标签：需求 分析 relationship 有效 id customer 维度 看板 线索

需求一:
	统计期内，访客咨询产生的有效线索的占比。有效线索量 / 咨询量，有效线索指的是拿到电话且电话有效。
	指标：有效线索量
	维度: 
		时间维度 : 年、月、天
		线上线下
		
		
需求二:
	统计期内，1-24h之间，每个时间段的有效线索转化率。横轴：1-24h，间隔为1h，纵轴：每个时间段的有效线索转化率。
	指标：有效线索量
	维度:
		时间维度: 小时
		线上线下
	
需求三: 
	统计期内，新增的咨询客户中，有效线索的数量。
	
	指标: 有效线索量
	维度:
		时间维度 : 年、月、天
		线上线下
		新老维度

基于以上三个需求总结如下: 
	指标: 有效线索量
	
	维度: 固有维度
		时间维度: 年 月 天 小时
		线上线下维度
		新老维度
通过提供的查询SQL: 可以确定涉及的表 及其相关的字段
	涉及表: 
		customer_clue 线索表
		customer_relationship 意向表
		customer_appeal 投诉表
	涉及字段: 
		customer_clue线索表:
					clue_state: 用于判断是否为新老客户
						'VALID_NEW_CLUES' 1      --新客户新线索
						'VALID_PUBLIC_NEW_CLUE'	2 --老客户新线索
						其余为无效 0
					customer_relationship_id : 可基于投诉表 从中找到无效线索 用于过滤线索表中字段数据
					deleted : 用于去除以标记为删除的数据
					create_date_time: 时间字段
		
		customer_relationship意向表:
					origin_type : 用于判断线上线下
						NETSERVICE | PRESIGNUP 为线上1  其余为线下0
		customer_appeal投诉表: 
					appeal_status : 1 标识无效  其余都表示有效
					customer_relationship_first_id  必须保证此值不为 0 时 才认为是有客户
					WHERE appeal_status = 1 AND customer_relationship_first_id != 0   得到的是无效线索的
					筛选无效数据条件:
							ca.appeal_status = 1  AND ca.customer_relationship_first_id != 0
	关联条件: 
		线索表.customer_relationship_id = 意向表.id
		投诉表.customer_relationship_first_id = 意向表.id
		

	指标: 有效线索量
	
	维度: 固有维度
		时间维度: 年 月 天 小时
		线上线下维度
		新老维度		

标签：需求,分析,relationship,有效,id,customer,维度,看板,线索
来源： https://blog.51cto.com/u_15277063/3023800

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。