step1：在对用户分层之前，先提取出分层所需的条件（1＆2＆3＆4）
 -- 1、统计所有日期的最大值
 -- 2、统计每位用户的最后活跃日期
 -- 3、统计每位用户的最初活跃日期
 -- 4、统计“今天”日期("今天"：以所有用户为基础，统计所有人中最后活跃的日期；进行子查询的原因：如果直接取数，那么取出的就只是“不同用户的最后活跃日期”，而非“所有用户的最后活跃日期”————基准不一样)
with time
as(
    select uid,
    date(max(in_time)) as last_day,
    date(min(in_time)) as first_day,
    (select date(max(in_time)) from tb_user_log) as today
    from tb_user_log
    group by 1
)


step3：对用户分级之后，进行比例计算
 -- 1、挑选“用户等级”字段
 -- 2、计算比例（round保留2位小数）
 【分子为何为去重的uid？分母为何从time临时表中取数？：首先，各类用户的比例计算公式=该类用户人数/所有用户人数（所有比例累加=1），
 分子为各类用户的人数计数（刚刚分类好的用户+group by=各类用户人数）、
 分母为全用户人数（从time临时表中取出的uid计数，为已经去重的uid，即所有用户人数计数）
 补充：分母不能直接用t1表进行计数，是因为前1个字段（分组条件）已经固定为“用户等级”】
select t1.user_grade,
round(count(distinct t1.uid) / (select count(uid) from time),2) as ratio
from(


step2：对用户进行分层（补充：datediff函数(终止时间，开始时间)，返回二者的“天数”时间差）
 -- 1、近7天新增【当每位用户的“今天”VS“初次活跃日期”之差<=6天时】，则为“新晋用户”；
 （新增：新来的即为新增，也就是说只按第1次活跃日期作为判断标准，即“初次活跃日期”）
 （结合题意可知：判断用户是不是“近7天内”且“首次”观看了视频，7天前首次观看的不算）
 
 -- 2、非新晋用户【当每位用户的“今天”VS“初次活跃日期”之差>6天时】且近7天活跃过【当每位用户的“今天”VS“最后活跃日期”之差<=6天时】，则为“忠实用户”；
（近7天有活跃，但为非新晋用户：“首次”观看日期不能在7天之内，但还要在7天之内活跃过👉直接拿“last活跃日期”与“今天”作日期差的判断👉原因：即便用户有多条活跃记录，但最后1条活跃记录势必是与“今天”日期最近的（极限思维），只要其符合条件，就算OK）

-- 3、《此处有默认条件：非新晋用户》【当每位用户的“今天”VS“初次活跃日期”之差>6天时】更早前活跃过但近7天未活跃【当每位用户的“今天”VS“最后活跃日期”之差>6天时】，则为“沉睡用户”；

 -- 4、《此处有默认条件：非新晋用户》【当每位用户的“今天”VS“初次活跃日期”之差>6天时】更早前活跃过但近30天未活跃【当每位用户的“今天”VS“最后活跃日期”之差>29天时】，则为“流失用户”。
select uid,
case when datediff(today, first_day) <= 6 then '新晋用户' 
     when datediff(today, first_day) > 6 and datediff(today, last_day) <= 6 then '忠实用户'
     when datediff(today, first_day) > 6 and datediff(today, last_day) > 29 then '流失用户'
     when datediff(today, first_day) > 6 and datediff(today, last_day) > 6 then '沉睡用户'
else '其他' end as user_grade
from time) as t1



group by 1
order by 2 desc