MySQL中计算客户最近一次消费距今天天数,需用DATEDIFF(CURDATE(), MAX(order_date)),顺序不可颠倒;结果为NULL说明该客户无有效订单,属高危流失群,不应COALESCE填0掩盖问题。

窗口函数怎么算客户最近一次消费距今天多少天
直接用 MAX(order_date) 配合 OVER(PARTITION BY customer_id) 拿不到“距今天天数”,因为 MAX() 返回的是日期值,得显式减去当前日期。MySQL 用 DATEDIFF(CURDATE(), MAX(order_date)),PostgreSQL 用 CURRENT_DATE - MAX(order_date),注意顺序别反——负数说明数据有未来订单,要排查清洗。
常见错误是写成 DATEDIFF(MAX(order_date), CURDATE()),结果全是负数还浑然不觉;另一个坑是没加 WHERE order_date ,把测试环境注入的未来单子也卷进来了。
- 必须在窗口前过滤掉异常时间(如订单时间 > 当前时间)
- 如果用 Presto/Trino,
date_diff('day', max(order_date), current_date)才对,参数顺序和 PostgreSQL 一致 - 结果为 NULL 通常意味着该客户没有任何有效订单,这类客户天然属于高危流失群,别用 COALESCE 填 0 掩盖问题
如何用 ROW_NUMBER() 标记客户最后一次活跃是否为退订前行为
核心是按客户分组、按时间倒序编号:ROW_NUMBER() OVER(PARTITION BY customer_id ORDER BY event_time DESC)。拿到序号 = 1 的那条记录后,再关联用户状态表判断是否发生在 status = 'cancelled' 之前 7 天内。
关键不在窗口函数本身,而在时间对齐逻辑:事件时间(event_time)和退订时间(cancel_time)必须同粒度(都到日 or 都带时分秒),否则 event_time > cancel_time - INTERVAL '7 days' 会漏判。尤其注意跨时区系统,event_time 是 UTC 而 cancel_time 是本地时间的情况。
- 别在窗口内直接写
WHERE status != 'cancelled',这会把退订当天的行为也过滤掉 - 推荐先用 CTE 抽出每个客户的
first_cancel_time,再和行为表 LEFT JOIN,避免窗口里嵌套条件导致逻辑混乱 - 如果一个客户多次退订又复购,只取最早一次退订时间做预警基线,除非业务明确要求跟踪每次退订周期
累计消费金额断层检测为什么不能只用 SUM() OVER
SUM(amount) OVER(PARTITION BY customer_id ORDER BY order_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) 算的是标准累计值,但流失预警需要识别“突然归零”——比如上月花了 5000,本月为 0,这种断层比绝对值更敏感。
真正要的是:对每个客户,按月聚合后,看 LAG(monthly_amount, 1) OVER(PARTITION BY customer_id ORDER BY month) 是否非空且大于 0,而当前 monthly_amount = 0。这里 LAG 的偏移量必须是 1(不是 0),ORDER BY 的 month 必须是规范的字符串(如 '2024-05')或整数(202405),不能是 date 类型直接排序,否则跨年时 2024-01 会排在 2023-12 后面。
- 别用
LEAD()反向推,会导致最新月份永远缺失对比值 - 如果原始订单表没有月维度字段,先用
DATE_TRUNC('month', order_date)(PostgreSQL)或STR_TO_DATE(DATE_FORMAT(order_date, '%Y-%m'), '%Y-%m')(MySQL)生成,别依赖客户端拼接 - 累计断层 ≠ 单次断层,有些客户本就低频,要叠加“过去 6 个月平均月消费
为什么 RANK() 在计算复购间隔中容易误判
用 RANK() OVER(PARTITION BY customer_id ORDER BY order_date) 给订单排序,再和自身 JOIN 找前一条,看似合理。但当一个客户同一天下多单,RANK() 会给它们相同名次(比如都是第 3 名),导致 rn = rn_prev + 1 匹配失败,间隔算成 NULL。
必须改用 ROW_NUMBER() —— 它无视并列,强制唯一编号。如果业务真要求“同天多单视为一次行为”,那就先按天去重:SELECT customer_id, DATE(order_date) AS order_day FROM orders GROUP BY customer_id, DATE(order_date),再对 order_day 窗口排序。
- ORDER BY 子句里一定要包含能打破并列的字段,比如
ORDER BY order_date, order_id,否则 ROW_NUMBER() 在某些引擎里也可能不稳定 - 复购间隔单位统一用“天”,别混用工作日或自然日,财务侧和运营侧对“7 天未复购”的理解可能不同,提前对齐定义
- NULL 间隔值不要丢弃,它代表首单客户,这部分人虽无复购行为,但恰恰是模型里最关键的冷启动样本
实际跑特征时,最常被忽略的是时间分区裁剪——没加 WHERE order_date >= '2023-01-01' 就直接开窗,一查就是全量历史,任务慢不说,还容易因旧数据格式异常(比如 order_date 是空字符串)导致整个窗口计算崩掉。

















