BigQuery中的Firebase群组

Question

我正在尝试使用BigQuery复制Firebase群组。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time_lag 0的用户类似于我在Firebase中看到的用户，但是，其余数字看起来不正确：

结果：

缺少一个period_lag（仅见0,1和3 - > 2），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位：

#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代替create_date和user_dim.app_info.app_instance_id代替id和parent_id。知道我做错了吗？

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。让我说明您链接的其他StackOverflow问题中呈现的案例与您尝试重现的案例之间的差异：

• 在另一个问题中，answers.creation_date指的是未修复的日期值，并且可以为单个用户提供不同的值。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，使用answers.user_dim.first_open_timestamp_micros是指过去修正的日期值，因为如上所述in the documentation，该变量指的是时间（以微秒为单位）用户首次打开应用。该值是唯一的，因此，对于每个用户，您只有一个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，因为您不是每次用户访问应用程序时都记录，而是仅在他们第一次访问时记录。

您应该从以前共享的文档链接（可能是answers.user_dim.first_open_timestamp_micros或event_dim.date）中查找其他值，而不是使用event_dim.timestamp_micros，但您必须考虑这些字段引用事件而不是用户的帐户，因此您应首先进行一些预处理。出于测试目的，您可以使用publicly available BigQuery exports for Firebase。

中的一些

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