Завдання 1

Користуючись наведеним нижче описом таблиць у базі даних, напиши SQL-запити за допомогою яких можна порахувати наступні метрики:

1. Кількість реєстрацій нових користувачів по днях та групам країн
2. CTR (click-through rate) різних типів листів по днях
3. % листів, на які клікали користувачі протягом 10 хвилин після відправки, по різних типах листів за останні 7 діб

Опис таблиць

1. users — таблиця з користувачами:
   1. id — унікальний ідентифікатор користувача
   2. email — поле з імейлом користувача (наприклад, «[email protected]»)
   3. id_country — унікальний ідентифікатор країни (відповідає countries.id )
   4. date_reg — дата та час реєстрації користувача (наприклад, «2023-10-27 10:58:05»)
2. emails_sent — таблиця надісланих листів у розсилці:
   1. id — айді відправленого листа
   2. id_user — користувач, якому надіслали листа (відповідає users.id)
   3. id_type — тип листа
   4. date_sent — дата та час відправлення листа
3. emails_clicks — таблиця кліків по листах:
   1. id — айді кліка по листу
   2. id_email — айді листа, по якому був клік (відповідає emails_sent.id)
   3. date_click — дата та час кліку по листу
4. countries — таблиця країн:
   1. id — ідентифікатор країни
   2. name — назва країни (наприклад, «Mexico»)
   3. group — до якої групи країн належить країна

Завдання 2

Один з наших продуктів монетизується місячною підпискою з ціною $29.99 та тижневим безкоштовним тріалом. Ми протестували нову підписку з тією ж ціною та тривалістю, проте з платним тріалом за $4.99 і зібрали наступні дані для двох місячних когорт:

Для оцінки ефективності рекламних кампаній необхідно спрогнозувати LTV нової підписки на 6 місяць життя користувача. Окрім даних нових когорт, є історичні дані по старій підписці (з безкоштовним тріалом):

Оціни LTV нової підписки (можеш використовувати Google Sheets) та опиши як у майбутньому можна буде підвищити точність.