留存率解析全解——另扩展链家面试题：如何分析留存率？

【面试题】

手机中的相机是深受大家喜爱的应用之一，下图是某手机厂商数据库中的用户行为信息表中部分数据的截图。

用户id：用户唯一标识；

应用名称：是手机中的某个应用，例如相机、微信、大众点评等。

启动时长：某一天中使用某应用多长时间（分钟）。

启动次数：某一天中启动了某应用多少次。

登陆时间：使用手机的日期。例如2018-05-01。

现在该手机厂商想要分析手机中的应用（相机）的活跃情况，需统计如下数据：

某日活跃用户（用户id）在后续的一周内的留存情况（计算次日留存用户数，3日留存用户数，7日留存用户数）

指标定义：

某日活跃用户数，某日活跃的去重用户数。

N日活跃用户数，某日活跃的用户数在之后的第N日活跃用户数。

N日活跃留存率，N日留存用户数/某日活跃用户数

例：登陆时间（20180501日）去重用户数10000，这批用户在20180503日仍有7000人活跃，则3日活跃留存率为7000/10000=70%

所需获得的结果格式如下：

该业务分析要求查询结果中包括：日期（说明是按每天来汇总数据）、用户活跃数、N日留存数、N日留存率。

1.每天的活跃用户数

先来看活跃用户数这一列如何分析出？

按每天（登陆时间）分组（group by ），统计应用（相机）每天的活跃用户数（计数函数count）。 

select 登陆时间,count(distinct 用户id) as 活跃用户数 
from 用户行为信息表 
where 应用名称 ='相机' 
group by 登陆时间;

2. 次日留存用户数

次日留存用户数：在今日登录，明天也有登录的用户数。也就是时间间隔=1。

一个表如果涉及到时间间隔，就需要用到自联结，也就是将两个相同的表进行联结。

 

select a.用户id,a.登陆时间,b.登陆时间
from 用户行为信息表 as a  
left join 用户行为信息表 as b
on a.用户id = b.用户id
where a.应用名称= '相机';

 联结后的临时表记为表c，那么如何从表c中查找出时间间隔（明天登陆时间-今天登陆时间）=1的数据呢？

（1）这涉及到计算两个日期之间的差值，《猴子 从零学会sql》里讲到对应单函数是timestampdiff。下图是这个函数的用法。

select *,timestampdiff(day,a.登陆时间,b.登陆时间) as 时间间隔
from c;

 用case语句选出时间间隔=1的数据，并计数就是次日留存用户数

count(distinct case when 时间间隔=1 then 用户id
     else null
     end) as  次日留存数

代入上面的sql就是： 

select *,count(distinct when 时间间隔=1 then 用户id
     else null
     end) as  次日留存数
 from
(select *,timestampdiff(day,a.登陆时间,b.登陆时间) as 时间间隔
from c);

3.次日留存率

留存率=新增用户中登录用户数/新增用户数，所以次日留存率=次日留存用户数/当日用户活跃数

当日活跃用户数是count(distinct 用户id)

select *,count(distinct when 时间间隔=1 then 用户id
     else null
     end) as  次日留存数 / count(distinct 用户id) as 次日留存率
 from
(select *,timestampdiff(day,a.登陆时间,b.登陆时间) as 时间间隔
from c);

 将临时表c的sql代入就是：

 

 4.三日的留存数，三日留存率,七日的留存数,七日留存率

和次日留存用户数，次日留存率分析思路一样，只需要更改时间间隔=N（日留存）即可。

select a.登陆时间,count(distinct a.用户id) as 活跃用户数,
count(distinct when 时间间隔=1 then 用户id else null end) as  次日留存数,
count(distinct when 时间间隔=1 then 用户id else null end) as  次日留存数 / count(distinct a.用户id) as 次日留存率,
count(distinct when 时间间隔=3 then 用户id else null end) as  三日留存数,
count(distinct when 时间间隔=3 then 用户id else null end) as  三日留存数 / count(distinct a.用户id) as 三日留存率,
count(distinct when 时间间隔=7 then 用户id else null end) as  七日留存数,
count(distinct when 时间间隔=7 then 用户id else null end) as  七日留存数 / count(distinct a.用户id) as 七日留存率
 from
(select *,timestampdiff(day,a.登陆时间,b.登陆时间) as 时间间隔
from 
(select a.用户id,a.登陆时间,b.登陆时间
from 用户行为信息表 as a  
left join 用户行为信息表 as b
on a.用户id = b.用户id
where a.应用名称= '相机') as c
) as d
group by a.登陆时间;

【举一反三】

链家2018春招笔试面试：现有订单表和用户表，格式字段如下图：

1.查询2019年Q1季度，不同性别，不同年龄的成交用户数，成交量及成交金额

2.2019年1-4月产生订单的用户，以及在次月的留存用户数

【解题思路】 

1.查询2019年Q1季度，不同性别，不同年龄的成交用户数，成交量及成交金额

根据性别、年龄进行分组，利用多表连接及聚合函数求出成交用户数，成交量及成交金额。

select b.性别,b.age,
       count(distinct a.用户id) as 用户数,
       count(订单id),
       sum(a.订单金额)
from 订单表 as a 
inner join 用户表 as b
on a.用户id = b.用户id
where a.时间 between '2019-01-01' and '2019-03-31'#第一季度的处理，也就是时间范围
group by b.性别,b.age; 

2.2019年1-4月产生订单的用户，以及在次月的留存用户数

(1)用时间函数（timestampdiff）计算时间间隔，本题要求月份差，即用month

(2)用自联结计算时间间隔case when 计算符合个数并得出列的值。

select a.用户id,
count(case when timestampdiff(month,b.时间,a.时间)=1 then a.用户id else null end)  as 次月留存用户数
from 订单表 as a 
inner join 订单表 as b
on a.用户id = b.用户id
where a.时间 between '2019-01-01' and '2019-04-30'
group by a.用户id

转载于公众号：猴子数据分析