hive 求留存率

在 Hive 中，计算留存率可以通过以下步骤实现：

1. 计算每个用户的首次访问时间。假设你的数据存储在表 user_visit 中，其中包含用户ID（user_id）和访问时间（visit_time），则可以使用以下 HiveQL 语句计算每个用户的首次访问时间：

   SELECT user_id, MIN(visit_time) AS first_visit_time
   FROM user_visit
   GROUP BY user_id;

2. 计算每个用户的次日访问时间。假设你想计算 1 天后的留存率，则需要计算每个用户在首次访问后的第二天是否有访问行为。可以使用以下 HiveQL 语句计算每个用户的次日访问时间：

   SELECT user_id, MIN(visit_time) AS second_visit_time
   FROM user_visit
   WHERE visit_time >= DATE_ADD(first_visit_time, 1)
   GROUP BY user_id;

3. 计算留存率。使用以下 HiveQL 语句计算留存率：

   SELECT COUNT(DISTINCT uv1.user_id) AS retention_count, COUNT(DISTINCT uv2.user_id) AS total_count,
          retention_count / total_count AS retention_rate
   FROM (
       SELECT user_id, MIN(visit_time) AS first_visit_time
       FROM user_visit
       GROUP BY user_id
   ) uv1
   JOIN (
       SELECT user_id, MIN(visit_time) AS second_visit_time
       FROM user_visit
       WHERE visit_time >= DATE_ADD(first_visit_time, 1)
       GROUP BY user_id
   ) uv2
   ON uv1.user_id = uv2.user_id;

这里的 retention_count 表示首次访问后在第二天仍有访问行为的用户数量，total_count 则表示首次访问的用户总数。最终的留存率为 retention_count / total_count。