什么是队列分析？和普通留存有何不同？

一句话：队列分析是把用户按「何时、因何事进入观察」切成一批一批，然后看这同一批人在第 1 天、第 7 天、第 30 天还在不在；普通留存（整体次日/周留存）则是把当天所有人搅在一个锅里算回访率。

队列（cohort / 同期群）最常见的切法是获取队列：同一天（或同一周）新注册 / 首活 / 首单的用户算一批。也可以做行为队列：同一周完成了「第一次加购」「第一次看完课」的人算一批。关键不是日期本身，而是「进入队列的事件对齐」——这批人的「第 0 天」是同一类事件。

普通留存在算什么：D 日活跃用户里，有多少人在 D+1 还活跃。分母每天都在换人。新渠道灌进来一波低质量用户、活动把羊毛党冲进来、某天大盘里老用户占比突然变高，整体次日留存都会跳，哪怕你对「上周那批新用户」什么都没改。

队列留存在算什么：对「9 月 1 日新增」这一批人，看他们自己的 D1 / D7 / D30。9 月 2 日新增是另一行。热力图的一行是一个队列，一列是存活天数。这样你比较的是「同一批人随时间的衰减」，不是「今天这锅汤咸不咸」。

为什么必须拆：
1. 结构效应（composition）：整体留存掉了，先问是「老队列也掉」还是「新进来的人更差」。后者是拉新质量/渠道问题，前者才更像产品或体验衰退。
2. 评估干预：发版、改注册流程、换激励，应对「干预后的新队列」看曲线，而不是拿大盘和上周比——大盘里大部分人根本没碰到新流程。
3. 渠道 / 活动复盘：同一产品，应用商店、信息流、线下地推的队列曲线往往差一截；只看整体会被占比最大的渠道淹没。

实现上，先有一张用户日活去重表 dau(user_id, dt)，再钉住进入日：

WITH cohort AS (
  SELECT user_id, MIN(dt) AS cohort_dt
  FROM dau
  GROUP BY 1
),
labeled AS (
  SELECT
    c.cohort_dt,
    DATEDIFF(d.dt, c.cohort_dt) AS day_n,
    d.user_id
  FROM cohort c
  JOIN dau d ON d.user_id = c.user_id
            AND d.dt >= c.cohort_dt
)
SELECT
  cohort_dt,
  COUNT(DISTINCT CASE WHEN day_n = 0 THEN user_id END) AS size,
  COUNT(DISTINCT CASE WHEN day_n = 1 THEN user_id END) * 1.0
    / COUNT(DISTINCT CASE WHEN day_n = 0 THEN user_id END) AS d1,
  COUNT(DISTINCT CASE WHEN day_n = 6 THEN user_id END) * 1.0
    / COUNT(DISTINCT CASE WHEN day_n = 0 THEN user_id END) AS d7
FROM labeled
GROUP BY 1;

口径要先对齐：分母是队列人数（D0 那批），分子是这批人里第 N 天仍活跃的人数；活跃定义、时区、自然日还是滚动 24h，必须和整体留存用同一套，否则两张图不能对读。

口述收尾：先说「队列钉住同一批人，整体混着看」；再主动提「整体掉了先拆结构，别急着判产品变差」。面试官一般会顺着问热力图或渠道。