MySQL用户数据分析核心是GROUP BY与聚合函数结合时间函数；按注册时间统计日/月新增用户需归一化时间字段；DAU/MAU用COUNT(DISTINCT)计算活跃用户；次日留存通过LEFT JOIN限定行为时间间隔实现。
统计用户数据是 MySQL 最常见的分析场景之一，核心在于用好 GROUP BY、聚合函数（如 COUNT、SUM、AVG）和时间函数（如 DATE、YEAR、DATE_SUB），再结合业务逻辑做条件筛选与分组维度设计。
按注册时间统计每日/每月新增用户数
这是最基础也最有价值的指标。关键是要把注册时间字段（比如 created_at）按天或月归一化，再计数。
- 统计每天新增用户：SELECT DATE(created_at) AS day, COUNT(*) AS new_users FROM users GROUP BY DATE(created_at) ORDER BY day;
- 统计每月新增用户：SELECT DATE_FORMAT(created_at, '%Y-%m') AS month, COUNT(*) AS new_users FROM users GROUP BY month ORDER BY month;
- 若只查最近30天，可在 WHERE 中加条件：WHERE created_at >= DATE_SUB(NOW(), INTERVAL 30 DAY)
统计活跃用户（DAU / MAU）
活跃用户通常指当天有登录、下单或页面访问行为的用户。假设有 user_behavior 表记录用户行为，含 user_id 和 behavior_time 字段。
DESTOON B2B网站管理系统
下载
DESTOON B2B网站管理系统是一套完善的B2B(电子商务)行业门户解决方案。系统基于PHP+MySQL开发，采用B/S架构，模板与程序分离，源码开放。模型化的开发思路，可扩展或删除任何功能；创新的缓存技术与数据库设计，可负载千万级别数据容量及访问。
- 计算某日 DAU（日活跃用户数）：SELECT COUNT(DISTINCT user_id) AS dau FROM user_behavior WHERE DATE(behavior_time) = '2024-06-15';
- 计算某月 MAU（月活跃用户数）：SELECT COUNT(DISTINCT user_id) AS mau FROM user_behavior WHERE behavior_time >= '2024-06-01' AND behavior_time
- 注意：用 COUNT(DISTINCT user_id) 避免重复计数，比单纯 GROUP BY 更准确
分城市/渠道/会员等级统计用户分布
这类统计用于用户画像和运营决策，重点在多维度分组与空值处理。
- 按城市统计用户数（忽略空城市）：SELECT city, COUNT(*) AS user_count FROM users WHERE city IS NOT NULL AND city != '' GROUP BY city ORDER BY user_count DESC LIMIT 10;
- 按注册渠道和会员等级交叉统计：SELECT source, level, COUNT(*) AS cnt FROM users GROUP BY source, level;
- 建议对 source、level 等字段建联合索引，提升 GROUP BY 效率
留存率计算（次日/7日留存）
留存反映用户粘性。需用自连接或窗口函数（MySQL 8.0+ 支持），这里给出兼容 5.7 的子查询写法。
- 计算次日留存率（注册后第2天仍活跃）：SELECT t1.reg_day, COUNT(t2.user_id) / COUNT(t1.user_id) AS retention_rate FROM (SELECT DATE(created_at) AS reg_day, user_id FROM users WHERE created_at >= '2024-06-01') t1 LEFT JOIN (SELECT DATE(behavior_time) AS act_day, user_id FROM user_behavior) t2 ON t1.user_id = t2.user_id AND t2.act_day = DATE_ADD(t1.reg_day, INTERVAL 1 DAY) GROUP BY t1.reg_day;
- 关键点：主表是注册用户，LEFT JOIN 活跃行为表并限定“次日”，再用 COUNT 计算比例
- 7日留存只需把 INTERVAL 1 DAY 改成 INTERVAL 7 DAY，并确保行为表有足够历史数据
