留存率 和 最大连续登录天数 SQL

有数据表 login 记录了用户登录的信息, 其中有一天登录多次的用户, 如下表所示

user_id		login_date
	1		2022-01-01
	2		2022-01-01
	1		2022-01-01
	3		2022-01-01
...
...

留存率

需求1: 求每天新增用户数量, 次留, 7日留, 15日留

# 先求每个用户首次登录的日期表, 首次登录日期当做新增的日期
with reg as(
select user_id, min(login_date) as reg_date
from login
group by user_id)

select
    reg.reg_date,
    count(distinct reg.user_id) as new_num,
    count(distinct if(datediff(login.login_date, reg.reg_date) = 1, login.user_id, null))/count(distinct reg.user_id) as remain_rate2,
    count(distinct if(datediff(login.login_date, reg.reg_date) = 7, login.user_id, null))/count(distinct reg.user_id) as remain_rate7,
    count(distinct if(datediff(login.login_date, reg.reg_date) = 15, login.user_id, null))/count(distinct reg.user_id) as remain_rate15
from reg left join login 
on reg.user_id = login.user_id and datediff(login.login_date, reg.reg_date) > 0
group by reg.reg_date ;

结果如下表

最大连续登录天数

# 先去重
with dup as(
select user_id, login_date from login
group by user_id, login_date
),

-- 连续登录对应的前一天
lagt as (
select 
    user_id, 
    date_sub(login_date, interval  row_number() over(partition by user_id order by login_date)  day) as primary_day
from dup)

-- 可能有用户多次连续登录了, 去最长的一次
select user_id, max(day_num)
from 
	(
	select 
	    user_id, primary_day, count(*) as day_num
	from lagt
	group by user_id, primary_day
	) t2
group by user_id;

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
留存率是指在一定时间范围内,用户在某个时间点后仍然使用产品或服务的比例。计算留存率可以使用Hive SQL或Spark SQL。 假设我们要计算某个应用程序在第一天、第七天和第三十天的留存率。我们可以按照以下步骤进行计算: 1. 首先,我们需要从用户行为日志中提取出每个用户的第一次使用时间。假设我们已经将这些数据存储在一个名为user_first_use的Hive表中,其中包含用户ID和第一次使用时间。 2. 接下来,我们需要计算每个用户在第一天、第七天和第三十天后是否仍然使用了应用程序。假设我们已经将这些数据存储在一个名为user_activity的Hive表中,其中包含用户ID、活动日期和活动类型(例如,打开应用程序、浏览页面等)。 3. 然后,我们可以使用Hive或Spark SQL编写查询来计算留存率。以下是一个使用Hive SQL计算留存率的示例查询: ``` SELECT COUNT(DISTINCT ua.user_id) AS total_users, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 0 THEN ua.user_id END) AS day1_retention, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 6 THEN ua.user_id END) AS day7_retention, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 29 THEN ua.user_id END) AS day30_retention FROM user_first_use uf JOIN user_activity ua ON uf.user_id = ua.user_id WHERE ua.activity_date BETWEEN uf.first_use_date AND DATE_ADD(uf.first_use_date, 29) ``` 这个查询将返回四个值:总用户数、第一天留存率、第七天留存率和第三十天留存率。我们使用COUNT(DISTINCT)函数来计算唯一用户的数量,并使用CASE语句来计算在特定日期范围内仍然使用应用程序的用户数量。DATEDIFF函数用于计算用户第一次使用应用程序后的天数。 4. 如果使用Spark SQL,可以使用类似的查询来计算留存率。以下是一个使用Spark SQL计算留存率的示例查询: ``` SELECT COUNT(DISTINCT ua.user_id) AS total_users, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 0 THEN ua.user_id END) AS day1_retention, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 6 THEN ua.user_id END) AS day7_retention, COUNT(DISTINCT CASE WHEN DATEDIFF(ua.activity_date, uf.first_use_date) = 29 THEN ua.user_id END) AS day30_retention FROM user_first_use uf JOIN user_activity ua ON uf.user_id = ua.user_id WHERE ua.activity_date BETWEEN uf.first_use_date AND DATE_ADD(uf.first_use_date, 29) ``` 这个查询与Hive SQL查询非常相似,只是使用了Spark SQL的语法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值