1. Faro

Nivel 9 · Gasto en anuncios junto al tráfico del sitio

La solicitud

De Jordan Reyes, Director de Marketing

“Para la revisión del presupuesto de 2025 quiero una sola tabla: cada canal de marketing o fuente de tráfico, lo que gastamos en él y las sesiones y conversiones que trajo. Las fuentes gratuitas como orgánico también deben estar, sin gasto.”

Tu objetivo

Usando los dos resúmenes del código inicial (gasto de 2025 por canal desde marketing_spend, sesiones de 2025 por fuente desde web_sessions), devuelve una fila por cada canal que aparezca en cualquiera de los resúmenes, con: channel (el nombre del canal, tomado del lado que lo tenga), spend (NULL cuando no hubo gasto), sessions y conversions.

  • Lee de la tabla web_sessionspendiente
  • Lee de la tabla marketing_spendpendiente
  • Muestra exactamente channel spend sessions conversionspendiente

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
    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
    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

    La lección

    Hasta ahora has usado inner joins (solo coincidencias) y left joins (todo lo de la izquierda, coincidencias en la derecha). Dos tipos más de join completan el conjunto.

    RIGHT JOIN y FULL OUTER JOIN

    • A RIGHT JOIN B conserva todas las filas de B. Es lo mismo que B LEFT JOIN A, y la mayoría de los analistas lo reescriben así porque leer de izquierda a derecha es más fácil.
    • A FULL OUTER JOIN B conserva todas las filas de ambos: pares coincidentes, más filas de A con NULL para B, más filas de B con NULL para A.

    Los resúmenes de 2025 se ven así cuando se unen por completo:

    channel spend sessions conversions
    paid 340,778.33 3,585 55
    social 131,540.77 2,563 19
    email 38,322.22 1,946 187
    organic NULL 5,540 100
    direct NULL 2,591 139

    El inner join del código inicial devuelve solo las tres primeras filas. La búsqueda orgánica trajo más sesiones que cualquier otra fuente y no cuesta nada en gasto publicitario, que es exactamente lo que el director de marketing quiere ver.

    El código inicial usa subconsultas en FROM (tablas derivadas) para que cada lado ya sea una fila por canal antes del join. Eso evita el fan-out que viste antes: unir las filas diarias de gasto en bruto con las filas de sesiones en bruto multiplicaría ambas.

    ¿Por qué no solo un LEFT JOIN?

    Hoy todo canal con gasto también tiene sesiones, así que w LEFT JOIN s daría las mismas cinco filas. El full join sigue siendo la opción más segura para una conciliación: si marketing empieza a pagar por un canal que no está rastreado como fuente de sesiones, un left join desde sesiones ocultaría ese gasto, y un FULL OUTER JOIN lo muestra.

    Errores comunes

    • Tomar la clave de un solo lado. Usa COALESCE(clave_izquierda, clave_derecha).
    • Filtrar un FULL OUTER JOIN en WHERE por columnas de un lado, por ejemplo WHERE s.spend > 0. Eso elimina las filas NULL y lo convierte de nuevo en un join más estrecho.

    En SQL Server

    FULL OUTER JOIN y RIGHT JOIN se escriben igual. ISNULL(s.channel, w.source) funciona como el COALESCE de dos argumentos. Los booleanos difieren: SQL Server no tiene TRUE, así que la bandera es un bit y la condición es CASE WHEN converted = 1 THEN 1 END.

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