Question

我有一个包含4列的表格：hitId，userId，timestamp和Camp。我需要使用两个参数对点击是否是新会话的开始（1或0）进行分类：1.点击之间的时间差； 2。如果点击的来源是新的广告系列。

我需要BigQuery中的标准SQL查询。

如果满足以下条件之一，则将匹配视为新会话的开始：

这是其userId的第一个匹配项
上次匹配的时间戳记之间的时间差相同的userId超过30分钟。
来自同一userId的上一个匹配的时间戳之间的时间差小于30分钟，但是Camp（广告系列）值不是NULL，并且是在前30分钟内首次出现于同一userId的时间。 / li>

因此，如果用户1的hit1的Camp等于Campaign1，用户1的hit2的Camp等于Campaign1，并且hit1和hit2之间的时间差小于30分钟，则hit1将被视为会话的开始，并且hit2不会被视为一个开始。

我在Campaign部分遇到了麻烦。我尝试了这段代码：

我尝试了以下代码：

WITH timeDifference AS (
  SELECT *, 
  TIMESTAMP_DIFF(timestamp, LAG(timestamp, 1) OVER
          (PARTITION BY userId ORDER BY timestamp), SECOND) AS difference
    FROM hitTable
      ORDER BY timestamp)
SELECT *, 
  CASE 
  WHEN difference >= 30 * 60 THEN 1 
  WHEN difference IS NULL THEN 1 
  WHEN difference <= 30 * 60 AND Camp IS NOT NULL AND RANK() 
  OVER (PARTITION BY userId ORDER BY Camp) = 1 THEN 1
  ELSE 0 END AS sess
  FROM timeDifference
  ORDER BY timestamp;

当我收到此表时，条件RANK() OVER (PARTITION BY userId ORDER BY Camp)似乎不起作用：

hitId | userId |  timestamp   |  Camp           |  difference  |  sess
_______________________________________________________________________
00150 | 858201 | 00:48:35.315 |  NULL           |  NULL        |  1
00151 | 858201 | 00:49:35.315 |  NULL           |  5           |  0
00152 | 858201 | 00:50:35.315 |  Search-Ads-US  |  10          |  0
00153 | 858201 | 00:53:35.315 |  Search-Ads-US  |  15          |  0
00154 | 858202 | 00:54:35.315 |  Facebook-Ads   |  NULL        |  1
00155 | 858202 | 00:54:55.315 |  Facebook-Ads   |  9           |  0
00156 | 858202 | 00:57:20.315 |  Facebook-Ads   |  12          |  0

虽然我希望hitId = 00152的sess列有1：

hitId | userId |  timestamp   |  Camp           |  difference  |  sess
_______________________________________________________________________
00150 | 858201 | 00:48:35.315 |  NULL           |  NULL        |  1
00151 | 858201 | 00:49:35.315 |  NULL           |  5           |  0
00152 | 858201 | 00:50:35.315 |  Search-Ads-US  |  10          |  1
00153 | 858201 | 00:53:35.315 |  Search-Ads-US  |  15          |  0
00154 | 858202 | 00:54:35.315 |  Facebook-Ads   |  NULL        |  1
00155 | 858202 | 00:54:55.315 |  Facebook-Ads   |  9           |  0
00156 | 858202 | 00:57:20.315 |  Facebook-Ads   |  12          |  0

Answer 1

在用户具有多个Camp的情况下，此RANK（）OVER（PARTITION BY userId或ORDER BY Camp）返回错误的结果。

请注意，当您要标记每个Camp中的会话时，您的PARTITION BY使用userId。

userId 00150的RANK（）（...）语句的实际“等级1”是Camp为NULL（hitId 00150）的位置，因此它缺少您在hitId 00152的CASE条件。

您可以尝试将“ Camp”添加到您的PARTITION BY中，如下所示： RANK（）OVER（PARTITION BY userId，Camp ORDER BY Camp）

或者，您可以替换RANK（）（...）并使用LAG（Camp）（...按时间戳排序），而不要计算LAG（timestamp）（...）。这将检索之前行的Camp值（称为“ PreviousCampValue”）。然后，您可以添加类似WHEN PreviousCampValue！= Camp THEN 1

希望有帮助

CASE中的PARTITION BY不适用于多个AND语句

1 个答案: