用户留存模型的一种设计方法

1、抛出问题

用户留存是用户分析中最常用到的指标之一。

我们常常接到这样的需求：

~我们要看1天、2天、3天、4天 … 7天的留存~

~我们要看1天、2天、3天、4天 … 28天的留存~

还有一些不按套路出牌的：

_{我们要看第33天的留存}

_{我们要看第56天的留存}

…

让你在代码里写连着7天的留存，就已经写到手抽筋了，恨不得写个代码生成器来生成代码。

后面再来个连着28天的留存… 本来以为这就是终结了，谁知后面还有33天、49天、56天…

2、设计方案

可以这么来设计

CREATE EXTERNAL TABLE IF NOT EXISTS  GDM_USER_LEFT_INFO_DAY(
  uuid  string COMMENT '用户id'
  liucun_map map<string,string> COMMENT '用户90天留存情况 map(lc1:1,lc2:1...lc90:1)'
  ) COMMENT '日活跃1~90天用户留存信息'
  PARTITIONED BY (
    day string
    )
STORED AS ORC

当然了，字段不限于这两个，可以依据实际需求，添加其它属性。

只计算近90天的留存，是因为经过考察，有99%需求，都是计算90天以内的留存。

伪代码如下：

           insert overwrite table gdm_user_left_info_day partition (day)
            select
                t1.uuid,
                str_to_map
                (
                    concat_ws
                    (',',
                        collect_set
                        (
                            concat('lc',cast(datediff(t2.day,t1.day) as string),'@@@','1') 
                        )
                    ),',','@@@'
                ) as liucun_map,
                t1.day
            from
            (
               select
                    day,
                    uuid
               from active where day>='$day' and day<='$dayago90' 
            ) t1 left join
            (
                select
                     day,
                     uuid
                from active  where   day>='$dayago1' and day<='$dayago91' 
            ) t2 on t1.uuid=t2.uuid 
           where datediff(t2.day,t1.day)>0
;

其中，active 为日活跃用户表。这样以来，每天更新近90天的用户留存，不仅解决了跑数的问题，同时，表里已经计算好了1~90天用户的留存情况 。

--要计算2019-08-01日活跃用户的 7日留存用户数，20日留存用户数：
 select 
     sum(liucun_map['lc7'])),
     sum(liucun_map['lc20'])) 
 from gdm_user_left_info_day 
 where day='2020-01-01'   
 ;