1.前言

2、用到的函数

3、指标理解

4、创建表和导入数据

4.1目标表

4.2 数据来源表

4.2.1 用户登录历史表编辑

4.2.2 用户注册表

5、sql解析

5.1一般思路做法

5.2 减少部分重复计算方法

5.3 实际开发的做法（思路和上面差不多，不过更灵活）

1.前言

计算原则：一般看到什么什么率啥的，指标率=a/b,都要明确分子，分母代表的含义，然后在相除。

新增留存率具体是指留存用户数与新增用户数的比值。

2、用到的函数

1.datediff(time1，time2)：日期比较函数，time1-time2，返回一直int（整数）select datediff('2020-06-14 11','2020-06-10');返回结果：  42.if(表达式,a,b):当表达式条件为真，返回a，否则返回b的值select if(1=2,100,200);  -->200select if(1=1,100,200);  -->100if(time='2020-06-14',1,0): 表达式为真，返回1，否则返回0；3.  cast():类型转换函数select cast(1.0001 as int)  -->1cast(id as string)    -->将id字段的类型改成 string类型

3、指标理解

留存率理解：2020-06-14新增100个用户，

1日之后（2020-06-15）这100人中有80个人活跃了，

那2020-06-14的1日留存数则为80，2020-06-14的1日留存率则为80%（80/100）。

4、创建表和导入数据

4.1目标表

1.建表（目标表）
DROP TABLE IF EXISTS ads_user_retention;
CREATE EXTERNAL TABLE ads_user_retention
(`dt`              STRING COMMENT '统计日期',`create_date`     STRING COMMENT '用户新增日期',`retention_day`   INT COMMENT '截至当前日期留存天数',`retention_count` BIGINT COMMENT '留存用户数量',`new_user_count`  BIGINT COMMENT '新增用户数量',`retention_rate`  DECIMAL(16, 2) COMMENT '留存率'
) COMMENT '用户留存率'ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'LOCATION '/warehouse/gmall/ads/ads_user_retention/';

4.2 数据来源表

数据来源表：见另一篇博客

留存率数据来源_别这么骄傲的博客-CSDN博客

4.2.1 用户登录历史表

dws_user_user_login_td：是用户域用户粒度登录历史至今汇总表，

如图所示：以为是历史累计表，当我们拿14号分区数据时，最后登录时间为10号的用户数据也包括在里面。

4.2.2 用户注册表

dwd_user_login_inc：用户域用户注册事务事实表，

5、sql解析

5.1一般思路做法

下面SQL中求06-14留存的用户数的图解

2020-06-13日 的 1 日留存率:在13号新增的用户，而且在14号活跃（有登录）的用户
留存率= 当天的留存用户数/昨天新增用户数
步骤：
（1）求06-13新增用户的数据 a
（2）求06-14留存的用户数  b
（3）做差 b/a1.求06-13新增用户的数据
select user_id
from dwd_user_register_inc
where dt='2020-06-13'2.求06-14留存的用户数
select count(*)
from
(select user_id from dwd_user_register_incwhere dt='2020-06-13'
)t1
join
(select user_idfrom dws_user_user_login_tdwhere dt='2020-06-14' and login_date_last='2020-06-14'--拿到当天的分区，而且用户最后登录时间是 06-14号的数据
)t1
on t1.user_id=t2.user_id
--两个表连接，拿到既是昨天新增，又是有今天登录的用户数据3. select '2020-06-13' ,1 ,-- 06-13号的1日留存率,b.cnt ,  --留存用户数,a.cnt ,  -- 新增用户数cast(b.cnt/a.cnt as decimal(16,2)) --留存率
from
(select count(user_id) as cnt1from dwd_user_register_incwhere dt='2020-06-13'
)a,
(select count(*) as cntfrom(select user_id from dwd_user_register_incwhere dt='2020-06-13')t1join (select user_idfrom dws_user_user_login_tdwhere dt='2020-06-14' and login_date_last='2020-06-14'--拿到当天的分区，而且用户最后登录时间是 06-14号的数据)t1on t1.user_id=t2.user_id--两个表连接，拿到既是昨天新增，又是有今天登录的用户数据
)b

5.2 减少部分重复计算方法

方法1中求新增用户数计算了两次

所以我们可以减少一个子查询

5.3 实际开发的做法（思路和上面差不多，不过更灵活）

思路：
(1)where筛选出用户注册表（dwd_user..）中有注册的用户。
(2)在用户历史登录表中求14号分区的数据。
(3)根据 dt 时间分组，就可以知道用户注册表中每个用户是在哪一天注册（新增）的了，所以count(*)时，也是统计当天分区 有用户注册的数据（新增的用户数）。
(4)if()筛选14号留存的用户数， 然后留存率=某天用户留存数/用户新增数。！这里有个小细节：
group by dt （分组时只用来dt）, 但是在select中使用了不是分组字段的
datediff('2020-06-14',dt)，也没有报错的原因是-->
group by 分组后 ，一般select可以查询分组字段和max()和sum()等聚合函数，
还可以查询 使用了udf函数的分组字段，满足一进一出即可，如datediff('2020-06-14',dt)。select'2020-06-14' ,dt ,datediff('2020-06-14',dt) ,sum(if(login_date_last='2020-06-14',1,0)) retention_count,count(*) new_user_count,cast(sum(if(login_date_last='2020-06-14',1,0))/count(*)*100 as decimal(16,2)) retention_rate
from
(selectuser_id,dtfrom dwd_user_register_incwhere dt>=date_add('2020-06-14',-7)and dt<'2020-06-14'
)t1
join
(selectuser_id,login_date_lastfrom dws_user_user_login_tdwhere dt='2020-06-14'
)t2
on t1.user_id=t2.user_id
group by dt;

电商指标之用户留存率相关推荐

8000字干货 | 教你打造电商产品的用户体系
本文由作者书丰发布于社区对于任何电商产品来说,没有用户的产品是没有未来的,拥有用户但却不懂用户的产品也是没有未来的.产品经理需要从心理上去理解用户.预判用户的行为,在现实中挖掘用户的需求,从行动 ...
【报告分享】2021年中国五大主流电商平台关于用户数据的最新规则汇总.pdf（附下载链接）...
省时查报告-专业.及时.全面的行研报告库省时查方案-专业.及时.全面的营销策划方案库大家好,我是文文(微信号:sscbg2020),今天给大家分享纷析智库和夸克网于2021年9月份联合发布的报告& ...
Z04 - 999、Flink与电商指标分析
初学耗时:999h 注:CSDN手机端暂不支持章节内链跳转,但外链可用,更好体验还请上电脑端. 『因为要去见那个不一般的人,所以我就不能是一般人.』 1.Z04系列全套网盘资源: Z04系列全套 ...
B2B电商营运「增长6步走，如何激发电商购买与用户参与度？」
数字化普及,千禧年代用户逐渐成为B2B采购的中坚力量.传统制造业也纷纷「触电」,将销售触角衍生至电商在线探索,即B2B电商.但面临专业的B2B内容语境与漫长的成交周期,如何方能捕获商机,激发成交? 欢 ...
电商指标详细介绍和推荐系统常用评估指标
本文主要是针对电商中的常见指标进行归类介绍,包括推荐系统中需要关注的指标.本文主要分为三部分进行说明: 电商分类介绍电商的指标分类介绍电商推荐系统常看的指标 1. 电商的分类电子商务(Elect ...
电商淘宝用户行为分析
一.项目介绍本次实战的数据是来自阿里巴巴提供的一个淘宝用户行为数据集,用于隐式反馈推荐问题的研究. 数据下载:https://tianchi.aliyun.com/dataset/dataDetai ...
电商指标项目-背景及技术选型
1. 项目背景 1.1. 项目简介公司有一个正在运营中的电商网站,名称叫做[京京购].这是一个B2B2C的电商平台,类似京东. 现在我们想了解一下该电商网站的各种用户行为(访问行为.购物行为.点击行 ...
电商平台给用户推大胸妹，为什么是一个很糟糕的结果？
今天和大家聊聊推荐算法,最近发生了一件挺有意思的事情,双十一那天打开了某电商app,首页推荐居然长这样-- 可能在很多lsp们看来,这样的推荐结果不仅没有任何问题,反而非常好.今天就和大家简单聊聊关于 ...
数据分析案例--电商指标的实际应用
数据分析案例--天猫订单分析数据分析的一般过程数据来源及内容天猫订单分析过程数据分析的一般过程明确项目背景,待解决的问题 : 分析逻辑,画出逻辑树,明确分析过程中的指标 : 提数分析,同时进 ...
前众信旅游B端产品经理吴彪：如何搭建B端电商产品及用户体系
嘉宾介绍吴彪,北京树下科技有限公司创始人.于2016年4月1日起,脱产自学产品经理,并在豆瓣中,坚持每天记录,热心于把转型经验分享给产品新人,因此身边聚集了数百位产品经理. 2016年5月初,进入众 ...

电商指标之用户留存率

1.前言

2、用到的函数

3、指标理解

4、创建表和导入数据

4.1目标表

4.2 数据来源表

4.2.1 用户登录历史表

4.2.2 用户注册表

5、sql解析

5.1一般思路做法

5.2 减少部分重复计算方法

5.3 实际开发的做法（思路和上面差不多，不过更灵活）

电商指标之用户留存率相关推荐

最新文章

热门文章

电商指标之用户留存率

1.前言

2、用到的函数

3、指标理解

4、创建表和导入数据

4.1目标表

4.2 数据来源表

4.2.1 用户登录历史表

4.2.2 用户注册表

5、sql解析

5.1一般思路做法

5.2 减少部分重复计算 方法

5.3 实际开发的做法（思路和上面差不多，不过更灵活）

电商指标之用户留存率相关推荐

最新文章

热门文章

5.2 减少部分重复计算方法