Поток кликов: кросс-таблица PostgreSQL для пути UTM по идентификатору_пользователя

Question

У меня есть некоторые данные Clickstream, которые я хотел бы проанализировать, чтобы определить, какие платные кампании приносят наибольшее количество конверсий.

У меня есть таблица в базе данных, в которой есть следующее:

user_id |   sent_at        |   campaign_name    |  last_click_attribution   
  101   | 2018-10-01 13:04 |   Google_Branded   |  Facebook_Focus
  101   | 2018-10-01 13:07 |   Google_Branded   |  Facebook_Focus 
  101   | 2018-10-02 13:09 |   Facebook_Focus   |  Facebook_Focus
  102   | 2018-09-25 13:04 |   Google_Focus     |  Google_Branded
  102   | 2018-09-27 09:24 |   Google_Branded   |  Google_Branded
  102   | 2018-10-01 11:25 |   Google_Branded   |  Google_Branded
  103   | 2018-09-27 13:04 |   Google_Branded   |  Google_Branded
  103   | 2018-09-28 09:15 |   Google_Branded   |  Google_Branded
  103   | 2018-09-29 18:34 |   Google_Branded   |  Google_Branded
  103   | 2018-09-30 21:02 |   Google_Branded   |  Google_Branded

Название кампании - это кампания, связанная с объявлением, которое они нажали, чтобы попасть на наш сайт.Присвоение последнего клика - это объявление, которое они кликнули последним, прежде чем создали учетную запись пользователя.

Я хотел бы создать запрос PostgreSQL, который будет иметь следующий вид:

user_id |   last_click_attribution |   second_last_ad    |  third_last_ad  |....   
  101   | Facebook_Focus           |   Google_Branded    |  Google_Branded
  102   | Google_Branded           |   Google_Branded    |  Google Focus 
  103   | Google_Branded           |   Google_Branded    |  Google_Branded

Я предполагаю, что есть способ сделать это с помощью кросс-таблицы или, возможно, объединения двух представлений, но я не уверенкак это сделать.

Спасибо за помощь!

Если у вас есть какие-либо другие предложения относительно анализа полезных данных о потоках кликов и примеров запросов SQL для ссылок, они также будут высоко оценены.

Answer 1

Вы можете попытаться использовать команду make number в подзапросе, а затем использовать условную агрегатную функцию для ее создания.

CREATE TABLE T(
   user_id int,
   sent_at timestamp,
   campaign_name varchar(50)
);


INSERT INTO T VALUES (101, '2018-10-01 13:04','Google_Branded');   
INSERT INTO T VALUES (101, '2018-10-01 13:07','Google_Branded');   
INSERT INTO T VALUES (101, '2018-10-02 13:09','Facebook_Focus');   
INSERT INTO T VALUES (102, '2018-09-25 13:04','Google_Focus');     
INSERT INTO T VALUES (102, '2018-09-27 09:24','Google_Branded');   
INSERT INTO T VALUES (102, '2018-10-01 11:25','Google_Branded');   
INSERT INTO T VALUES (103, '2018-09-27 13:04','Google_Branded');   
INSERT INTO T VALUES (103, '2018-09-28 09:15','Google_Branded');   
INSERT INTO T VALUES (103, '2018-09-29 18:34','Google_Branded');   
INSERT INTO T VALUES (103, '2018-09-30 21:02','Google_Branded');   

Запрос 1 :

SELECT  user_id,
        MAX(CASE WHEN rn = 1 then campaign_name end) last_click_attribution,
        MAX(CASE WHEN rn = 2 then campaign_name end) second_last_ad,
        MAX(CASE WHEN rn = 3 then campaign_name end) third_last_ad,
        MAX(CASE WHEN rn = 4 then campaign_name end) fourth_last_ad
FROM (
  select *,row_number() over(partition by user_id ORDER by sent_at desc) rn
  from T
) t1
group by user_id

Результаты :

| user_id | last_click_attribution | second_last_ad |  third_last_ad | fourth_last_ad |
|---------|------------------------|----------------|----------------|----------------|
|     101 |         Facebook_Focus | Google_Branded | Google_Branded |         (null) |
|     102 |         Google_Branded | Google_Branded |   Google_Focus |         (null) |
|     103 |         Google_Branded | Google_Branded | Google_Branded | Google_Branded |