说一下仅L1、仅L2和L1+L2的口径 assistant: 当前用的口径(来自之前你确认过的规则):
商品分类:
| 类别 | goods_id | 对应产品 |
|---|---|---|
| L1 | 57, 60, 63 | 瓦拉英语level1 / level1·单季 |
| L2 | 31, 32, 33, 54 | 瓦拉英语level2/年包/单季度包/三季度课包/季度包 |
| L1+L2 | 61 | 瓦拉英语level1+2 |
用户分类逻辑: 汇总该用户所有已完成/已退款订单(order_status IN 3,4)的 goods_id,然后:
- 仅买过 L1 商品 → 仅L1
- 仅买过 L2 商品 → 仅L2
- 买过 goods_id=61(L1+L2商品),或同时买过 L1 和 L2 商品 → L1+L2
- 只买过旧版通行券等其他 goods_id → 其他(仅7人)
这个口径需要调整吗?
user: 统计的时候剔除了退费订单么
assistant: 没有剔除。当前的付费用户定义是:只要有过 order_status IN (3, 4) 且 pay_success_date IS NOT NULL 的订单就算付费用户,包含了已退费的订单。
需要调整吗?比如:
- 方案A:剔除所有订单均已退费的用户(至少保留一笔未退款订单才算付费用户)
- 方案B:其他口径?
user: 需要剔除已退费的订单然后再进行统计
assistant: 明白,剔除退费订单后重新统计。退费判定:
bi_refund_order.status=3且bi_vala_order.order_status=4。 assistant: 剔除退费订单后的结果:
最近14天(5/8~5/21)无完课行为的有效付费用户占比
| 类别 | 总付费用户 | 无完课 | 占比 | 有完课 |
|---|---|---|---|---|
| 总体 | 3,074 | 1,338 | 43.5% | 1,736 |
| 仅L1 | 219 | 53 | 24.2% | 166 |
| 仅L2 | 1,434 | 870 | 60.7% | 564 |
| L1+L2 | 1,417 | 411 | 29.0% | 1,006 |
| L1相关(含L1+L2) | 1,636 | 464 | 28.4% | 1,172 |
| L2相关(含L1+L2) | 2,851 | 1,281 | 44.9% | 1,570 |
剔除退费前后的对比:
| 指标 | 剔除前 | 剔除后 | 变化 |
|---|---|---|---|
| 总付费用户 | 4,367 | 3,074 | -1,293 |
| 无完课占比 | 59.1% | 43.5% | -15.6pp |
| 仅L2减少 | 2,090 | 1,434 | -656 |
退费用户占原来口径近30%,剔除后整体沉默率从59.1%降到43.5%。但仅L2用户的沉默率(60.7%)依然是最大问题,明显高于仅L1(24.2%)和L1+L2(29.0%)。
user: 不需要这么麻烦,只统计order_status=3就可以了
assistant: 明白,直接用 order_status=3 最简单。
assistant: 结果(order_status=3,即仅已完成未退款订单):
最近14天(5/8~5/21)无完课行为付费用户
| 类别 | 总付费用户 | 无完课 | 占比 | 有完课 |
|---|---|---|---|---|
| 总体 | 3,071 | 1,335 | 43.5% | 1,736 |
| 仅L1 | 219 | 53 | 24.2% | 166 |
| 仅L2 | 1,434 | 870 | 60.7% | 564 |
| L1+L2 | 1,414 | 408 | 28.9% | 1,006 |
- 仅L1 最活跃(24.2% 沉默)
- 仅L2 最沉默(60.7%)
- L1+L2 居中(28.9%)