【hive】关于用户留存率的计算

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

模板:

    SET mapreduce.job.queuename=xxx;
    SET mapreduce.job.name=xxx;
    set mapreduce.job.reduces=;
            select '日期', '注册用户数', '次日留存率', '2日留存率', '3日留存率',  dim_date
                ,total_cnt
                ,concat_ws('% | ', cast(round(dif_1cnt*/total_cnt, ) as string), cast(dif_1cnt as string))
                ,concat_ws('% | ', cast(round(dif_2cnt*/total_cnt, ) as string), cast(dif_2cnt as string))
                ,concat_ws('% | ', cast(round(dif_3cnt*/total_cnt, ) as string), cast(dif_3cnt as string))
                ,concat_ws('% | ', cast(round(dif_4cnt*/total_cnt, ) as string), cast(dif_4cnt as string))
            from
            (
                select p1.state dim_date
                    ,p1.device_os
                    ,count(distinct p1.user_id) total_cnt
                    ,count(distinct if(datediff(p3.state,p1.state) = , p1.user_id, null)) dif_1cnt
                    ,count(distinct if(datediff(p3.state,p1.state) = , p1.user_id, null)) dif_2cnt
                    ,count(distinct if(datediff(p3.state,p1.state) = , p1.user_id, null)) dif_3cnt
                    ,count(distinct if(datediff(p3.state,p1.state) = , p1.user_id, null)) dif_4cnt
                from
                    (
                        select
                            from_unixtime(unix_timestamp(cast(partition_date as string), 'yyyyMMdd'), 'yyyy-MM-dd') state,
                            user_id
                        from user_active_day
                        where partition_date between date1 and date2
                        and user_is_new =
                        group by ,
                    )p1 --日新增用户名单(register_date,user_id)
                    left outer join
                    (
                        select
                            from_unixtime(unix_timestamp(cast(partition_date as string), 'yyyyMMdd'), 'yyyy-MM-dd') state,
                            user_id
                        from active_users
                        where partition_date between date1 and date2
                        group by ,
                    )p3 --期间活跃用户(active_date,user_id)
                    on (p3.user_id = p1.user_id)
                group by ,
            ) p4;

友情附赠:

求用户首充的时间,在充值表中以user_id分组,然后找出最小的订单添加时间,对应的订单就是首充的记录.