归一化（Normalization）是数据预处理中的一种常用方法，主要用于将不同特征的数据缩放到一个统一的范围内，以便不同特征在算法模型中能发挥相同的作用。归一化的目标是消除特征之间的量纲差异，使得不同量纲的特征在模型中能够得到公平的比较。

定义：可以将客户分为不同的群体，如高价值客户、潜力客户、流失客户等。企业可以根据不同群体的特征采取不同的营销策略。Recency（最近一次购买）：这个维度衡量的是客户距离上次购买的时间间隔。通常来说，最近购买的客户更有可能再次购买。RFM模型中，最近购买的客户被认为是更有价值的客户。定义：例如，距今30天内购买的客户为“近期客户”，超过30天未购买的客户为“长时间未购买客户”。Frequency（购买频率）：这个维度衡量客户在一定时间内的购买次数。购买频率越高的客户，通常表示对品牌或产品的忠诚度较高。定义：例如，在过去6个月内购买超过5次的客户视为“高频客户”。Monetary（消费金额）：这...

所谓异动分析，就是某个指标发生了变化，针对这个变化寻找原因。 1. 确认指标是否真的发生了异动： 数据是否准确（e.g.上游表是否产出正常） 数据变化范围是否在正常范围之内（e.g.假期节日） 计算层面是否发生变化（e.g.指标口径变更） 2. 拆解维度：多维度下钻。 比如可以分行业、分来源、分用户画像等等。一些有计算公式的指标，也可以细分到公式中的每个指标。 3. 确定原因： 可从时间对应、幅度对应等多角度确认是什么细分指标导致了最后的结果，又是什么因素影响了这个细分指标，可以综合考虑外部因素＋内部因素 📌其实异动分析的整体思路还是很简单的，重点是培养对场景的理解和感知，储备多样的分析...

1、我们的产品是一个提供下载能力的工具类应用（应用商店），默认打开页面是首页。发现存在一些用户打开进入首页后，没有进入其他页面就离开了。现在想知道，是不是在首页下载游戏的用户，比下载非游戏、未下载用户更容易直接从首页离开，要如何进行验证。table1: user_id, date, action_type, page, app_name, timetable2: app_name（这里的都是游戏，不在这里的都是非游戏)，用SQL作答分析：计算 在首页下载游戏的用户、下载非游戏、未下载用户 的首页离开率 # 首先，筛选出所有用户在首页的活动 with m1 as( select use...

1、平均次日留存率# 用户在某天刷题后第二天再来刷题的平均概率 # 解法一：找到第一次刷题的日期，根据uid相等左连接第二天刷题的日期 select count(t2.uid)/count(*) as avg_cnt from (     select distinct uid,         min(date) as date     from t     group by uid ) as t1 left join (     select distinct uid,            date     from t ) as t2 on t1.uid = t2.uid and ...