如何提取在 2020 年 1 月至少访问过两次但未进行交易的所有 visitor_id 的列表（在他们 1 月的任何一次访问中）

Posted 2023-03-31

【中文标题】如何提取在 2020 年 1 月至少访问过两次但未进行交易的所有 visitor_id 的列表（在他们 1 月的任何一次访问中）

【英文标题】：How to pull a list of all visitor_ids that have visited at least twice in January 2020, but did not transact (in ANY of their January visits)

【发布时间】：2020-05-18 00:58:58

【问题描述】：

表格：

会话

session_ts visitor_id 垂直 session_id

交易

session_ts session_id rev_bucket 收入

目前有以下查询（使用 SQLite）：

SELECT
   visitor_id,
   session_id,
   running_total
FROM 
  (
    SELECT
      s.visitor_id,
      s.session_id,
      t.revenue,
      ROW_NUMBER() OVER(PARTITION BY s.visitor_id ORDER BY t.session_ts) as row_num,
      SUM(revenue) OVER(PARTITION BY s.visitor_id) as running_total
    FROM sessions s
    JOIN transactions t
    ON s.session_id = t.session_id
    WHERE s.session_ts >= '2020-01-01' AND s.session_ts < '2020-02-01'
  ) sub
Where running_total = 0
AND row_num >= 2

样本表的结果：

欢迎任何反馈，在此先感谢。不确定上述查询是否是正确答案。还想知道我是否也可以像这样显示每个 visitor_id 的单个 session_id：

【问题讨论】：

如果没有事务是要求的一部分，那么内部连接就不能工作。

如果“无事务”意味着 $0 并且仍然记录 session_id，那么内部连接会起作用吗？另外，我的查询是否可以识别“无交易”？

【参考方案1】：

我假设会话是访问。那就是：

select s.visitor_id
from sessions s
where s.session_ts >= '2020-01-01' and s.session_ts < '2020-02-01' and
      not exists (select 1
                  from transactions t
                  where t.session_id = s.session_id
                 )
group by s.visitor_id
having count(*) >= 2;

【讨论】：

很好的建议，效果很好。如果我不得不假设“没有交易”意味着 $0 并且仍然记录了 session_id，我的查询会起作用吗？

@KevinKung 。 . .我不明白你的评论是什么意思。您可以调整not exists 逻辑来比较特定类型的交易，例如金额大于零的交易。

【参考方案2】：

如果没有负面交易，它会起作用，只是您没有在“运行总数”中添加order by，因此您需要修复它。虽然您在别名中将其称为运行总计，但它根本没有真正运行。不确定这是否是关于命名或实现的混淆。如果您以相反的顺序按美元排序，那么您将走在正确的轨道上，以便首先出现非零行，这样当您到达第二行并且运行总数仍然为零时，那么该访问者确实必须符合条件。但这有点绕道。

为了让访问者独自一人，我只使用简单的group by 来完成这项工作对我来说也更有意义。这本来是我的建议：

GROUP BY s.visitor_id
HAVING COUNT(*) >= 2 AND SUM(revenue) = 0

但由于您想保留会话 ID，毕竟您确实需要分析函数：

SELECT visitor_id, session_id,
    ROW_NUMBER() OVER (PARTITION BY visitor_id ORDER BY session_ts) as row_num
FROM 
(
    SELECT s.visitor_id, s.session_id, s.sessions_ts, 
        SUM(revenue) OVER (PARTITION BY s.visitor_id) as total,
        COUNT(*) OVER (PARTITION BY s.visitor_id) as num_sessions
    FROM sessions s INNER JOIN transactions t
        ON s.session_id = t.session_id
    WHERE s.session_ts >= '2020-01-01' AND s.session_ts < '2020-02-01'
) sub
WHERE total = 0 AND total_sessions >= 2

包含零美元列作为输出没有明确的目的，这就是我将它们排除在外的原因。您甚至可能不需要该行号列，但请注意它现在在外部查询中。

如果可能出现负收入，那么总和并不总是有效。考虑比较这两个值是否相等：

COUNT(*) OVER (PARTITION BY s.visitor_id)

和

COUNT(CASE WHEN revenue = 0 THEN 1 END) OVER (PARTITION BY s.visitor_id)