SQL中如何借助GROUP BY完成用户流失率的阶段性统计

作者：袖梨 2026-07-02

GROUP BY 无法计算阶段性流失率，因其仅做静态聚合，不能识别用户“从活跃变为流失”的跨周期行为；需先用窗口函数或子查询标记用户最后活跃时间并比对多周期状态，再分组统计。

直接用 GROUP BY 算不出真正的“阶段性流失率”——它只能告诉你“某时间点有多少人已流失”，但无法表达“这批人在过去 N 天内从活跃变成流失”的过程。你需要先定义“阶段”，再用窗口函数或状态标记辅助分组，否则结果只是静态快照。

为什么 GROUP BY 不能直接算阶段性流失率

GROUP BY 本身不带时间上下文，它只对当前行集合做聚合。比如你写 SELECT status, COUNT(*) FROM users GROUP BY status，得到的 'churned' 是当前标记为流失的用户数，和“上月还活跃、本月变流失”完全无关。

常见错误是按 MONTH(event_time) 分组后统计 COUNT(*)，这实际统计的是“当月有行为的流失用户”，不是“当月新流失用户”
真正要抓的是“最后一次活跃在上一周期、当前周期无行为”的用户，这需要跨周期比对，GROUP BY 单独做不到
如果表里没有明确的 churn_date 字段，仅靠 GROUP BY + MAX(login_time) 会漏掉中间回归又流失的用户（比如活跃→沉默→回归→再沉默）

用 GROUP BY 配合子查询识别“当期新流失”

核心思路：先找出每个用户的“最后活跃日”，再判断该日是否落在上一周期，且当前周期无新行为。这时 GROUP BY 才起作用——用于按周期归类这些被识别出的用户。

先用子查询或 CTE 计算每个用户的 last_active_date：MAX(login_time) OVER (PARTITION BY user_id)
再用外层 WHERE 过滤：例如 last_active_date <= '2026-05-31' AND last_active_date >= '2026-05-01'，表示最后活跃在 5 月
同时确保该用户在 6 月（当前周期）没有任何 login_time ——这步必须用 NOT EXISTS 或左连接+IS NULL，不能只靠 GROUP BY
最后用 GROUP BY YEAR(last_active_date), MONTH(last_active_date) 统计各阶段新流失人数

示例片段（以月为阶段）：

SELECT   YEAR(last_active), MONTH(last_active) AS churn_month,  COUNT(*) AS new_churn_countFROM (  SELECT     user_id,    MAX(login_time) AS last_active  FROM user_logins  GROUP BY user_id  HAVING MAX(login_time) <= '2026-05-31'      AND MAX(login_time) >= '2026-05-01') tWHERE NOT EXISTS (  SELECT 1 FROM user_logins u2   WHERE u2.user_id = t.user_id     AND u2.login_time >= '2026-06-01')GROUP BY YEAR(last_active), MONTH(last_active);