按周维度分析用户活跃度是用户运营和数据分析中的高频需求，通过统计每周的活跃用户数、活跃频次等指标，能更清晰地观察用户行为的短期波动规律，为运营策略调整提供数据支撑。实现这个需求的核心在于正确提取每条用户行为记录对应的周起始时间，再结合分组统计完成计算。
核心函数与逻辑说明
DATE_TRUNC函数的作用
DATE_TRUNC是很多关系型数据库支持的时间截断函数，作用是将时间戳截断到指定的时间粒度，比如截断到周维度时，会返回该时间戳所在周的起始时间（不同数据库周起始日可能有差异，常见为周一或周日）。这样就能把同一周的所有时间记录映射到同一个周标识上，为后续分组提供统一维度。
GROUP BY的分组逻辑
GROUP BY用于将表中具有相同分组字段的记录归为一组，结合聚合函数可以计算每组的统计值。在按周分析的场景中，我们把DATE_TRUNC处理后的周起始时间作为分组字段，再配合COUNT、DISTINCT等聚合函数，就能得到每周的用户活跃相关指标。
通用实现示例
假设我们有用户行为表user_action，表结构如下：
| 字段名 | 类型 | 说明 |
|---|---|---|
| user_id | INT | 用户唯一标识 |
| action_time | TIMESTAMP | 用户行为发生时间 |
| action_type | VARCHAR | 行为类型，如登录、点击等 |
我们需要统计每周的活跃用户数（即每周至少有一次行为的去重用户数），使用PostgreSQL数据库的语法实现如下：
-- 按周统计活跃用户数
SELECT
DATE_TRUNC('week', action_time) AS week_start, -- 截断到周，得到周起始时间
COUNT(DISTINCT user_id) AS active_user_count -- 去重统计用户数
FROM
user_action
WHERE
action_time >= '2024-01-01' -- 可选的时间范围过滤
GROUP BY
DATE_TRUNC('week', action_time) -- 按周起始时间分组
ORDER BY
week_start ASC; -- 按周升序排列
不同数据库的差异适配
不同数据库的周截断函数语法略有不同，以下是常见数据库的实现方式对比：
- PostgreSQL：使用DATE_TRUNC('week', 时间字段)，默认周起始为周一
- MySQL：没有原生DATE_TRUNC函数，可使用
DATE_SUB(时间字段, INTERVAL WEEKDAY(时间字段) DAY)得到周一起始的周时间，若要周日起始可调整为DATE_SUB(时间字段, INTERVAL (WEEKDAY(时间字段)+1)%7 DAY) - SQL Server：使用DATEADD(week, DATEDIFF(week, 0, 时间字段), 0)得到周起始时间，默认周起始为周日
以MySQL为例，实现相同的每周活跃用户统计，代码如下：
-- MySQL按周统计活跃用户数，周起始为周一
SELECT
DATE_SUB(action_time, INTERVAL WEEKDAY(action_time) DAY) AS week_start,
COUNT(DISTINCT user_id) AS active_user_count
FROM
user_action
WHERE
action_time >= '2024-01-01'
GROUP BY
DATE_SUB(action_time, INTERVAL WEEKDAY(action_time) DAY)
ORDER BY
week_start ASC;
扩展分析场景
除了统计活跃用户数，还可以结合其他指标做更丰富的分析，比如统计每周的人均行为次数：
-- 按周统计人均行为次数
SELECT
DATE_TRUNC('week', action_time) AS week_start,
COUNT(DISTINCT user_id) AS active_user_count,
COUNT(*) AS total_action_count,
CAST(COUNT(*) AS FLOAT) / COUNT(DISTINCT user_id) AS avg_action_per_user
FROM
user_action
GROUP BY
DATE_TRUNC('week', action_time)
ORDER BY
week_start ASC;
需要注意的是，如果时间字段包含时区信息，需要先统一时区再做截断处理，避免不同时间 zone 导致的周归属错误。另外，如果数据量较大，建议在时间字段和分组字段上建立合适的索引，提升查询效率。
SQLDATE_TRUNCGROUP_BY用户活跃度分析修改时间：2026-06-12 01:36:25