1. 项目概述:计算用户平均次日留存率的SQL挑战
在用户行为分析领域,留存率是衡量产品粘性和用户质量的核心指标。这道SQL难题要求我们计算用户的平均次日留存率,即某日活跃用户中第二天仍然活跃的比例。这看似简单的需求背后,隐藏着多个技术难点:需要处理时间窗口计算、用户行为匹配以及复杂的聚合逻辑。
我曾在电商平台的数据团队处理过类似的留存分析需求,实际业务场景中次日留存率的计算远比理论复杂。比如要处理跨日期的用户会话、区分新老用户、排除异常访问等。这道题虽然简化了业务场景,但保留了最核心的技术挑战——如何高效准确地找出"今天来明天还来"的用户群体。
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. 数据模型与指标定义
2.1 典型用户行为表结构
假设我们有一个标准的用户活跃记录表,结构如下:
sql复制CREATE TABLE user_activity (
user_id BIGINT,
activity_date DATE,
-- 其他可能的字段如设备类型、访问渠道等
PRIMARY KEY (user_id, activity_date)
);
注意:实际业务中可能包含更多维度字段,但计算留存率至少需要用户ID和日期这两个关键字段
2.2 留存率的核心计算逻辑
次日留存率的数学定义为:
code复制次日留存率 = (某日活跃且在次日也活跃的用户数) / (某日活跃用户总数)
而题目要求的"平均次日留存率"则是将所有日期的次日留存率取平均值。这里需要注意两种计算方式的区别:
- 按日期分组计算每日留存率再平均
- 整体计算所有日期的留存用户比例
3. 核心SQL实现方案
3.1 基础实现:自连接方案
最直观的方法是使用自连接找出连续两天活跃的用户:
sql复制WITH daily_active_users AS (
SELECT
activity_date,
COUNT(DISTINCT user_id) AS active_users
FROM user_activity
GROUP BY activity_date
),
retained_users AS (
SELECT
a.activity_
