BigQuery 中的 Firebase 队列

Question

我正在尝试使用 BigQuery 复制 Firebase 队列。我尝试了这篇文章中的查询:Firebase exported to BigQuery: retention cohorts query ，但我得到的结果没有多大意义。

我设法让 period_lag 0 的用户与我在 Firebase 中看到的类似，但是，其余数字看起来不正确:

结果:

缺少一个 period_lag(只看到 0,1 和 3 -> 没有 2)并且每个滞后期的用户计数看起来也不正确!我希望看到类似的东西:

Firebase 群组:

我很确定问题在于我如何将原始查询中的参数替换为来自 Firebase 的参数。以下是我在原始查询中更新的部分:

#standardSQL
WITH activities AS (
  SELECT answers.user_dim.app_info.app_instance_id AS id,
    FORMAT_DATE('%Y-%m', DATE(TIMESTAMP_MICROS(answers.user_dim.first_open_timestamp_micros))) AS period
  FROM `dataset.app_events_*` AS answers
  JOIN `dataset.app_events_*` AS questions
  ON questions.user_dim.app_info.app_instance_id = answers.user_dim.app_info.app_instance_id
 -- WHERE CONCAT('|', questions.tags, '|') LIKE '%|google-bigquery|%' 

(...)

WHERE cohorts_size.cohort >= FORMAT_DATE('%Y-%m', DATE('2017-11-01'))
ORDER BY cohort, period_lag, period_label

所以我使用 user_dim.first_open_timestamp_micros 而不是 create_date 和 user_dim.app_info.app_instance_id 而不是 id 和 parent_id。知道我做错了什么吗？

Answer 1

我认为在如何以及将哪些数据检索到 activities 表中的概念存在误解。让我说明一下您链接的另一个 StackOverflow 问题中出现的案例与您尝试重现的案例之间的区别:

• 在另一个问题中，answers.creation_date 指的是一个不固定的日期值，单个用户可以有不同的值。我的意思是，同一个用户可以在两个不同的日期发布两个不同的答案，这样，您最终会得到两个 activities 条目，例如:{[ID:user1, date:2018-01 ],[ID:user1, date:2018-02],[ID:user2, date:2018-01]}.
• 在您的问题中，answers.user_dim.first_open_timestamp_micros 的使用指的是过去固定的日期值，因为如前所述 in the documentation ，该变量指的是用户首次打开应用的时间(以微秒为单位)。该值是唯一的，因此，对于每个用户，您将只有一个 activities 条目，例如:{[ID:user1, date:2018-01],[ID:user2, date :2018-02],[ID:user3, date:2018-01]}.

我认为这就是为什么您没有获得有关用户滞后保留的信息的原因，因为您没有记录用户每次访问应用程序时的情况，而只是他们第一次访问时的情况。

而不是使用 answers.user_dim.first_open_timestamp_micros，您应该从我之前分享的文档链接中的可用值中寻找另一个值，可能是 event_dim.date 或 event_dim.timestamp_micros，尽管您必须考虑到这些字段指的是一个事件而不是一个用户，所以您应该做一些先预处理。出于测试目的，您可以使用一些 publicly available BigQuery exports for Firebase .

---

最后，作为旁注，JOIN 一个表本身是没有意义的，因此关于您编辑的标准 SQL 查询，最好是:

#standardSQL
WITH activities AS (
  SELECT answers.user_dim.app_info.app_instance_id AS id,
    FORMAT_DATE('%Y-%m', DATE(TIMESTAMP_MICROS(answers.user_dim.first_open_timestamp_micros))) AS period
  FROM `dataset.app_events_*` AS answers
  GROUP BY id, period