gmv归因必须处理用户行为路径与成交归属的时序错位问题，如浏览、加购、下单跨多日时，需精准锚定首次来源、最近一次有效行为或跨会话链路，而非简单按订单时间加总。
什么是GMV归因中必须处理的时序逻辑问题
电商GMV归因不是简单按订单时间加总，而是要解决「用户行为路径与成交归属」之间的时序错位。比如用户3月1日浏览A商品、3月5日加购B商品、3月8日下单C商品——这笔GMV该归给哪次触点？窗口函数本身不决定归因模型，但它能帮你精准锚定“最近一次有效行为”“首次来源渠道”“跨会话行为链”这些关键时序节点。
LAG() 和 LEAD() 怎么用在行为序列打标上
这两个函数是构建用户行为时间差的基础。重点不是查前/后一行，而是结合 PARTITION BY user_id ORDER BY event_time 做会话切分和路径标记。
常见错误：直接对全表用 LAG(event_time)，结果把不同用户的事件混在一起计算间隔。
- 正确做法：先按
user_id分组，再按event_time排序，否则LAG()返回的是全局上一行，不是该用户上一次行为 - 实用技巧：用
LAG(event_type) OVER (PARTITION BY user_id ORDER BY event_time)判断是否发生“浏览→加购”跃迁 - 注意性能：大表慎用多层嵌套
LAG()，建议先过滤出近30天活跃用户再计算
用 ROW_NUMBER() + MAX() OVER 锁定首单/末单归因口径
归因策略不同，窗口写法差异很大。比如“首触点归因”要取每个用户最早一次广告点击，“末触点归因”则要取成交前最后一次非自然流量来源。
典型错误：用 WHERE rn = 1 后再 JOIN 订单表，导致丢失无行为记录的纯搜索成交订单。
- 首触点：用
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY event_time)标记首次曝光，再关联到该用户首笔订单 - 末触点：先用
MAX(event_time) FILTER (WHERE channel != 'organic') OVER (PARTITION BY user_id)找出最后付费渠道时间，再匹配最接近且早于订单时间的行为 - 兼容性提醒：
FILTER在 PostgreSQL 9.4+ 支持，MySQL 需改用CASE WHEN+MAX()
为什么 LAST_VALUE() 经常返回错误结果
这个函数默认窗口帧是 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，但多数人想要的是“到当前行为为止的最新非空值”，结果发现它总返回当前行自己的值，或 NULL。
根本原因：没显式指定 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，且没处理 NULL。
- 必须加
IGNORE NULLS（PostgreSQL / BigQuery 支持；Spark SQL 需用COALESCE(LAST_VALUE(col IGNORE NULLS), FIRST_VALUE(col))） - MySQL 8.0 不支持
IGNORE NULLS，得用变量模拟：先ORDER BY user_id, event_time，再用@last_channel := IF(channel IS NOT NULL, channel, @last_channel) - 别忘了
PARTITION BY user_id，否则跨用户污染状态
时序归因真正的难点不在函数语法，而在于行为定义是否闭环——比如“加购后72小时内下单才算有效路径”，这种业务规则必须前置清洗进行为表，不能靠窗口函数现场判断。
