每日新增用户指用户首次出现的日期所对应的用户数，即每个用户仅在其最早行为日被计为新增，后续行为不重复计入；需用MIN()窗口函数按user_id标记首现日，再按该日去重计数。
什么是“每日新增用户”的正确定义
新增用户不是当天注册数，而是首次出现的用户。比如用户A在1月1日注册，1月3日又登录一次，他只算作1月1日的新增——后续行为不重复计入。窗口函数本身不生成新行，所以必须先标记每个用户的首次行为时间，再按天聚合。
用 MIN() + PARTITION BY user_id 标记首日
核心思路：对每个 user_id 计算其最早出现的日期（如 event_time 或 register_time），作为该用户的“新增日”。这一步必须用 MIN() 窗口函数，不能用 GROUP BY，否则会丢失原始行粒度，无法后续按天统计。
SELECT user_id, event_time::DATE AS event_date, MIN(event_time::DATE) OVER (PARTITION BY user_id) AS first_date FROM events;
-
event_time::DATE强制转日期，避免时间戳干扰分组 - 若源表无明确注册时间，用行为日志中的最早
event_time是常见替代方案 - PostgreSQL/MySQL 8.0+/Snowflake 都支持；SQLite 不支持窗口函数，需换写法
用 COUNT(DISTINCT) 统计每日新增数
上一步得到每行对应的 first_date 后，只需按该列 GROUP BY 并计数。注意必须用 COUNT(DISTINCT user_id)，因为一个用户可能在首日有多条记录（如注册+完善资料），不能简单 COUNT(*)。
SELECT
first_date AS day,
COUNT(DISTINCT user_id) AS new_users
FROM (
SELECT
user_id,
MIN(event_time::DATE) OVER (PARTITION BY user_id) AS first_date
FROM events
) t
GROUP BY first_date
ORDER BY first_date;
- 如果想补全无新增的日期（如显示连续7天含0值），需额外
LEFT JOIN日期维表 - 性能敏感时，建议在
user_id和event_time上建复合索引 - BigQuery 中可改用
ARRAY_AGG(user_id ORDER BY event_time LIMIT 1)替代窗口函数，但语义等价性需验证
容易被忽略的边界情况
真实数据里，“新增”常被业务定义悄悄修改：是否排除测试账号？是否过滤机器人UA？是否要求完成手机号验证才算？这些逻辑必须在子查询中前置过滤，而不是加在窗口函数之后——否则会污染 MIN() 结果。
- 未过滤脏数据：某运营账号一天刷1000次注册，
MIN()仍把它当真实用户 - 时间字段为空：
MIN(NULL)返回 NULL，该用户会被漏掉，需加WHERE event_time IS NOT NULL - 跨时区场景：服务器时间 vs 用户本地时间，
event_time::DATE可能切错天，应统一转为 UTC 再截日期
实际跑通的关键，往往不在窗口函数语法本身，而在怎么干净地把“首次有效行为”从原始日志里抠出来。
