sql计算留存_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：

【解题思路】

本题中指标（用户留存数、留存率）是《猴子 业务指标》中讲过的常见业务指标，体现了某应用吸引用户的能力。

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？

活跃用户数对应的日期，表示每一行记录的是当天的活跃用户数。

当有“每个”出现的时候，要想到《猴子 从零学会SQL》中讲过的用分组汇总来实现该业务问题。

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;

查询结果如下：

2. 次日留存用户数

再来看查询结果中的次日留存用户数

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 as a_t,b.登陆时间 as b_t
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_t,b_t) 
         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 case when 时间间隔=1 then 用户id     
               else null
               end) as  次日留存数 
from
(select *,timestampdiff(day,a_t,b_t) as 时间间隔
from c)
group by a_t;

将临时表c的sql代入上面就得到了查询结果如下：

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

select *,count(distinct case when 时间间隔=1 then 用户id
               else null
               end) /count(distinct 用户id) as 次日留存率
from
(select *,timestampdiff(day,a_t,b_t) as 时间间隔
from c) as d
group by a_t;

将临时表c的sql代入就是：

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

查询结果：

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。

最终sql代码如下：

select a_t,count(distinct 用户id) as 活跃用户数,
count(distinct case when 时间间隔=1 then 用户id else null end) as  次日留存数,
count(distinct case when 时间间隔=1 then 用户id else null end)/ count(distinct 用户id) as 次日留存率,
count(distinct case when 时间间隔=3 then 用户id else null end) as  三日留存数,
count(distinct case when 时间间隔=3 then 用户id else null end)/ count(distinct 用户id) as 三日留存率,
count(distinct case when 时间间隔=7 then 用户id else null end) as  七日留存数,
count(distinct case when 时间间隔=7 then 用户id else null end)/ count(distinct 用户id) as 七日留存率
from
(select *,timestampdiff(day,a_t,b_t) as 时间间隔
from 
(select a.用户id,a.登陆时间 as a_t,b.登陆时间 as b_t
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_t;

查询结果：

【本题考点】

1.常用指标的理解，例如留存用户数、留存率。

2.灵活使用case来统计when 函数与group by 进行自定义列联表统计。

3.遇到只有一个表，但是需要计数时间间隔的问题，就要想到用自联结来求时间间隔，类似的有找出连续出现N次的内容、滴滴2020求职真题。

【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'
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

推荐：如何从零学会sql？