MySQL留存分析

今天接收到一个问题,在MySQL里面,给定用户和登录时间,怎么计算次日留存率。当时太匆忙,一起也都是在其他软件里面计算的留存率,就没有给出答案,路上想了一下,其实主要就是时间的计算。后续的SQL更新也是类似的问题答案更新了,下面应该会开始更新PowerBI了。留存分析是用户分析最常用的一种分析方法,次日留存率、周留存率、月留存率这些指标对用户的分析管理以及后续的策略都有很重要的参考意义。今天这里先不具体解释留存的理论,后面专门来一篇,加上具体的数据案例,可能能够说的更清楚。

模拟了几天的数据,如下,28号有20个用户,29号就是第二天还有10个用户登录,次日留存率就是50%;30号还剩5个用户,对于29号的次日留存率就是50%,对于28日的第三日留存率就是25%;如果28号和29号合计有15个用户活跃,那么对于28号来说,两日内留存率就是15/20=75%。

整理一下↓

  • 次日留存率,基准日之后的第一天的用户的回访比例
  • 二日留存率,基准日之后的第二天的用户的回访比例
  • 三日留存率,基准日之后的第三天的用户的回访比例
  • 七日留存率,基准日之后的第七天的用户的回访比例
  • 二日内留存率,次日+第二日的活跃用户占比
  • 三日内留存率,次日+第二日+第三日的活跃用户占比**
  • 七日内留存率,七日内的活跃用户占比

【第一步】

将表格自己和自己做一个连接,目的是用来比较相间隔的天数,用来计算基于当日后续几天有活跃数据。SQL语句和结果如下↓

SELECT
    lc1.id,
    lc1.user_id,
    date(lc1.time) date1,
    date(lc2.time) date2,
    DATEDIFF(date(lc1.time),date(lc2.time))
  FROM
    liucun as lc1
    LEFT JOIN liucun as lc2 ON lc1.user_id = lc2.user_id

【第二步】

通过聚合函数(CASE WHEN)或者IF判断语句,判断日期相差的天数,用来判断用户时候后续指定天数有活跃。如果天数为1,代表次日是活跃的,以此类推。然后把满足条件的user_id取出来,因为考虑每天用户可能多次登录,所以需要用DISTINCT去重,然后对user_id进行计数就行了。SQL语句和结果如下↓

SELECT
  date1,
  count(DISTINCT user_id) usercount,
  COUNT(DISTINCT if(DATEDIFF(date2,date1)=1,user_id,null)) `if语法`,
  COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=1 THEN user_id ELSE NULL END) `case语法`
  FROM
  (SELECT
    lc1.id,
    lc1.user_id,
    date(lc1.time) date1,
    date(lc2.time) date2,
    DATEDIFF(date(lc1.time),date(lc2.time))
  FROM
    liucun as lc1
    LEFT JOIN liucun as lc2 ON lc1.user_id = lc2.user_id) temp
GROUP BY
  date1

【第三步】

就可以计算留存率了,只需要相除就行了。还可以用用CANCAT函数做成百分位显示的效果,SQL语句和结果如下↓

SELECT
  date1,
  COUNT(DISTINCT user_id) 当日用户数,
  COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=1 THEN user_id ELSE NULL END) 次日用户数,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=1 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 次日留存率
  FROM
  (SELECT
    lc1.id,
    lc1.user_id,
    date(lc1.time) date1,
    date(lc2.time) date2,
    DATEDIFF(date(lc1.time),date(lc2.time))
  FROM
    liucun as lc1
    LEFT JOIN liucun as lc2 ON lc1.user_id = lc2.user_id) temp
GROUP BY
  date1

【第四步】

最后我再增加一些数据,做一个完整的次日、第三日、第七日、第十日、三日内、七日内、十日内留存率效果,要看更长的,按规律增加时间就行了,SQL语句和结果如下↓

SELECT
  date1,
  COUNT(DISTINCT user_id) 当日用户数,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=1 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 次日留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=2 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 第三日留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=6 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 第七日留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)=9 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 第十日留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)>=1 AND DATEDIFF(date2,date1)<=2 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 三日内留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)>=1 AND DATEDIFF(date2,date1)<=6 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 七日内留存率,
  CONCAT(ROUND(COUNT(DISTINCT CASE WHEN DATEDIFF(date2,date1)>=1 AND DATEDIFF(date2,date1)<=9 THEN user_id ELSE NULL END)/COUNT(DISTINCT user_id)*100,2),"%") 十日内留存率
  FROM
  (SELECT
    lc1.id,
    lc1.user_id,
    date(lc1.time) date1,
    date(lc2.time) date2,
    DATEDIFF(date(lc1.time),date(lc2.time))
  FROM
    liucun as lc1
    LEFT JOIN liucun as lc2 ON lc1.user_id = lc2.user_id) temp
GROUP BY
  date1

好了,今天就先到这里,数据放在了我的阿里云空间里面,复制下面链接到浏览器就可以下载使用了。

https://danlu1.oss-cn-chengdu.aliyuncs.com/Excel/liucun.xlsx
图片

End

图片

◆ R语言分词_jiebaR包
◆ R语言_TreeMap
◆ R_脸谱图

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,875评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,569评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,475评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,459评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,537评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,563评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,580评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,326评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,773评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,086评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,252评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,921评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,566评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,190评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,435评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,129评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,125评论 2 352

推荐阅读更多精彩内容