复购间隔天数本质是同一用户两次购买的时间差，须用LEAD()按user_id分区、order_time升序计算，跨用户或错序会导致结果失真；最后一单LEAD返回NULL属正常，需显式过滤或处理。
复购间隔天数的本质是“同一用户两次购买之间的时间差”
直接用
是最自然的解法：对每个用户的订单按时间排序，取下一笔订单的下单时间，减去当前订单时间即可。关键不在于函数多难，而在于是否正确分区、排序和处理空值。
必须按 user_id 分区 + order_time 升序排序
漏掉
会导致跨用户计算，比如用户 A 的最后一单和用户 B 的第一单相减，结果完全失真；排序不用
或写成
会让
拿到错误的“下一笔”。
常见错误写法：
—— 缺少分区，全局排序，毫无业务意义。
正确结构应为：
注意：
必须是可比较的时间类型（如
或
），字符串格式如
在多数数据库中也能隐式转换，但若含时分秒且精度不一致（如
vs
），可能影响排序稳定性。
LEAD() 返回 NULL 时需显式过滤或处理
每个用户的最后一笔订单，
必然返回
，直接参与减法会得到
结果。这不是 bug，是预期行为——复购间隔只存在于“有下一笔”的场景。
实操建议：
若只想看有复购的记录，
最干净
若需保留所有订单并标记“首次购买”，可用
，但注意
是业务约定，不是通用解法
避免写成
后再
—— 部分数据库（如旧版 MySQL）不支持在
中直接引用窗口函数别名，得套一层子查询
不同数据库的 DATEDIFF 和时间减法语法差异要盯紧
行为基本一致，但算天数的方式五花八门：
MySQL：
PostgreSQL：
（返回天数整数）
SQL Server：
BigQuery：
，注意它要求输入是
类型，传
会报错
最容易被忽略的一点：有些数据库（如 Hive）不支持在窗口函数里直接做日期运算，必须先用
提取时间字段，再在外层计算差值——否则语法报错或结果异常。
LEAD()PARTITION BY user_idASCDESCLEAD()LEAD(order_time) OVER (ORDER BY order_time)LEAD(order_time) OVER (
PARTITION BY user_id
ORDER BY order_time ASC
)order_timeTIMESTAMPDATE'2023-05-01''2023-05-01 10:30:00''2023-05-01'LEAD()NULLNULLWHERE next_order_time IS NOT NULLCOALESCE(DATEDIFF(next_order_time, order_time), -1)-1DATEDIFF(LEAD(...), order_time)WHERE ... IS NOT NULLWHERELEAD()DATEDIFF(LEAD(order_time) OVER (...), order_time)(LEAD(order_time) OVER (...) - order_time)::INTEGERDATEDIFF(day, order_time, LEAD(order_time) OVER (...))DATE_DIFF(LEAD(date_col) OVER (...), date_col, DAY)DATETIMESTAMPLEAD()