用户行为指标浅析 _浅析

男儿欲遂平生志，五经勤向窗前读。这篇文章主要讲述用户行为指标浅析相关的知识，希望能为你提供帮助。
前言

指标名称	解释说明
新增用户	首次联网使用应用的用户，如果一个用户首次打开某APP，那这个用户定义为新增用户：卸载再安装的设备，不会被算作一次新增，新增用户包括日新增用户，周新增用户，月新增用户。
活跃用户	打开应用的用户即为活跃用户，不考虑用户的使用情况，每天一台设备打开多次会话被记为一个活跃用户
周（月）活跃用户	用户以设备作为判断标准，在移动统计中，每个独立设备认为是一个独立用户。安卓系统根据imei号，ios系统根据openUDUID来标识一个独立用户，每部手机一个用户。
沉默用户	用户仅在安装当天（次日）启动一次，后续时间无再启动的行为。该指标可以反应新增用户质量和用户与app的匹配程度
版本分布	不同版本的周内新增用户数，活跃用户数和启动次数。利于判断app各个版本之间的优劣和用户行为习惯。
本周回流用户	上周未启动过的应用，本周启动了应用的用户
连续n周活跃用户	连续n周，每周至少启动一次。
忠诚用户	连续活跃5周以上的用户
连续活跃用户	连续两周及以上活跃的用户
近期流失用户	连续n（2< =n < =4）周没有启动应用的用户。（第n+1周没有启动过）
留存用户	某段时间内的新增用户，经过一段时间后，仍然使用应用的被认作是留存用户：这部分用户占当时新增用户的比例即是留存率
用户新鲜度	每天启动应用的新老用户比例，即新增用户数占活跃用户数的比例
单次使用时长	每次启动使用的时间长度
日使用时长	累计一天内使用时间长度

?
用户活跃
描述
业务指标场景举例
分析思路
活跃用户按天明细表 dws_uv_detail_day。

createtable dws_uv_detail_day ( `mid_id` string COMMENT 设备唯一标识, `user_id` string COMMENT 用户标识, `app_time` string COMMENT 客户端日志产生时的时间, . . . . . . (省略其他字段) ) partitioned by(dt string) . . . . . .

活跃用户按周明细表 dws_uv_detail_wk。

create table dws_uv_detail_wk( `mid_id` string COMMENT 设备唯一标识, `user_id` string COMMENT 用户标识, `app_time` string COMMENT 客户端日志产生时的时间, `monday_date` string COMMENT 周一日期, `sunday_date` string COMMENT周日日期 , . . . . . . (省略其他字段) ) PARTITIONED BY (`wk_dt` string) . . . . . .

案例
最近七天内连续三天活跃用户数思路。（1）查询出最近7天的活跃用户，并对用户活跃日期进行排名。
（2）计算用户活跃日期及排名之间的差值。
（3）对同用户及差值分组，统计差值个数。
（4）将差值相同个数大于等于3的数据取出，然后去重，即为连续3天及以上活跃的用户数。

select 2022-01-04, concat(date_add(2022-01-04,-6),_,2022-01-04), count(*) from ( select uid_id from ( select uid_id from ( select uid_id, date_sub(dt,rank) date_diff from ( select uid_id, dt, rank() over(partition by uid_id order by dt) rank from dws_uv_detail_day where dt> =date_add(2022-01-04,-6) and dt< =2022-01-04 )t1 )t2 group by uid_id,date_diff having count(*)> =3 )t3 group by uid_id )t4;

用户（设备）新增
描述业务指标场景举例分析思路案例
每日新增用户（设备）

select ud.mid_id, ud.user_id from dws_uv_detail_day ud left join dws_new_mid_day nm on ud.mid_id=nm.mid_id where ud.dt=2022-01-04 and nm.mid_id is null;

用户留存
描述业务指标场景举例
分析思路
（1） 01-03日新增设备
01-04日活跃表 left join 每日新增表，新增表id为null的为新增设备。
（2）01-03日新增设备且 01-04日活跃的
01-03日新增 join 01-04的活跃。
（3）代入上面公式
案例

select nm.mid_id mid_id, nm.user_id user_id, ud.dt dt, 1 retention_day // 留存天数 from dws_uv_detail_day ud join dws_new_mid_day nm on ud.mid_id =nm.mid_id where ud.dt=2022-01-04 and nm.create_date=date_add(2022-01-04,-1)

沉默用户
描述分析思路（1）按照设备id对日活表分组
（2）过滤只是在启动当天用过的
【用户行为指标浅析】（3）时间在某个时间前的
案例 7日沉默用户（设备）数。

select 2022-01-04 dt, count(*) silent_count from ( select mid_id from dws_uv_detail_day where dt< =2022-01-04 group by mid_id having count(*)=1 and min(dt)< =date_add(2022-01-04,-6) ) t1;

回流用户
描述业务指标场景举例
分析思路案例
本周回流

select 2022-01-04 dt, concat(date_add(next_day(2022-01-04,MO),-7),_,date_add(next_day(2022-01-04,MO),-1)) wk_dt, count(*) from ( select t1.mid_id from ( select mid_id from dws_uv_detail_wk where wk_dt=concat(date_add(next_day(2022-01-04,MO),-7),_,date_add(next_day(2022-01-04,MO),-1)) )t1 left join ( select mid_id from dws_new_mid_day where create_date< =date_add(next_day(2022-01-04,MO),-1) and create_date> =date_add(next_day(2022-01-04,MO),-7) )t2 on t1.mid_id=t2.mid_id left join ( select mid_id from dws_uv_detail_wk where wk_dt=concat(date_add(next_day(2022-01-04,MO),-7*2),_,date_add(next_day(2022-01-04,MO),-7-1)) )t3 on t1.mid_id=t3.mid_id where t2.mid_id is null and t3.mid_id is null )t4;

流失用户
描述案例

select 2022-01-04, count(*) from ( select mid_id from dws_uv_detail_day group by mid_id having max(dt)< =date_add(2022-01-04,-7) )t1;

浏览数与访客数用户行为漏斗分析
描述举例说明订单转化率

select 2022-01-04, uv.day_count 日活跃人数, ua.order_count 下单数, cast(ua.order_count/uv.day_count asdecimal(10,2)) 访问到下单转化率, ua.payment_count 支付人数, cast(ua.payment_count/ua.order_count asdecimal(10,2)) 下单到支付转化率 from ( select sum(if(order_count> 0,1,0)) order_count, sum(if(payment_count> 0,1,0)) payment_count from dws_user_action where dt=2022-01-04 group by dt )ua join (select dt , count(*)day_count from dws_uv_detail_day where dt=2022-01-04 group by dt ) uv on uv.dt=ua.dt