什么是用户留存率？

用户留存率是指在特定时间段内，用户在使用某个产品或应用程序后，再次使用该产品或应用程序的比例。

它可以帮助公司了解用户是否喜欢他们的产品，并提供有价值的信息，用于改进产品和增加用户满意度。例如，如果有 100 名用户在第一次使用某个应用程序后，有 80 名用户再次使用该应用程序，那么这个应用程序的用户留存率就是 80%。

创建数据源

drop table userinfo;
-- 记录用户的注册日期。
create table userinfo (
id int,
registerDate timestamp);

drop table log;
-- 记录用户后续使用产品的日期。
create table log (
id int,
logDate timestamp);

insert into userinfo values
(1,"2022-12-01 12:22:35"),
(2,"2022-12-01 12:22:35" ),
(3,"2022-12-03 12:22:35" ),
(4,"2022-12-03 12:22:35" ),
(5,"2022-12-02 12:22:35" ),
(5,"2022-12-02 12:22:35" ),
(7,"2022-12-03 12:22:35" ),
(8,"2022-12-03 12:22:35" ),
(9,"2022-12-03 12:22:35" ),
(10,"2022-12-01 12:22:35");

insert into log values
(1,"2022-12-02 20:21:40"),
(1,"2022-12-02 22:21:40"),
(1,"2022-12-02 22:21:40"),
(2,"2022-12-02 12:30:35"),
(3,"2022-12-04 12:22:35"),
(4,"2022-12-04 12:22:35"),
(5,"2022-12-04 12:22:35"),
(5,"2022-12-02 12:22:35"),
(7,"2022-12-05 12:22:35"),
(8,"2022-12-06 12:22:35"),
(9,"2022-12-07 12:22:35"),
(10,"2022-12-03 12:22:35");

计算留存率

我在 Hive 中创建了如下两张表：

用户表 userinfo：

日志表 log：

次日留存率计算：

SELECT date(u.registerDate) registerDate,
       count(distinct l.id) / count(distinct u.id) leave_percent
FROM userinfo u
LEFT JOIN log l
    ON u.id = l.id
    and
    date(l.logDate) = date_add(date(u.registerDate),1)
GROUP BY  date(u.registerDate);

计算结果：

思路：

首先我们根据主键对用户表和日志表进行左连接，再加上连接条件 date(l.logDate) = date_add(date(u.registerDate),1) 进行过滤，根据注册日期进行分组统计。注意对 id 进行去重，利用左连接的特性，来完成计算。count 并不会统计 null 值。

可以看到 2022-12-01 的次日留存率为 66%，2022-12-02 的次日留存率为 0%，2022-12-03 的次日留存率为 40%。

验证：

从用户表中可以看到在 2022-12-01 日一共注册了 3 名用户（1，2，10）。

在日志表中 ，2022-12-02 日只出现了两名老用户（1，2）。显然，在次日留存率计算中，我们流失了一名用户（10）。所以，2022-12-01 的次日留存率为 2/3，66%

计算 N 日的留存率

只需要修改连接条件 date(l.logDate) = date_add(date(u.registerDate),1) 即可。

如：date(l.logDate) = date_add(date(u.registerDate),N)。