子查询
AIPL漏斗分析
Ⅰ:
①作为取值范围
像这样，用一对圆括号 () 包裹，作为一个元素参与到外层查询中的查询，被称为 子查询。
ps：此时的子查询，是外层查询中 WHERE 子句的一部分，所以从语法角度而言，它并不是一条完整的子句，末尾是不可以加分号的。再从语句功能看，它是 item_id 列的取值范围，因此在子查询的 SELECT 子句中，必须同样检索出 item_id 列，此时取值范围才是成立的。
重点：子查询可以作为外层查询的 筛条件 中的 取值范围，写在 WHERE 子句里。
②作为计算字段
完全限定列名：例如 brands.brand_id = items.brand_id。这里的 brands.brand_id 和 items.brand_id 和我们以前使用的列名不同，它们都带数据表信息。英文句点 . 前面的内容，表示来源于哪一张数据表，后面是具体的列名。
PS：SQL会把 () 视作一个“虚拟的算式”
若去掉外层查询的别名，则第一个字段的字段名将会是整条子查询的内容。
AIPL 理论模型：
Awareness：认知人群，对商品停留在认知层面；
Interest：兴趣人群，在认知基础上，对商品产生兴趣；
Purchase：购买人群，顾名思义，购买了商品的人群；
Loyalty：忠诚人群，即平台的忠实用户，可以理解为“回头客”。
A（认知人群）：浏览商品信息页；
I（兴趣人群）：收藏商品、将商品加入购物车；
P（购买人群）：购买商品；
L（忠诚人群）：再次购买商品。
其行为类型（type）共有四类：
pv（page view）：浏览商品信息页；
fav（favorite）：收藏商品；
cart：将商品加入购物车；
buy：购买商品。
A 值的计算
A（认知人群）这一环节包含一种行为：浏览商品信息页。因此我们计算 A 的值，实际上就是统计类型为 'pv' 的行为次数。
SELECT count(iif(type = ’pv‘,1,NULL) AS A
I 值的计算
I（兴趣人群）值的计算方法也是类似的。由于这个环节包含两种行为：收藏和加入购物车，所以我们只用修改 iif() 函数的条件，也就是第一个参数，就能得到最终的结果
SELECT count(iif(type=IN('fav','cart'),1,NULL)) AS I
P 值的计算
如法炮制，我们统计出类型为 'buy' 的数据个数，就能得到 P（购买人群）的值 （和A 一样算法)
L 值的计算
由于 L 环节统计的是用户复购行为，而原始的数据表中只记录了 购买（buy） 这一项，并没有对是否为复购进行标记。所以计算 L 的值需要分为两步，先统计出每位用户在这段时间内的购买次数，找出购物次数超过 1 的用户，在此基础上再统计复购用户数量
(SELECT count(*) AS 购物次数
FROM user_behavior
WHERE type = ‘buy’
GROUP BY user_id
HAVING 购物次数 >1
) AS L
③作为数据来源
子查询的功能，与它出现的位置是息息相关的。当一个子查询出现在外层查询的 FROM 子句里时，这个子查询就被视为了外层查询的 数据来源。外层查询会在子查询的结果上进行进一步的查询。
④子查询的嵌套
