SQL图解 ----003多表查询---如何分析客户留存率（学习笔记）

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：

本题中指标（用户留存数、留存率）是常见业务指标，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：

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,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)
在上面分析次日留存数中，用次日留存用户数 / 当日用户活跃数就是次日留存率

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。
最终 sql 代码如下：

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;

【本题考点】
常用指标的理解，例如留存用户数、留存率。
灵活使用 case 来统计 when 函数与 group by 进行自定义列联表统计。
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