Google BigQuery：访问一组页面的会话数

Question

我一直在对 GA 数据进行（标准）SQL 查询，以查找包含两个 URL 之一的会话数。但是，通过两个 URL 过滤并从 hits.page.pagePath 中提取是我遇到问题的地方。

这是一个给我错误的查询示例：

SELECT
  date, COUNT(visitId) AS visits
FROM `123456789.ga_sessions_20170219`,`123456789.ga_sessions_20170220`
WHERE
  REGEXP_CONTAINS(hits.page.pagePath, r"^/(apples|oranges).html.*")
GROUP BY date

而且直接展平也不起作用：

SELECT
  date, COUNT(visitId) AS visits
FROM `123456789.ga_sessions_20170219`,`123456789.ga_sessions_20170220`
WHERE
  REGEXP_CONTAINS((
    SELECT pagePath
    FROM UNNEST(
      SELECT page
      FROM UNNEST(hits) AS page) AS pagePath), r"^/(apples|oranges).html.*")
GROUP BY date

另外，我不确定这种方法是否会给我想要的数据。

Answer 1

首先，您不能在标准 SQL 中对 UNION 表使用逗号（逗号表示 CROSS JOIN） - 您可以使用 _TABLE_SUFFIX 或直接使用 UNION ALL。 要计算在正则表达式定义的页面上命中的会话数，您可以使用以下EXISTS 子句：

SELECT
  date, COUNT(visitId) AS visits
FROM 
  (SELECT * FROM `123456789.ga_sessions_20170219` UNION ALL
   SELECT * FROM `123456789.ga_sessions_20170220`)
WHERE
  EXISTS(
    SELECT 1 FROM UNNEST(hits) h
    WHERE REGEXP_CONTAINS(h.page.pagePath, r"^/(apples|oranges).html.*"))
GROUP BY date