使用 PostgreSQL 计算每日用户的留存率答案

【问题标题】：Calculate retention for daily users with PostgreSQL使用 PostgreSQL 计算每日用户的留存率
【发布时间】：2016-05-30 08:30:35
【问题描述】：

我正在尝试使用 pgadminIII / postgresql 计算用户登录会话的每日保留率。

table1 有user_id、first_login_date、last_login_date

CREATE TABLE table1 (user_id numeric, first_login_date date, last_login_date date);

  INSERT INTO table1 (user_id, first_login_date, last_login_date) VALUES (12346, '2010-06-01', '2010-06-02'),
(67890, '2010-03-01', '2010-03-10'),
(67890, '2010-03-01', '2010-03-10'),
(90123, '2010-08-01', '2010-08-15'),
(45678, '2010-08-01', '2010-08-20'),
(76543, '2010-07-01', '2010-07-01');

table2 有user_id、session_id、login_date

CREATE TABLE table2 (user_id numeric, session_id numeric, login_date date);

INSERT INTO table2 (user_id, session_id, login_date) VALUES
(12346, '8764', '2010-06-02'),
(67890, '4657', '2010-03-05'),
(90123, '3945', '2010-08-09'),
(45678, '20845', '2010-08-02'),
(67890, '29384', '2010-03-07'),
(90123, '3424', '2010-08-12'),
(45678, '349284', '2010-08-10');

table1 中有一些重复项。因此，我不确定我计算保留 2 天和 5 天的用户的查询是否正确。

我用于 2 天的查询是：

SELECT table1.user_id, first_login_date, table2.login_date,
(table2.login_date - table1.first_login_date) as datediff, FROM table1
JOIN table2 ON table2.user_id = table2.user_id WHERE
(table2.login_date - table1.first_login_date) = 1;

给出 7 个用户留存 2 天的结果

但是，如果我添加 distinct 子句，例如：

SELECT distinct table1.user_id, first_login_date, table2.login_date,
    (table2.login_date - table1.first_login_date) as datediff FROM table1
    JOIN table2 ON table2.user_id = table2.user_id WHERE
    (table2.login_date - table1.first_login_date) = 1;

我得到了 3 个用户保留 2 天的结果。

我已经咨询了HERE、HERE 和HERE 关于每日留存率的计算，但我不确定我的技术是否给出了正确的结果。例如，要计算 DAU，self-join 是否更合适。

鉴于table1 和table2 中的数据，使用我定义的查询，我的2 天保留结果是否准确？有没有一种优化的方法来计算这种留存率？

【问题讨论】：

标签： sql postgresql metrics pgadmin retention

【解决方案1】：

你正在加入 table2 到它自己：

ON table2.user_id = table2.user_id

在子查询中执行distinct：

select distinct on (t2.login_date)
    user_id,
    first_login_date,
    t2.login_date,
    t2.login_date - t1.first_login_date as datediff
from
    (
        select distinct *
        from t1
    ) t1
    inner join
    t2 using (user_id)
where t2.login_date - t1.first_login_date = 1
 user_id | first_login_date | login_date | datediff 
---------+------------------+------------+----------
   12346 | 2010-06-01       | 2010-06-02 |        1
   45678 | 2010-08-01       | 2010-08-02 |        1

【讨论】：

此查询不过滤不同的用户。有了这个join，它产生的行数比我输入的要多。