设计一个用于分析用户复购率与客单价的关联的数据库表结构，需包含用户行为数据（如购买时间、购买SKU、购买金额）、复购标识（是否复购）、客单价（最近N次购买平均金额）等字段，请说明表结构设计及关联逻辑。
答案
1) 【一句话结论】设计包含用户行为流水表（记录每次购买行为）和复购标识/客单价计算表（通过聚合计算复购标识及最近N次客单价），通过用户ID关联，实现复购率与客单价的关联分析。
2) 【原理/概念讲解】首先，用户行为表用于记录每一次购买的具体信息（如用户ID、购买时间、商品SKU、金额），相当于“购买流水账”。复购标识是基于用户历史购买次数判断（如购买次数≥2则标记为复购），客单价则是用户最近N次（如30天）购买金额的平均值。类比：用户行为表是超市收银记录，复购标识是“是否再次光顾”，客单价是“最近几次买的东西平均花了多少钱”。
3) 【对比与适用场景】
| 设计方案 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 单表设计 | 在用户行为表中直接添加复购标识、客单价字段 | 字段多，查询复杂，计算性能差 | 数据量小，分析简单 | 复杂查询效率低，不适合大规模数据 |
| 多表设计（用户行为表 + 复购标识表 + 客单价表） | 分表存储行为、标识、计算结果 | 通过关联查询，计算逻辑分离，查询高效 | 大规模用户行为分析，需频繁关联 | 需维护表间关联，数据更新需同步 |
4) 【示例】
-
用户行为表（
purchase_log）：user_id(INT, 主键)purchase_time(DATETIME, 购买时间)sku(VARCHAR, 购买商品SKU)amount(DECIMAL, 购买金额)
-
复购标识表（
user_repurchase）：user_id(INT, 主键，外键关联purchase_log.user_id)is_repurchase(INT, 1=复购，0=非复购，计算逻辑：购买次数≥2则标记为1)
-
客单价表（
user_avg_amount）：user_id(INT, 主键，外键关联purchase_log.user_id)avg_amount(DECIMAL, 最近30天购买金额的平均值，计算逻辑：SELECT AVG(amount) FROM purchase_log WHERE user_id = ? AND purchase_time >= DATE_SUB(CURDATE(), INTERVAL 30 DAY))
关联逻辑：通过user_id将用户行为表与复购标识表、客单价表关联，实现复购率（复购用户数/总用户数）与客单价（复购用户平均客单价）的关联分析。
5) 【面试口播版答案】
面试官您好，针对分析用户复购率与客单价的关联，我设计如下数据库表结构：首先，创建用户行为流水表（purchase_log），包含用户ID、购买时间、购买SKU、购买金额等字段，记录每一次购买行为。然后，通过聚合计算复购标识（如购买次数≥2则标记为复购）和最近30天的客单价（平均金额），分别存储在复购标识表（user_repurchase）和客单价表（user_avg_amount）中。表间通过用户ID关联，这样既能高效查询复购用户比例，又能快速计算复购用户的平均客单价，从而分析两者关联。具体来说，用户行为表用于存储原始数据，复购标识表判断是否复购，客单价表计算最近N次的平均金额，通过用户ID关联，实现复购率与客单价的关联分析。
6) 【追问清单】
- 问：如何定义“最近N次”的时间窗口？比如是30天还是90天？
答：通常根据业务周期，如30天或90天，需结合用户活跃周期调整。 - 问：如果用户购买SKU变化，客单价计算是否考虑价格波动？
答：客单价计算基于金额均值，不区分SKU，直接计算金额的平均值。 - 问：数据更新频率如何？实时还是批量？
答：可设计为批量更新（如每天凌晨计算前一天数据），或实时更新（通过触发器），需根据业务需求选择。 - 问：复购标识是否考虑购买时间间隔？比如间隔1个月算复购吗？
答：通常只要购买次数≥2即算复购，时间间隔不影响（除非业务定义特定周期）。 - 问：新用户如何处理？复购率如何计算？
答：新用户无购买记录，不参与复购率计算，复购率仅统计有至少2次购买的用户。
7) 【常见坑/雷区】
- 客单价计算错误：误用总金额除以总购买次数（而非最近N次），导致结果偏差。
- 复购标识判断错误：仅根据购买次数（≥2）判断，未考虑时间窗口，导致时间间隔过长的购买算复购。
- 表结构设计不合理：单表存储所有字段，导致查询复杂且性能差。
- 关联逻辑错误：用户行为表与复购标识表关联时，外键或条件错误。
- 数据更新不及时：客单价或复购标识未及时更新，导致分析结果滞后。