目录
留存率cohort也叫做同期群留存分析，将同一时间范围内的用户分为一组，计算这批人在之后的留存情况，一般结果的样式如下（这里省略数值，）：
新增留存
| 日期 | 新增客户数 | 次1日留存 | 次2日留存 | 次3日留存 | .... |
|---|---|---|---|---|---|
| 20220101 | 1000 | 50% | 40% | 39% | |
| 20220102 | 981 | 59% | 50% | ||
| 20220103 | 819 | 61% |
老客留存（数据略）
| 日期 | 老客户数 | 次1留存 | 次2留存 | 次3留存 | .... |
|---|---|---|---|---|---|
根据留存cohort图可以得到两方面的信息
1、从横向看，可以得到一批用户在长时间范围内的衰减情况
以上述示例来看：用户在新增后的前两天是快速衰减的（第一天之后有50%的用户不再来了，第三天又损失了40%），到第四天会逐步稳定下来，可见前三天是产品抓住用户的关键窗口期。
2、从纵向看，可以看出不同时间周期来的用户，他们的留存情况是否有改善
以上述示例来看：用户的次日留存在逐步改善（从50%-59%-61%）这可能是产品上做了优化调整，也可能是投放侧在用户的选择上更精准了（对应的用户新增数量也在减少）
如果通过SQL得到留存cohort数据呢？
Step1：计算留存率分母数据，即每日的用户量
通常来说，新老用户的留存率差异是非常大的，所以需要进行区分。有现成的用户标签是最好的，如果没有可以用窗口函数计算用户是第几次来，第一次来的用户就是当日新增用户。
step2：计算留存率分子
这里计算的间隔时间可以是日，周，月各种时间粒度
关于SQL时间计算的相关知识点可以参考：
| 日期 | 间隔时间 | 留存客户数 |
|---|---|---|
| 20220101 | 1 | 500 |
| 20220101 | 2 | 400 |
| 20220101 | 3 | 390 |
| 20220102 | ... | ... |
step3：将上面两步骤数据合并
with tmp as
(select
date,--yyyy-mm-dd格式，如果是yyyymmdd需要转换
user_id
from table_name
where is_new=1#筛选新用户
)
select
a.date,
gap,
`客户数`,
`留存客户数`,
round(`留存客户数`/`客户数`,2) as `留存率`
from
(--计算留存率分母
SELECT DATE,COUNT(DISTINCT user_id) AS `客户数`
FROM tmp
GROUP BY DATE)a--计算每日新增客户数
LEFT JOIN
(--计算留存率分子
SELECT
begin_date,
gap,
count(distinct user_id) as `留存客户数`
from
(SELECT
a.user_id,
a.date as begin_date,
b.date as stay_date,
datediff(b.date,a.date)as gap--计算间隔天数
from
(select *
from tmp)a
left join
(select *
from tmp)b
on a.user_id=b.user_id)a
where gap>=1--筛选间隔天数大于等于1的记录
group by begin_date,gap)b
on a.date=b.begin_date和日对日留存的区别在于，日对日留存只需要计算两次日期的间隔天数即可
而周对周的留存需要计算两个日期的间隔周
有两种方法可以实现周对周留存率的计算
1、先把每天的日期对应到当周的周一，再计算周一之间的日期差除以7
2、使用weekofyear函数，但是这里如果涉及到跨年，需要在处理的时候注意
weekofyear('yyyy-mm-dd')
两个日期周数相差：公式：（52-新增周）+（留存日年份-新增日年份）*留存日周数
如2022年第51周新增的用户，在2023年第1周的留存，计算两个日期的周数差：
（52-51）+（2023-2022）*1=2（也就是次2周留存）
我们以第一种方法示例
with tmp as
(select
date,--yyyy-mm-dd格式，如果是yyyymmdd需要转换
date_add(DATE,2-if(dayofweek(DATE)=1,8,dayofweek(DATE))) as monday,
user_id
from table_name
where is_new=1#筛选新用户
)
select
a.monday,
gap,
`客户数`,
`留存客户数`,
round(`留存客户数`/`客户数`,2) as `留存率`
from
(--计算留存率分母
SELECT monday,COUNT(DISTINCT user_id) AS `客户数`
FROM tmp
GROUP BY monday)a--计算每日新增客户数
LEFT JOIN
(--计算留存率分子
SELECT
begin_date,
gap,
count(distinct user_id) as `留存客户数`
from
(SELECT
a.user_id,
a.monday as begin_week,
b.monday as stay_week,
datediff(b.monday,a.monday)/7 as gap--计算间隔周数
from
(select *
from tmp)a
left join
(select *
from tmp)b
on a.user_id=b.user_id)a
where gap>=1--筛选间隔天数大于等于1的记录
group by begin_date,gap)b
on a.monday=b.begin_week
计算两个日期之间的月份差可以使用month_bvetween(date1,date2)函数，但是这里计算出来的月份差非整数，如20230301和20230430之间的月份差也是1
在计算月留存时，我们需要对其向下取整，即floor(month_bvetween(date1,date2))
with tmp as
(select
date,--yyyy-mm-dd格式，如果是yyyymmdd需要转换
substr(DATE,1,7) AS month,
user_id
from table_name
where is_new=1#筛选新用户
)
select
a.month,
gap,
`客户数`,
stay_num
from
(--计算留存率分母
SELECT month,COUNT(DISTINCT user_id) AS `客户数`
FROM tmp
GROUP BY month)a--计算每日新增客户数
LEFT JOIN
(--计算留存率分子
SELECT
begin_date,
gap,
count(distinct user_id) as `留存客户数`
from
(SELECT
a.user_id,
a.month as begin_month,
floor(months_between(b.date,a.date))as gap--计算间隔天数
from
(select *
from tmp)a
left join
(select *
from tmp)b
on a.user_id=b.user_id)a
where gap>=1--筛选间隔天数大于等于1的记录
group by begin_month,gap)b
on a.month=b.begin_month