SQL164 2021年11月每天新用户的次日留存率

思路

1. ​找出新用户​：确定每个用户首次活跃的日期（即新用户）

   • 例如101用户在11月1日首次出现

2. ​处理跨天活跃​：考虑用户可能跨天活跃的情况（in_time和out_time不在同一天）

   • 例如用户可能在11月1日23:50进入，11月2日00:10离开，则算作两天都活跃

3. ​计算次日留存​：

   • 对每个新用户，检查他们首次活跃后的第二天是否仍然活跃
   • 使用LEAD窗口函数高效获取用户下一次活跃日期

4. ​计算留存率​：

   • 每天的新用户数作为分母
   • 第二天仍然活跃的新用户数作为分子
   • 两者相除得到留存率，保留2位小数

最终输出2021年11月每天新用户的次日留存率，按日期排序。

代码

WITH 
-- 获取每个用户的最早活跃日期作为其首次出现日期
first_occurrence AS (SELECT uid,DATE(MIN(in_time)) AS first_dtFROM tb_user_logGROUP BY uid
),-- 获取每个用户每天活跃的记录（处理跨天情况）
user_active_dates AS (SELECT DISTINCT uid,DATE(in_time) AS active_dateFROM tb_user_logUNIONSELECT DISTINCT uid,DATE(out_time) AS active_dateFROM tb_user_log
),-- 为每个用户按日期排序，并使用LEAD获取下一天的活跃状态
user_activity_sequence AS (SELECT uid,active_date,LEAD(active_date) OVER (PARTITION BY uid ORDER BY active_date) AS next_active_dateFROM user_active_dates
),-- 计算每天的新用户数及其次日留存情况
daily_stats AS (SELECT fo.first_dt AS dt,COUNT(DISTINCT fo.uid) AS new_users,COUNT(DISTINCT CASE WHEN DATEDIFF(uas.next_active_date, fo.first_dt) = 1 THEN fo.uid END) AS retained_usersFROM first_occurrence foLEFT JOIN user_activity_sequence uas ON fo.uid = uas.uid AND fo.first_dt = uas.active_dateWHERE fo.first_dt BETWEEN '2021-11-01' AND '2021-11-30'GROUP BY fo.first_dt
)-- 计算并格式化留存率
SELECT dt,ROUND(IF(new_users = 0, 0, retained_users / new_users), 2) AS uv_left_rate
FROM daily_stats
ORDER BY dt;

逐步展示如何计算2021年11月每天新用户的次日留存率

原始数据表 tb_user_log

id	uid	artical_id	in_time	out_time	sign_in
1	101	0	2021-11-01 10:00:00	2021-11-01 10:00:42	1
2	102	9001	2021-11-01 10:00:00	2021-11-01 10:00:09	0
3	103	9001	2021-11-01 10:00:01	2021-11-01 10:01:50	0
4	101	9002	2021-11-02 10:00:09	2021-11-02 10:00:28	0
5	103	9002	2021-11-02 10:00:51	2021-11-02 10:00:59	0
6	104	9001	2021-11-02 10:00:28	2021-11-02 10:00:50	0
7	101	9003	2021-11-03 11:00:55	2021-11-03 11:01:24	0
8	104	9003	2021-11-03 11:00:45	2021-11-03 11:00:55	0
9	105	9003	2021-11-03 11:00:53	2021-11-03 11:00:59	0
10	101	9002	2021-11-04 11:00:55	2021-11-04 11:00:59	0

步骤1：确定每个用户的首次活跃日期

SELECT uid,DATE(MIN(in_time)) AS first_dt
FROM tb_user_log
GROUP BY uid;

结果：

uid	first_dt
101	2021-11-01
102	2021-11-01
103	2021-11-01
104	2021-11-02
105	2021-11-03

步骤2：处理跨天情况，获取用户活跃日期

SELECT DISTINCT uid,DATE(in_time) AS active_date
FROM tb_user_log
UNION
SELECT DISTINCT uid,DATE(out_time) AS active_date
FROM tb_user_log;

结果：

uid	active_date
101	2021-11-01
101	2021-11-02
101	2021-11-03
101	2021-11-04
102	2021-11-01
103	2021-11-01
103	2021-11-02
104	2021-11-02
104	2021-11-03
105	2021-11-03

步骤3：使用LEAD函数获取用户的下一次活跃日期

SELECT uid,active_date,LEAD(active_date) OVER (PARTITION BY uid ORDER BY active_date) AS next_active_date
FROM user_active_dates;

结果：

uid	active_date	next_active_date
101	2021-11-01	2021-11-02
101	2021-11-02	2021-11-03
101	2021-11-03	2021-11-04
101	2021-11-04	NULL
102	2021-11-01	NULL
103	2021-11-01	2021-11-02
103	2021-11-02	NULL
104	2021-11-02	2021-11-03
104	2021-11-03	NULL
105	2021-11-03	NULL

步骤4：计算每天的新用户次日留存情况

SELECT fo.first_dt AS dt,COUNT(DISTINCT fo.uid) AS new_users,COUNT(DISTINCT CASE WHEN DATEDIFF(uas.next_active_date, fo.first_dt) = 1 THEN fo.uid END) AS retained_users
FROM first_occurrence fo
LEFT JOIN user_activity_sequence uas ON fo.uid = uas.uid AND fo.first_dt = uas.active_date
WHERE fo.first_dt BETWEEN '2021-11-01' AND '2021-11-30'
GROUP BY fo.first_dt;

结果：

dt	new_users	retained_users
2021-11-01	3	2
2021-11-02	1	1
2021-11-03	1	0

详细解释一下

这个CTE是计算每日新用户及其次日留存情况的核心部分，详细拆解逻辑：

1. ​数据来源​：

   • first_occurrence：包含每个用户的首次活跃日期
   • user_activity_sequence：包含用户每次活跃日期及下一次活跃日期(使用LEAD计算)

2. ​连接条件​：

   LEFT JOIN user_activity_sequence uas 
   ON fo.uid = uas.uid 
   AND fo.first_dt = uas.active_date

   • 按用户ID连接
   • 只连接用户首次活跃当天的记录（因为我们要计算的是新用户的次日留存）

3. ​计算字段​：

   • new_users：每天首次出现的用户数（COUNT DISTINCT）
   • retained_users：这些新用户中第二天仍然活跃的数量

4. ​留存判断逻辑​：

   CASE WHEN DATEDIFF(uas.next_active_date, fo.first_dt) = 1 THEN fo.uid 
   END

   • 计算用户首次活跃日期与下一次活跃日期的差值
   • 如果差值为1天，则表示用户次日活跃

5. ​为什么用LEFT JOIN​：

   • 确保即使新用户第二天不活跃，也会被计入分母（新用户数）
   • 不活跃的用户在CASE WHEN中会返回NULL，不会被COUNT计算

---

示例数据推演

以2021-11-01为例：

• 新用户：101、102、103
• 检查他们的次日活跃情况：
  • 101：11-02活跃（符合）
  • 102：11-02不活跃
  • 103：11-02活跃（符合）
• 结果：3个新用户，2个次日活跃 → 留存率2/3=0.67

这种设计确保了：

1. 准确识别新用户
2. 正确处理跨天活跃情况
3. 精确计算次日留存率

---

最终结果：计算留存率

SELECT dt,ROUND(IF(new_users = 0, 0, retained_users / new_users), 2) AS uv_left_rate
FROM daily_stats
ORDER BY dt;

最终输出：

dt	uv_left_rate
2021-11-01	0.67
2021-11-02	1.00
2021-11-03	0.00