SQL统计分组内活跃用户留存率_利用聚合与时间窗口

雨强小哥_8707

雨强小哥_8707

2026-05-03

507人浏览

原创

分组内留存率必须按分组维度(如channel、user_id)重新计算每个用户的首次登录日,否则沿用全局首次日期会导致分母混入其他组用户而失真;正确做法是在子查询或窗口函数中PARTITION BY channel, user_id,确保首日与回访均绑定同一分组。

sql统计分组内活跃用户留存率_利用聚合与时间窗口

分组内留存率不能直接套用全局留存SQL,必须先按分组切片,再对每组独立跑首次登录→回访判断逻辑,否则分母混入其他组用户,结果完全失真。

为什么GROUP BY分组后直接算留存会出错

常见错误是写成 SELECT channel, COUNT(DISTINCT user_id) AS new_cnt, COUNT(DISTINCT CASE WHEN login_date = DATE_ADD(first_login, INTERVAL 1 DAY) THEN user_id END) AS day1_retained FROM ... GROUP BY channel ——但这里 first_login 如果没在子查询里按 channel + user_id 重新计算,就会沿用全局首次登录日,导致某渠道新用户被算进其他渠道的分母。

根本问题在于:留存率的“首日”必须是该分组内用户的首次行为日,不是全量用户的首次行为日。

  • 分组维度(如 channel、device_type、region)必须参与 MIN(login_date) 的 PARTITION BY 或 GROUP BY
  • 如果用窗口函数,PARTITION BY channel, user_id 才能保证每个用户在本渠道内的首次登录被正确识别
  • 如果用子查询,GROUP BY channel, user_id 是底线,漏掉 channel 就等于没分组

用CTE分步实现分组内首日+回访匹配

推荐结构清晰、各数据库兼容性好的写法,避免窗口函数版本依赖:

以渠道(channel)为分组,计算各渠道次日留存:

WITH daily_login AS (
  SELECT DISTINCT user_id, channel, DATE(login_time) AS login_date
  FROM user_behavior 
  WHERE event_type = 'login'
),
first_by_channel AS (
  SELECT user_id, channel, MIN(login_date) AS first_date
  FROM daily_login
  GROUP BY channel, user_id
),
retention_match AS (
  SELECT 
    f.channel,
    f.user_id,
    f.first_date,
    d.login_date AS day1_date
  FROM first_by_channel f
  LEFT JOIN daily_login d 
    ON f.user_id = d.user_id 
    AND d.channel = f.channel 
    AND d.login_date = DATE_ADD(f.first_date, INTERVAL 1 DAY)
)
SELECT 
  channel,
  COUNT(*) AS new_user_cnt,
  COUNT(day1_date) AS retained_cnt,
  ROUND(COUNT(day1_date) * 100.0 / COUNT(*), 2) AS day1_retention_rate
FROM retention_match
GROUP BY channel;

关键点:

  • daily_login 先去重,避免同用户同渠道单日多次登录干扰 MIN()
  • first_by_channel 的 GROUP BY channel, user_id 是分组留存的锚点,不可省略
  • LEFT JOIN 条件中必须显式带上 d.channel = f.channel,否则跨渠道误匹配
  • MySQL 用 DATE_ADD(... INTERVAL 1 DAY);PostgreSQL 改为 f.first_date + INTERVAL '1 day'

窗口函数写法(MySQL 8.0+/PostgreSQL)更紧凑但需防坑

适合已确认数据库版本、且想减少JOIN层级的场景:

WITH ranked AS (
  SELECT 
    user_id,
    channel,
    DATE(login_time) AS login_date,
    MIN(DATE(login_time)) OVER (PARTITION BY channel, user_id) AS first_date,
    DATEDIFF(DATE(login_time), MIN(DATE(login_time)) OVER (PARTITION BY channel, user_id)) AS day_diff
  FROM user_behavior 
  WHERE event_type = 'login'
)
SELECT 
  channel,
  COUNT(DISTINCT CASE WHEN day_diff = 0 THEN user_id END) AS new_user_cnt,
  COUNT(DISTINCT CASE WHEN day_diff = 1 THEN user_id END) AS retained_cnt,
  ROUND(
    COUNT(DISTINCT CASE WHEN day_diff = 1 THEN user_id END) * 100.0 / 
    NULLIF(COUNT(DISTINCT CASE WHEN day_diff = 0 THEN user_id END), 0), 
    2
  ) AS day1_retention_rate
FROM ranked
WHERE day_diff IN (0, 1)
GROUP BY channel;

注意:

  • PARTITION BY channel, user_id 缺一不可;只写 user_id 会拉错首次日期
  • WHERE day_diff IN (0, 1) 要放在外层,不能在窗口内过滤,否则 MIN() 计算不完整
  • 用 NULLIF(..., 0) 防止某渠道无新用户时除零错误
  • Hive 旧版可能不支持 MIN() OVER,需降级用子查询

最易被忽略的是:分组维度一旦引入,所有“首次”“回访”“时间差”的计算都必须和该维度强绑定。哪怕只是加一个 WHERE channel = 'ios',也不能替代在 PARTITION BY 或 GROUP BY 中显式声明——因为留存是用户生命周期行为,不是快照统计。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

2023.06.21

6256

5

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

2025.12.08

1269

12

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

2026.01.05

243

5

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

2026.01.05

526

22

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

2023.10.12

4903

8

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2023.10.27

991

4

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

2024.02.23

1289

5

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

6941

10

sql procedure语法错误解决方法
sql procedure语法错误解决方法

sql procedure语法错误解决办法:1、仔细检查错误消息;2、检查语法规则;3、检查括号和引号;4、检查变量和参数;5、检查关键字和函数;6、逐步调试;7、参考文档和示例。想了解更多语法错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

3623

4

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习