mysql 用户留存率计算需统一日期粒度，避免 datetime 时分秒干扰；group_concat 须调大 max_len 防截断；会话切分应结合 lag 与时间差而非仅 row_number；漏斗分析宜用 exists 或独立聚合替代 left join 以防数据膨胀。
查用户留存率时，DATE_SUB 和 DATE_ADD 别混用
MySQL 里算次日 / 7 日留存，核心是拿「首日行为日期」和「后续行为日期」做差值。很多人直接写 WHERE event_date = DATE_ADD(first_date, INTERVAL 1 DAY)，但实际 first_date 如果是 DATETIME 类型（比如 '2024-03-01 14:22:05'），DATE_ADD 会保留时分秒，导致等值匹配失败。
正确做法是统一转成日期粒度再比：
- 用
DATE()提取日期部分：DATE(event_date) = DATE(DATE_ADD(first_date, INTERVAL 1 DAY)) - 或更稳妥：先用
MIN(event_date)算出每个用户的首次行为时间，再用DATE()转成DATE类型存为first_active_day，后续所有比较都基于这个字段 - 注意
DATE_SUB(NOW(), INTERVAL 7 DAY)返回的是带时分秒的DATETIME，如果表里event_date是DATE类型，隐式转换可能走全表扫描
用户路径分析卡在 GROUP_CONCAT 长度截断
用 GROUP_CONCAT 拼用户点击序列（比如 'home>search>product>cart'）很常见，但默认长度上限是 1024 字符，超长就 silently 截断——你根本看不出哪条路径被砍了。
必须显式调大：
- 查当前设置：
SELECT @@group_concat_max_len - 临时改（当前 session）：
SET SESSION group_concat_max_len = 1000000 - 永久改需在 MySQL 配置文件加
group_concat_max_len = 1000000，重启生效 - 如果路径节点太多（比如 >50 步），拼字符串本身性能差，建议改用窗口函数 + 递归 CTE 或导出后用 Python 处理
ROW_NUMBER() 在用户会话切分时漏掉并发行为
按用户 ID + 时间排序打序号来识别会话（比如 30 分钟无操作算新会话），常用 ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY event_time)。但它只保证顺序，不处理时间间隔逻辑。
真正要切会话，得结合 LAG() 计算上一次行为的时间差：
- 先用
LAG(event_time) OVER (PARTITION BY user_id ORDER BY event_time)取前一行时间 - 再用
CASE WHEN TIMESTAMPDIFF(MINUTE, prev_time, event_time) > 30 THEN 1 ELSE 0 END标记新会话起点 - 最后用累计求和（
SUM(is_new_session) OVER (PARTITION BY user_id ORDER BY event_time)）生成会话 ID - 别直接用
ROW_NUMBER()当会话 ID——它对同一秒内多个事件无法区分先后，且不感知业务定义的“空闲阈值”
漏斗分析中 LEFT JOIN 导致用户数虚高
写四步漏斗（曝光→点击→加购→下单）时，习惯性用 LEFT JOIN 连四张子查询，结果发现第二步用户数比第一步还多。问题出在：没去重，也没限制关联条件唯一性。
典型错误是这样：
SELECT COUNT(DISTINCT a.user_id) AS step1, COUNT(DISTINCT b.user_id) AS step2 FROM exposure a LEFT JOIN click b ON a.user_id = b.user_id 如果一个用户在 a 表出现 1 次、在 b 表出现 5 次，LEFT JOIN 会生成 5 行，COUNT(DISTINCT b.user_id) 虽然仍是 1，但中间膨胀的数据量会让执行变慢，且一旦加了其他过滤条件（比如时间范围不一致），就容易误算。
更稳的做法：
- 每步单独聚合：
SELECT user_id FROM click WHERE event_time >= '2024-03-01' GROUP BY user_id - 用
EXISTS或IN做包含判断，而不是JOIN - 如果真要用
JOIN，确保关联字段在子查询里已DISTINCT或加GROUP BY，避免笛卡尔积
漏斗数字失真的地方，往往不在逻辑，而在 JOIN 时没意识到数据已经重复了。
