291. 比较每个月客户的拉新质量（1）
2025-01 美团 困难
 需求  表结构  输出示例  参考答案  讨论  举一反三

请编写SQL查询，根据以下规则计算每位用户的RFM评分，并输出每位用户的首次购买时间所在的月份：

  • Recency (R)：使用NTILE(3)函数将用户按距离今天的天数分为三类。注意这里按照天数降序排列，因为Recency得分越低表示用户越近进行了购买。
  • Frequency (F)：使用NTILE(3)函数将用户按有下单记录的不同天数分为三类。
  • Monetary (M)：使用NTILE(3)函数将用户按每次交易的平均消费金额降序排列后分成三类。
  • First Transaction Month：新增一列输出用户首次购买时间所在的月份。

输出： user_id, recency_score, frequency_score, monetary_score, first_trx_month

要求：

  1. 使用NTILE(3)函数对Recency、Frequency和Monetary进行分组评分。
  2. 新增一列显示用户首次购买时间所在的月份（格式为“YYYY-MM”）。

RFM模型 聚合函数 group by inner join min avg case when distinct count datediff + current_date date_format ntile

mt_trx_rcd_f，餐饮商户团购消费记录表

cust_uid trx_amt mch_nm mch_typ2 trx_dt
MT10008 132 阿里山烘焙坊(亚贸店) 面包甜点 2024-05-03
MT10000 53 星巴克(融创茂店) 咖啡厅 2024-09-16
MT10007 334 老胶东小船海鲜 海鲜 2024-05-22
MT10004 358 一枚帅哥做的菜 海鲜 2024-09-15
MT10003 154 一枚帅哥做的菜 海鲜 2024-11-16

 

 成为会员，解锁300道大厂数分SQL真题

ID317 基于消费天数和平均消费金额NTILE分组计算每个用户的RFM评分  
中等 group by inner join avg case when distinct count datediff current_date ntile 聚合函数 RFM模型 美团
ID319 比较每个月客户的拉新质量（2）  
困难 group by inner join min avg case when distinct count sum datediff + current_date cast date_format ntile 聚合函数 窗口函数 行列转化 RFM模型 美团
ID320 总分为9分的所有用户  
中等 group by inner join avg case when distinct count datediff + current_date ntile 聚合函数 RFM模型 美团
ID326 按商户类型统计流失风险客户  
中等 group by inner join avg case when distinct count datediff + current_date ntile 聚合函数 窗口函数 RFM模型 美团
ID327 高价值客户及其最常访问的商户类型  
中等 group by inner join avg case when distinct count datediff in + current_date ntile 聚合函数 窗口函数 RFM模型 美团

MySQL 8.0

00:00