1. Faro

Nivel 3 · Escritorio, móvil y la mezcla de tráfico

La solicitud

De Kevin Nguyen, Director de Ingeniería

“Estamos decidiendo si el próximo trimestre se invierte en el pago móvil. Para cada año, ¿qué parte de nuestro tráfico está en cada dispositivo y cuánto convierte cada uno? Quiero la proporción y la tasa lado a lado.”

Tu objetivo

Desde web_sessions, devuelve una fila por año y dispositivo con: year (año de started_at), device, sessions, share_pct (sesiones de ese dispositivo * 100 / todas las sesiones de ese año, redondeado a 2) y conversion_rate_pct (sesiones convertidas * 100 / sessions, redondeado a 2). Ordena por año y luego por dispositivo, ascendente.

  • Lee de la tabla web_sessionspendiente
  • Muestra exactamente year device sessions share_pct conversion_rate_pctpendiente
  • 9 filas, ordenadas como se pidependiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de web_sessions · presiona Ejecutar para ver el tuyo
    Vista previa de web_sessions
    session_idcustomer_idstarted_atdevicesource
    1NULL2023-01-01 23:02:24mobilepaid
    2182023-01-01 15:07:49desktoppaid
    3NULL2023-01-01 16:55:46desktopdirect
    4NULL2023-01-01 12:43:28mobileorganic

    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.

    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
    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
    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
    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
    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
    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 por segmento

    Una tendencia de conversión depende de dos cosas: qué tan bien convierte cada segmento y qué parte del tráfico es cada segmento. La pregunta de Ingeniería necesita ambas, por dispositivo y por año:

    • Tasa: sesiones convertidas / sesiones de ese dispositivo.
    • Proporción: sesiones de ese dispositivo / todas las sesiones del año.

    Tienen denominadores distintos, así que necesitan herramientas distintas en una misma consulta.

    Ventana sobre un GROUP BY

    La tasa es una agregación normal dentro de cada grupo (year, device). La proporción necesita el total del año, que es la suma de tres grupos. Una función de ventana sobre el agregado lo da sin una segunda consulta:

    SUM(COUNT(*)) OVER (PARTITION BY year(started_at))

    SQL primero agrupa las filas (un COUNT(*) por año y dispositivo), y luego la ventana suma esos conteos dentro de cada año y pone el total en cada fila de ese año. Divide y tienes la proporción; las tres proporciones de un año suman 100%.

    Qué dice la tabla

    El escritorio es el que mejor convierte cada año, entre 3.67% y 4.13%. El móvil es el peor, entre 2.30% y 2.52%, y además es el dispositivo que crece: de 47.82% de las sesiones en 2023 a 57.98% en 2025. La tablet se mantiene cerca del 10% del tráfico.

    Así que la tienda está desplazando su tráfico hacia el dispositivo que peor convierte. Aunque todos los dispositivos mejoren, la tasa global recibe menos de esa mejora que cualquier dispositivo por separado. Ten esta tabla presente para el cuestionario de cambio de mezcla más adelante en el capítulo.

    Qué recomendar

    Para la decisión de Kevin, el tamaño del premio importa más que la brecha por sí sola. El móvil es el segmento más grande y de mayor crecimiento, así que cerrar aunque sea parte de su brecha con el escritorio mueve más conversiones. Ese argumento necesita las dos columnas.

    Errores comunes

    • Usar el total general como denominador de la proporción. Particiona la ventana por año.
    • Comparar conteos brutos de conversiones entre dispositivos. El móvil tiene más conversiones porque tiene más sesiones, no porque convierta bien.
    • Reportar tasas sin proporciones, lo que oculta el cambio de mezcla que mueve el total.

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