1. Faro

Nivel 2 · ¿Vuelven?

La solicitud

De Megan Collins, Directora de Ventas

“El discurso del programa de lealtad dice 'nuestros clientes siguen volviendo'. Quiero los dos números que lo demuestran, de 2023 a 2025: qué proporción de clientes pidió más de una vez y cuántos pedidos hace un cliente en promedio.”

Tu objetivo

Usando los pedidos contabilizados (status 'completed' o 'refunded') de los tres años, devuelve una fila con: customers (clientes con al menos un pedido contabilizado), repeat_customers (clientes con 2 o más pedidos contabilizados), repeat_rate_pct (repeat_customers * 100 / customers, redondeado a 2) y orders_per_customer (pedidos contabilizados / customers, redondeado a 2).

  • Lee de la tabla customerspendiente
  • Lee de la tabla orderspendiente
  • Muestra exactamente customers repeat_customers repeat_rate_pct orders_per_customerpendiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de customers · presiona Ejecutar para ver el tuyo
    Vista previa de customers
    customer_idfirst_namelast_nameemailcity
    1OwenHudsonowen.hudson@icloud.comSan Francisco
    2DouglasMendozadmendoza69@gmail.comAtlanta
    3HenryBrookshbrooks@lakesidecafe.comLos Angeles
    4BrianGrahambgraham@bluecedarhomes.comSeattle

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    Tablas

    Datos de la tienda Harbor & Pine, listos para consultar.

    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNULL
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNULL
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNULL
    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NULL
    10021562023-01-02 07:58:46completedweb0.00NULL
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NULL2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNULL2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NULL2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NULL2023-01-01 16:55:46desktopdirect7false
    4NULL2023-01-01 12:43:28mobileorganic3false
    5NULL2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    Dos números de lealtad

    La tasa de recompra es la proporción de clientes que compraron al menos dos veces. La frecuencia de compra (pedidos por cliente) es cuántos pedidos hizo en promedio el cliente en el período. Juntas dicen si los clientes vuelven y con qué frecuencia.

    Ambas son métricas de clientes, así que el primer paso siempre es el mismo: colapsar los pedidos a una fila por cliente. Todo lo demás es contar filas.

    WITH per_customer AS (
      SELECT customer_id, COUNT(*) AS n_orders
      FROM orders
      WHERE status IN ('completed', 'refunded')
      GROUP BY customer_id
    )

    El denominador decide el número

    ¿Quién es “un cliente”? Este nivel usa a las personas con al menos un pedido contabilizado: 1,740. La tabla customers tiene 2,018 filas, pero incluye registros que nunca pagaron y 18 registros duplicados. Dividir entre 2,018 bajaría la tasa de recompra de 81.21 % a cerca de 70 % sin que nadie cambiara su comportamiento. Escribe el denominador en el nombre o la nota al pie de la métrica.

    El período importa tanto como eso. En tres años la mayoría de los clientes han tenido tiempo de volver; en un solo mes casi nadie. Una tasa de recompra solo es comparable con otra tasa de recompra medida durante el mismo lapso.

    Frecuencia media y mediana

    La media es 6.41 pedidos por cliente, pero el cliente mediano tiene 3. Unos pocos compradores intensivos piden constantemente: 19 clientes con 50 o más pedidos cada uno hicieron el 14.11 % de todos los pedidos contabilizados, uno de ellos 160. Los clientes empresa tienen una mediana de 6 pedidos frente a 3 de los consumidores. Si el programa de lealtad apunta a consumidores, 6.41 no describe a casi ninguno.

    Errores comunes

    • Contar pedidos en vez de clientes en el numerador, por ejemplo COUNT(*) FILTER (WHERE ...) directamente sobre orders. Eso da pedidos repetidos, que es otra métrica.
    • Incluir pedidos cancelados. Un cliente con un pedido pagado y un intento cancelado no es un comprador recurrente.
    • División entera. SUM(n_orders) / COUNT(*) con enteros puede redondear la respuesta; multiplica por 1.0 primero.

    Nota de entrevista

    Cuando te pidan “medir la lealtad de los clientes”, nombra la tasa de recompra y la frecuencia, indica la ventana (aquí 2023 a 2025) y el denominador (clientes con un pedido pagado). Mencionar que la frecuencia media está sesgada por unas pocas cuentas grandes muestra que miraste la distribución, no solo el promedio.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.