hive 关于用户留存率的计算
最近接到一个需求,需要统计用户留存率,而且要一次统计多个模块,多个日期的留存率,那如何通过一段hive(SQL)来实现该需求呢,在网上看到一篇很精妙的文章,参考这篇文章实现了需求,可以说是目前见过的一次性统计多个时间区间留存率的最佳实践了,感谢楼主的经验分享,好东西,多记录,多分享!
查看原文,请点击这里
首先用户留存率一般是面向新增用户的概念,是指某一天注册后的几天还是否活跃,是以每天为单位进行计算的.
一般收到的需求都是一个时间段内的新增用户的几天留存
(1)找到这个时间段内的新增用户(也可能含有地区啊的各种附加条件),一般在日活表中有记录是否是新增状态.
注意,需要以天为单位进行分组找出用户的id.因为留存率都是以每天为单位进行计算的.
表结构(register_date,user_id)
(2)找到这个时间段内的活跃用户(active_date,user_id)
(3)以 1表 为主表left join 2表 以user_id为关联键,统计留存数
这样后的记录类型为:register_date,user_id,active_date
register_date为新增日期,即留存率的单位天.
user_id为用户id,distinct user_id来计算用户数
留存率怎么算?
active_date - register_date = 1,说明注册的次日用户是活跃的,所以count+1
所以我们只要关注 active_date 和 register_date 相差天数即可统计留存数
取天数差的时候用datediff(active_date,register_date)来计算,active_date 和 register_date 的格式为 yyyy-MM-dd
(4)计算留存率
代码模板:原文中存在一些小错误,已改正,group by 中的数字我这边是报错的,所以可直接替换为对象的列名
SET mapreduce.job.queuename=xxx;
SET mapreduce.job.name=xxx;
set mapreduce.job.reduces=19;
--'日期', '注册用户数', '次日留存率', '2日留存率', '3日留存率' select dim_date,node_id,total_cnt,concat_ws('% | ', cast(round(dif_1cnt*100/total_cnt, 2) as string), cast(dif_1cnt as string)),concat_ws('% | ', cast(round(dif_2cnt*100/total_cnt, 2) as string), cast(dif_2cnt as string)),concat_ws('% | ', cast(round(dif_3cnt*100/total_cnt, 2) as string), cast(dif_3cnt as string)),concat_ws('% | ', cast(round(dif_4cnt*100/total_cnt, 2) as string), cast(dif_4cnt as string))from(select p1.state dim_date,p1.node_id,count(distinct p1.user_id) total_cnt,count(distinct if(datediff(p3.state,p1.state) = 1, p1.user_id, null)) dif_1cnt,count(distinct if(datediff(p3.state,p1.state) = 2, p1.user_id, null)) dif_2cnt,count(distinct if(datediff(p3.state,p1.state) = 3, p1.user_id, null)) dif_3cnt,count(distinct if(datediff(p3.state,p1.state) = 4, p1.user_id, null)) dif_4cntfrom(selectfrom_unixtime(unix_timestamp(cast(partition_date as string), 'yyyyMMdd'), 'yyyy-MM-dd') state,user_id,node_idfrom user_active_daywhere partition_date between date1 and date2and user_is_new = 1group by 1,2,3 --如果不行用字段替换,group by去重优于distinct)p1 --日新增用户名单(register_date,user_id)left outer join(selectfrom_unixtime(unix_timestamp(cast(partition_date as string), 'yyyyMMdd'), 'yyyy-MM-dd') state,user_id,node_idfrom active_userswhere partition_date between date1 and date2group by 1,2,3)p3 --期间活跃用户(active_date,user_id)on (p3.user_id = p1.user_id and p3.node_id=p1.node_id)group by 1,2) p4;
hive 关于用户留存率的计算相关推荐
- 用户留存率问题计算详解
数据分析工作中经常会遇到计算用户留存的相关问题,例如我们现在遇到这样一个场景, 某APP, 它的新增用户的次日留存.7日留存.30日留存为60%.30%.15%, 请模拟出来,每天如果日新增5万用户, ...
- sql计算留存_SQL基础第七讲:关于用户留存率的计算
最近,好几个小伙伴都拿着关于用户留存的面试题来问我,所以今天单独开一篇文章讲一下留存问题. 首先看一下留存是什么,简单来说,我和你今天在一家超市购物了,明天我来购物了,你没来,那么我就是这个超市的留存 ...
- Hive 计算用户留存率(次日,3日,N日)
文章目录 什么是用户留存率? 创建数据源 计算留存率 计算 N 日的留存率 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 ...
- 用SQL进行用户留存率计算
今天我们来分享一个常见案例,用SQL来计算用户留存率. 目录: 1. 案例数据 2. 思路分析 3. 完整代码 1. 案例数据 这里我们一共两份日志数据,分别是用户账号创建的日志以及用户登录的日志. ...
- hive练习题(二)计算用户的复购率和回购率
hive练习题(二)计算用户的复购率和回购率 数据表ods_sales_orders前10行 复购率 定义:在某时间窗口内重复消费用户(消费两次及以上的用户)在总消费用户中占比 例如,按月作为统计窗口 ...
- app运营:用户留存率详解与计算案例
摘要: 文/BLUES留存率,越来越受到大家的关注,从网站用户到客户端产品,游戏产品,无线APP产品,都非常重视这一指标,留存率成为衡量一个产品是否健康成长的重要指标之一.留存率的"40–2 ...
- Excel 利用同期群分析计算新用户留存率
业务分析方法中常用的有同期群分析,本文使用Excel和MySQL,结合同期群计算新注册用户的留存率,并放在实际的应用场景中进行分析. 一.简单介绍同期群分析 1.同期群分析(cohort analys ...
- 【SQL屠夫系列】- 高频面试之SQL计算用户留存率
文章目录 指标背景 指标计算 真题 思路 开撸 拓展 在如今的程序员面试过程中,考察SQL部分能力,虽不是难点,但几乎是必考. 为检查思路盲点,避免翻船,各位看官也可以复盘下,如对你有一丝的帮助,欢迎 ...
- 如何高效计算用户留存率
如何高效计算用户留存率 简单介绍留存率的概念,说明数仓建设中对留存率计算的优化思路 什么是留存率 在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用 ...
最新文章
- 为什么要用内部类:控制框架【转】
- 几种流行Webservice控制框架
- 单片机开发与Linux开发有何不同?
- [蓝桥杯2016决赛]路径之谜
- IDEA Docker 插件安装
- DataGrid多层表头设计
- c/c++ 数组和指针
- 传统的主从复制的概念和要点
- OpenCv色彩通道分离与融合
- Linux复习-vi编辑器
- ModbusTCP协议
- 竞争情报(CI,competitive intelligence)都需要哪些因素
- 2021最新凡诺免费企业网站管理系统PHP版 v3.4网站源码
- Oracle触发器转写成瀚高触发器
- 我对区块链行业的一点不成熟的想法
- 员工计算机耗材管理,八大秘籍教你精细化管理科室耗材!
- 背阔肌(06):T杠俯身划船
- 大数据时代的智能运维
- Linux如何安装mysql数据库
- Java、解一元二次方程