有客户点击问题的谷歌大查询排名顺序

Question

我正在使用谷歌大查询来跟踪一些客户点击我的网站。我遵循一个简单的规则集：

1. 如果客户在同一天连续多次访问同一来源，我只想查看第一个命中来源。

2. 如果客户在不同的日子连续多次访问同一来源，我只想查看第一个命中来源。

3. 如果它们出现在同一天但不是连续出现，我想查看所有热门来源。

目前，我正在使用以下内容：

rank() over (partition by customer_code, hit_source order by hit_timedate) rnk

如果我过滤“where rnk = 1”，这可以让我完成前两个步骤。这只会给我不同的命中来源，无论它们是否在同一天，因为我在 hit_timedate 中有时间。但它并没有给我第三步，因为排名是由 hit_source 划分的，当它看到相同的源时会改变。

如果有人可以帮助我，将不胜感激。

编辑：

不确定如何添加/上传示例数据集，所以我在这里尝试过：

Customer_Code       Hit_Source               Hit_Timedate
     101             Facebook             25/05/2020 10:30am
     101             Facebook             25/05/2020 11:45am
     101             Facebook             25/05/2020 11:55am
     101             Twitter              25/05/2020 12:30am
     101             Facebook             25/05/2020 13:00pm 
     101             Google               25/05/2020 15:00pm
     101             Instagram            26/05/2020 09:00am

理想的结果集应该是这样的：

Customer_Code       Hit_Source               Hit_Timedate        Rank
     101             Facebook             25/05/2020 10:30am       1
     101             Facebook             25/05/2020 11:45am       2
     101             Facebook             25/05/2020 11:55am       3
     101             Twitter              25/05/2020 12:30am       1
     101             Facebook             25/05/2020 13:00pm       1
     101             Google               25/05/2020 15:00pm       1
     101             Instagram            26/05/2020 09:00am       1

所以，根据我想在上面实施的规则.. 我在这里遇到的主要问题是能够将样本中的第 5 行列为“1”。我想这样做是因为最后两个“Facebook”点击不是连续的。但是能够使用我实施的前 2 条规则来做到这一点，我正在苦苦挣扎。

Answer 1

您可以使用lag() 和累积计数：

select t.*,
       1 + countif(prev_source = source) over (partition by customer_code, datetime_trunc(hit_timedate, day) order by hit_timedate) as ranking
from (select t.*,
             lag(source) over (partition by customer_code, datetime_trunc(hit_timedate, day)
                               order by hit_timedate
                              ) as prev_source
     from t
    ) t;

这个想法是创建一个标志，以判断前一个源是否与当前行相同——如果不是，则加 1。1 + 是因为计数将从 0 开始，而你希望计数从 1 开始。

Answer 2

为了进一步为社区做出贡献，我将分享使用 LAG()、SUM()、CASE WHEN 和 MIN() BigQuery 内置函数的不同方法。

以下是您提供的示例数据，分为 2 个步骤（在其中注释）：

with data as (
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,10,30,00) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,11,45,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,11,55,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Twitter" as Hit_Source ,DATETIME(2020,05,25,12,30,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Facebook" as Hit_Source ,DATETIME(2020,05,25,13,00,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Google" as Hit_Source ,DATETIME(2020,05,25,15,00,0) as Hit_Timedate UNION ALL
SELECT 101 as Customer_Code,"Instagram" as Hit_Source ,DATETIME(2020,05,25,09,00,0) as Hit_Timedate 
),
#step 1
data1 as (
SELECT Customer_Code, Hit_Source, Hit_Timedate, LAG(Hit_Source,1) OVER (ORDER BY Hit_Timedate) as PrevHit from data
),
#step 2
data2 as (
SELECT Customer_Code, Hit_Source,PrevHit , Hit_Timedate, SUM(CASE WHEN Hit_Source = PrevHit THEN 0 ELSE 1 END) OVER (ORDER BY Hit_Timedate,Hit_Source) AS rank_aux
FROM data1
)

SELECT Customer_Code, Hit_Source, MIN(Hit_Timedate) AS first_Hit_Timedate, RANK() OVER (PARTITION BY rank_aux order by Hit_Timedate) as rank FROM data2 
GROUP BY Customer_Code, Hit_Source, rank_aux,Hit_Timedate
ORDER BY Customer_Code,first_Hit_Timedate, Hit_Source

最后的输出，

Row Customer_Code   Hit_Source  first_Hit_Timedate  rank
1   101             Instagram   2020-05-25T09:00:00 1
2   101             Facebook    2020-05-25T10:30:00 1
3   101             Facebook    2020-05-25T11:45:00 2
4   101             Facebook    2020-05-25T11:55:00 3
5   101             Twitter     2020-05-25T12:30:00 1
6   101             Facebook    2020-05-25T13:00:00 1
7   101             Google      2020-05-25T15:00:00 1

请注意，在第 1 步中，会创建一个新列，其中包含 Hit_Source 的先前值。然后在第 2 步中，创建一个新列 rank_aux 以便正确聚合结果。以下是步骤 2 的输出（仅用于解释目的）：

Row Customer_Code   Hit_Source  PrevHit     Hit_Timedate        rank_aux
1   101             Instagram   null        2020-05-25T09:00:00 1
2   101             Facebook    Instagram   2020-05-25T10:30:00 2
3   101             Facebook    Facebook    2020-05-25T11:45:00 2
4   101             Facebook    Facebook    2020-05-25T11:55:00 2
5   101             Twitter     Facebook    2020-05-25T12:30:00 3
6   101             Facebook    Twitter     2020-05-25T13:00:00 4
7   101             Google      Facebook    2020-05-25T15:00:00 5

注意rank_aux=2 所在的第 2、3 和 4 行，这是所需的输出，因此可以将这些列聚合为 1 并仅显示最小值 Hit_Timedate 以获得最终输出，已共享。