数据库是操作型数据库，数据仓库是分析型数据库： 1. 操作型数据库 主要用于业务支撑。一个公司往往会使用并维护若干个数据库，这些数据库保存着公司的日常操作数据，比如商品购买、酒店预订、学生成绩录入等；2. 分析型数据库 主要用于历史数据分析。这类数据库作为公司的单独数据存储，负责利用历史数据对公司各主题域进行统计分析； 1. 数据组成差别 - 数据时间范围差别 一般来讲，操作
转载
2024-01-02 21:38:57
25阅读
# 数据仓库N日留存率实现指南
留存率是衡量应用程序或服务长期参与度的关键指标，它帮助企业评估其用户忠诚度和产品的受欢迎程度。在数据仓库中，N日留存率表明在某个特定日期注册的用户，在接下来的N天内是否仍然使用该产品。
本文将指导你如何在数据仓库中计算N日留存率。我们将分步骤进行，每一步都将包含相应的代码以及详细解释。
## 整体流程
我们将整个流程分为以下几个步骤：
| 步骤 | 描述
原创
2024-09-09 04:02:15
125阅读
目录同步策略四种表20张表分别属于什么分区策略数据的同步主要得益于：数据仓库的同步策略，它的同步策略有四种。同步策略全量同步策略：每日全量，导入完整数据到hive的分区表，就是每天存储一份完整数据，作为一个分区。适用于表数据量不大，且每日都有新数据插入，也会有旧数据修改的场景。例如：编码字典表，且每天即会有数据插入，也会有旧数据的修改的场景。增量同步策略：每日增量， 就是每天存储一份增量数据，作为
转载
2024-05-29 00:50:45
44阅读
用户留存率是衡量产品或服务对用户价值的重要指标之一。它衡量了在特定时间段内新增用户中有多少人保持活跃并继续使用产品或服务。用户留存率的高低直接反映了产品对用户的吸引力、用户满意度以及用户粘性的程度。本篇博客将详细解释用户留存率的概念，并给出计算公式，帮助企业更好地理解和应用这一关键指标。什么是用户留存率？
用户留存率是指在某一特定时间段内，新增用户中有多少人保持活跃并继续使用产品或服务的比例。它衡
原创
2023-06-25 22:33:54
267阅读
用户留存率是衡量产品或服务对用户价值的重要指标之一。它衡量了在特定时间段内新增用户中有多少人保持活跃并继续使用产品或服务。用户留存率的高低直接反映了产品对用户的吸引力、用户满意度以及用户粘性的程度。本篇博客将详细解释用户留存率的概念，并给出计算公式，帮助企业更好地理解和应用这一关键指标。什么是用户留存率？
用户留存率是指在某一特定时间段内，新增用户中有多少人保持活跃并继续使用产品或服务的比例。它衡
原创
2023-06-25 22:33:54
370阅读
用户留存率是衡量产品或服务对用户价值的重要指标之一。它衡量了在特定时间段内新增用户中有多少人保持活跃并继续使用产品或服务。用户留存率的高低直接反映了产品对用户的吸引力、用户满意度以及用户粘性的程度。本篇博客将详细解释用户留存率的概念，并给出计算公式，帮助企业更好地理解和应用这一关键指标。什么是用户留存率？
用户留存率是指在某一特定时间段内，新增用户中有多少人保持活跃并继续使用产品或服务的比例。它衡
原创
2023-06-25 22:33:54
301阅读
运营模型中的经典模型：1、AARRR模型：Acquisition（获客）：获取客户的指标。Activation（活跃）：活跃度。提高活跃度的方法：获客渠道与产品定位相匹配，就会产生高质量的用户；能否留住用户关键在于产品一上来的几分钟
转载
2024-02-23 11:17:35
8阅读
1.用户数据指标大体可以分为：日新增用户，活跃率和留存率日新增用户：即某一产品单人增加的用户数量活跃率：可以分为日活跃，周活跃和月活跃。其中活跃率=活跃用户/总用户，日周月对应时间节点留存率：新用户在之后使用的数量占新用户的比重。可分为1日l留存率，3日留存率，7日留存率和30日留存率。2.行为数据指标：PV、UV、转化率、转发率和K因子PV：访问次数，一个网页一天内被访问的次数UV：访问人数，一
转载
2023-08-21 09:46:15
55阅读
背景 APP分析中经常用到AARRR模型（海盗模型）用来分析APP的现状，其中一个重要节点就是提高留存（Acquisition），而留存率这个指标在这个阶段可以说是核心指标也不为过。那如何用SQL计算留存率呢？留存率计算方法 假如今天新增了100名用户，第二天登陆了50名，则次日留存率为50/100=50%，第三天登录了30名，则第二日留存率为30/100=30%,以此类推。 用SQL的计算思路用
转载
2023-10-17 13:20:09
97阅读
最近一个时期和很多的人进行了交流，收获了不少，也思考了不少，如今我们都能得到数据，如今我们也都能按照所谓的定义和框架分析问题，只是我觉得有时候不必要一定要一直站在框架内去分析一些问题，进步和前进的力量来自于质疑，并进行革新和再创造。留存率这个数据指标不记得从何时起变得那么重要，重要到研发上把它作为游戏好坏的一个标准，运营商（平台）作为了一个准入的钥匙，是否值得继续下去。有时候觉得粗暴，甚至无知了有
转载
2023-11-01 14:51:32
120阅读
链家面试题：如何分析留存率？ 手机中的相机是深受大家喜爱的应用之一，下图是某手机厂商数据库中的用户行为信息表中部分数据的截图。 用户 id：用户唯一标识； 应用名称：是手机中的某个应用，例如相机、微信、大众点评等。 启动时长：某一天中使用某应用多长时间（分钟）。 启动次数：某一天中启动了某应用多少次。 登陆时间：使用手机的日期。例如 2018-05-01。现在该手机厂商想要分析手机中的应用（相机）
转载
2023-09-13 19:45:35
160阅读
讲数据仓库涉及到的基本概念。
转载
2021-07-26 11:19:43
1103阅读
最近一个时期和很多的人进行了交流，收获了不少，也思考了不少，如今我们都能得到数据，如今我们也都能按照所谓的定义和框架分析问题，只是我觉得有时候不必要一定要一直站在框架内去分析一些问题，进步和前进的力量来自于质疑，并进行革新和再创造。留存率这个数据指标不记得从何时起变得那么重要，重要到研发上把它作为游戏好坏的一个标准，运营商（平台）作为了一个准入的钥匙，是否值得继续下去。有时候觉得粗暴，甚至无知了有
转载
2023-08-23 10:04:17
68阅读
玩家在某段时间内注册开始游戏，经过一段时间后，仍然继续游戏的被认作是留存；这部分用户占当时新增用户的比例即是留存率，会按照每隔1单位时间（例日、周、月）来进行统计。顾名思义，留存指的就是“有多少玩家留下来了”。留存用户和留存率体现了应用的质量和保留用户的能力。
次日留存率 首次登陆后第二天登录游戏用户/统计日的注册用户数
三日留存率 首次登陆后第三天登
转载
2023-11-30 15:22:29
86阅读
近期，为提升自己的工程能力，在休息时常通过刷题来回顾一下基础性知识。于是选择了mysql知识题库练手，过程中，主要遇到了几个比较有意思的题，记录下来，方便回顾。题1：SQL29 计算用户的平均次日留存率描述题目：现在运营想要查看用户在某天刷题后第二天还会再来刷题的平均概率。请你取出相应数据。示例：question_practice_detailiddevice_idquest_idres
转载
2023-08-03 21:26:52
241阅读
记录面试遇到的SQL题目--用户留存率已知一张用户信息表。结构如下：现需要计算日活跃用户，以及次日、3日、7日的用户留存率：解决思路如下： 单个表既有新客户，也有老用户每天的登录时间，所以进行自联结计算留存用户select
a.dt
,count(distinct a.id) as `日活跃用户`
,count(distinct b.id) as `次日留存数`
,co
转载
2023-05-31 15:42:06
393阅读
SQL9 2021年11月每天新用户的次日留存率用户行为日志表tb_user_log问题：统计2021年11月每天新用户的次日留存率（保留2位小数） ！！注： 次日留存率位当天新增的用户数中第二天又活跃了的用户数占比 如果in_time（进入时间）和out_time （离开时间） 跨天了，在两天里都记为该用户活跃过，结果按日期升序。DROP TABLE IF EXISTS tb_user_log;
转载
2023-08-11 16:30:48
130阅读
在一些统计系统中，为了观察用户的粘度，我们会计算一系列的叫做留存的指标——次日注册留存、2日注册留存...N日注册留存，比如昨天注册了 1000名用户中，在今天有300名用户又登录了，那么对应于昨天的注册留存就是30%；如果再去细究，还可以去计算活跃用户的留存情况，比如昨天登录的 1000名用户中，在今天，其中的100名用户又活跃了，那么对应于昨天的活跃次日留存就是10%。如果更细究下去的话，还可
转载
2024-01-14 15:35:58
98阅读
一、背景留存率：是用户分析的核心指标之一。它也是经典的AARRR模型（海盗模型）中就有一个重要节点——留存（Acquisition）。留存率的计算也是用户分析模型的计算基础，那么如何在数据库中用SQL实现呢？ 二、什么是留存率？常见的留存率有次日留存、三日留存、7日留存、14日留存、30日留存、90日留存等等，不同产品用户行为的频率是有差别的，留存率的设定也应该视不同产品而定，
转载
2023-10-12 16:23:06
287阅读
一、数仓分层1.1 数仓分层ODS(Operation Data Store)：原始数据层，关系建模，存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理DWD(Data Warehouse Detail)：明细数据层，维度建模，对ODS层数据进行清洗（去除空值，脏数据，超过极限范围的数据）、维度退化、脱敏等DWS(Data Warehouse Service)：服务数据层，以DWD为基础，
转载
2024-01-11 13:22:19
207阅读
