lead()和lag()必须配合partition by user_id与order by login_date（建议加id防抖动），否则逻辑错误；次日留存需用timestampdiff(day, login_date, next_login) = 1判断，分母应为观察期内首次登录用户数。
LEAD() 和 LAG() 必须配 PARTITION BY + ORDER BY，否则结果错乱
单独写 LEAD(login_date) OVER (ORDER BY login_date) 会让所有用户混排，张三的登录日可能被李四的日期“顶替”，MySQL 8.0+ 直接报错，PostgreSQL 虽不报错但结果不可复现。这不是性能问题，是逻辑崩塌。
真正有效的写法必须同时满足：
-
PARTITION BY user_id：确保只在同一个用户内找“下一次”或“上一次”行为 -
ORDER BY login_date：显式声明顺序；若存在秒级并发（比如同天多条记录），建议追加id防止排序抖动，例如ORDER BY login_date, id - 不能省略
ORDER BY—— 即使表有主键或索引，窗口函数也不保证默认顺序
算次日留存别只看 LEAD() 是否非空，得做日期差判断
WHERE next_login IS NOT NULL 统计的是“后续有行为的用户”，不是“次日就回来的用户”。真实留存要验证时间间隔是否刚好为 1 天。
正确做法是用 TIMESTAMPDIFF(DAY, login_date, next_login) = 1：
- 别用
DATE_ADD(login_date, INTERVAL 1 DAY) = next_login：跨月时会出错（如 '2026-01-31' + 1 DAY ≠ '2026-02-01'） - 更别用字符串截取或
DAYOFWEEK()：它们无法识别实际时间跨度 -
LEAD(login_date) OVER (PARTITION BY user_id ORDER BY login_date)只负责取值，判断逻辑必须另写
LAG() 不只是“取上一行”，它能锚定首次行为和识别断连
很多人把 LAG() 当成可有可无的辅助函数，其实它在留存分析里承担两个关键任务：
- 识别首次登录：
LAG(login_date) OVER (PARTITION BY user_id ORDER BY login_date)返回NULL的行，就是该用户的首条记录 - 支撑多日归因：比如算 7 日留存，用
LAG(login_date, 6)拿到 7 天前的日期，再比对是否连续活跃 -
LAG()默认返回NULL，若需占位值（如 0 或 'N/A'），必须显式传第三个参数：LAG(login_date, 1, '1970-01-01')
分母必须是“观察期内新用户”，不是当天活跃用户总数
直接 COUNT(DISTINCT user_id) 当分母，会把老用户也计入，导致留存率被严重稀释。真正的分母是“在指定时间段内首次登录的用户数”。
实现路径分两步：
- 先用窗口函数打标：
MIN(login_date) OVER (PARTITION BY user_id)得到每个用户的first_login - 再过滤：
WHERE first_login BETWEEN '2026-05-01' AND '2026-05-07' - 原始数据含脏数据（如
'0000-00-00'、NULL）时，务必前置清洗：WHERE login_date >= '2026-01-01' AND login_date IS NOT NULL
漏掉“首次”这个前提，整个留存率就失去业务意义——你算的不是新用户留存，而是所有用户的行为密度。
