select '店铺汇总' as product_id, concat(round((1-sum(in_price*cnt)/sum(price*cnt))*100,1),'%') as profit_rate from tb_product_info a join tb_order_detail b on a.product_id=b.product_id join tb_order_overall c on c.order_id=b.order_id where shop_id='901' and date(event_time)>='2021-10-01' union (selec...

select product_id, round(avg(if_click),3) as ctr, round(sum(if_cart)/sum(if_click),3) as cart_rate, round(sum(if_payment)/sum(if_cart),3) as payment_rate, round(sum(if_refund)/sum(if_payment),3) as refund_rate from tb_user_event where date(event_time) between '2021-10-01' and '2021-10-31' group by p...

select date_format(event_time,'%Y-%m') as month, round(sum(total_amount)) as GMV from tb_order_overall where year(event_time)='2021' and status<>2 group by month having GMV>100000 order by GMV

select uid, date_format(dt,'%Y%m') as month, sum(case when rk2%7=3 then 3 when rk2%7=0 then 7 else 1 end -- 利用签到天数的余数来观察是第几天签到 ) as coin -- 根据uid和dt2继续排序，得出连续签到天数 from( select *, row_number() over (partition by uid,dt2 order by dt) as rk2 from -- 根据签到时间排序，同时利用签到时间-排序数生成分组值dt2 (select *, row_number()...

select a.dt,-- 必须用a的时间，因为b的时间有可能有null dau, round(ifnull(new,0)/dau,2) as uv_new_ratio -- left join 可能会导致新用户量为null from -- 从所有用户的活跃时间里找到每天的日活量 (select dt, count(uid) as dau from -- 找到所有用户的活跃时间 (select uid, date(in_time) as dt from tb_user_log union select uid, date(out_time) as dt from tb_user_log) t...

with t as (select uid, (case when datediff(date((select max(in_time) from tb_user_log)),date(max(in_time)))<=6 and datediff(date((select max(in_time)from tb_user_log)),date(min(in_time)))>6 then '忠实用户' when datediff(date((select max(in_time) from tb_user_log)),date(min(in_time)))<=6 then '新...

select a.dt, round(count(b.uid)/count(a.uid),2) as uv_left_rate from -- 每位用户最开始进入的时间 (select uid, min(date(in_time)) as dt from tb_user_log group by uid) a left join -- 所有用户活跃的时间 (select uid, date(in_time) as dt from tb_user_log union select uid, date(out_time) as dt from tb_user_log) b on a.uid=b.u...

select a.date,count(user_id) as new from( select distinct date from login ) a left join( select user_id,min(date) as date from login group by user_id )b on a.date=b.date group by date

with t as( select t1.video_id, avg(case when timestampdiff(second,start_time,end_time)>=duration then 1 else 0 end ) as a, sum(if_like) as b, count(comment_id) as c, sum(if_retweet) as d, DATEDIFF((select date(max(end_time)) from tb_user_video_log),date(max(end_time))) as e from tb_user_video_log...

with t as( select tag, date_format(start_time,'%Y-%m-%d') as dt, sum(if_like) as like_cnt, sum(if_retweet) as retweet_cnt from tb_user_video_log a join tb_video_info b on a.video_id=b.video_id where date_format(start_time,'%Y-%m-%d') between '2021-09-25' and '2021-10-03' group by tag,dt ) select tag...

select author, date_format(start_time,'%Y-%m') as month, round( avg( case when if_follow=1 then 1 when if_follow=0 then 0 else -1 end ),3 ) as fans_growth_rate, sum( sum(case when if_follow=1 then 1 when if_follow=0 then 0 else -1 end ) ) over (partition by author order by date_format(start_time,'%Y...

select tag, sum(if_retweet) as retweet_cnt, round(avg(if_retweet),3) as retweet_rate from tb_user_video_log a join tb_video_info b on a.video_id=b.video_id where timestampdiff(day,start_time,(select max(start_time) from tb_user_video_log))<30 group by tag order by retweet_rate desc

select tag, concat( round( avg( case when timestampdiff(second,start_time,end_time)>=duration then 1 else timestampdiff(second,start_time,end_time)/duration end )*100,2 ),'%' ) as avg_play_progress from tb_user_video_log a join tb_video_info b on a.video_id=b.video_id group by tag having substrin...