1. 项目背景与核心挑战
"计算用户的平均次日留存率"这个SQL题目看似简单,实则暗藏玄机。作为数据分析中最核心的指标之一,留存率直接反映了产品的用户粘性和健康度。我在电商平台做数据分析时,每天早会第一件事就是看这个数字。
次日留存率的定义是:某日新增或活跃的用户中,在第二天仍然活跃的用户比例。举个例子,假设1月1日有100个用户登录了APP,其中30个在1月2日又回来了,那么1月1日的次日留存率就是30%。
这个需求之所以被归类为"困难",主要因为:
- 需要处理时间序列的连续关联
- 要避免重复计算的陷阱
- 大数据量下的性能优化
- 不同业务场景下的定义差异
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据模型设计与预处理
2.1 基础表结构假设
假设我们有一个简化的用户活跃记录表:
sql复制CREATE TABLE user_activity (
user_id INT,
activity_date DATE,
-- 其他业务字段...
PRIMARY KEY (user_id, activity_date)
);
实际业务中可能还会包含设备ID、登录渠道等信息,但核心字段就这两个。注意这里使用(user_id, activity_date)作为联合主键,避免同用户同日的重复记录。
2.2 数据质量检查
执行计算前务必先做数据探查:
sql复制-- 检查日期范围
SELECT MIN(activity_date), MAX(activity_date) FROM user_activity;
-- 检查用户活跃分布
SELECT activity_date, COUNT(DISTINCT user_id)
FROM user_activity
GROUP BY activity_date
ORDER BY activity_date;
我曾遇到过一个坑:某天的数据采集系统故障,导致记录缺失,直接导致次日留存率计算异常。所以必须先确认数据完整性。
3. 核心SQL实现方案
3.1 基础实现方案
最直接的实现方式是自连接:
sql复制SELECT
a.activity_date,
COUNT(DISTINCT a.user_id) AS dau,
COUNT(DISTINCT b.user_id) AS retained_users,
ROUND(COUNT(DISTINCT b.user_id) * 1.0 / COUNT(DISTINCT a.user_id), 4) AS retention_rate
FROM
user_activity a
LEFT JOIN
user_activity b ON a.user_id = b.user_id
AND b.activity_date
