SQL 退款率Top10商品和品类：退款量/销量 排序（拼多多面试题）

一、题目背景

这道题来自拼多多品控与风控部门的数据分析岗面试。拼多多"极致性价比"的品牌心智建立在低价不低质的基础上——平台不能因为价格便宜就放任劣质商品流通。退款率是品控系统最核心的监控指标：一件商品的退款率异常偏高，意味着大量用户对商品质量不满意，轻则伤害用户体验、重则引发舆论危机和监管介入。

品控团队需要从海量订单中识别退款率最高的商品和品类，建立"预警→抽检→下架"的自动化流程。这个场景的数据挑战在于：退款是稀疏事件——大多数商品的退款率为0或极低，只有少数问题商品退款率偏高。如果直接按退款率排序，一件"只卖了2单、退了1单"的商品退款率50%，会压倒"卖了1000单、退了200单"（退款率20%）的真实问题商品——小样本偏差是这类分析的核心陷阱。

业务场景：品控运营每周跑一次"高退款率商品Top 10"报表，附带每个商品的订单总量（判断统计显著性），筛选条件通常是"订单数 ≥ 50 且退款率前10"。考察的是两表 left join 关联、count(distinct) 去重、比率计算以及小样本偏差的业务意识。

二、题目

计算每个商品的退款率（退款率 = 退款订单数 / 总订单数），并按退款率降序输出Top10商品及其所属品类。

假设有两张表：

• t8_product_orders：商品订单表（含下单记录）
• t8_refund_orders：退款订单表

-- t8_product_orders 商品订单表
+--------+----------+------------+----------+
| prod_id| order_id | order_time | category |
+--------+----------+------------+----------+
| P001   | 1001     | 2025-06-01 | 服装     |
| P002   | 1002     | 2025-06-01 | 服装     |
| P001   | 1003     | 2025-06-02 | 服装     |
| P003   | 1004     | 2025-06-02 | 食品     |
| P001   | 1005     | 2025-06-03 | 服装     |
| P003   | 1006     | 2025-06-03 | 食品     |
| P002   | 1007     | 2025-06-04 | 服装     |
+--------+----------+------------+----------+

-- t8_refund_orders 退款订单表
+----------+--------+-------------------+
| order_id | prod_id| refund_time       |
+----------+--------+-------------------+
| 1001     | P001   | 2025-06-03 10:00  |
| 1003     | P001   | 2025-06-05 11:00  |
| 1005     | P001   | 2025-06-06 08:00  |
| 1006     | P003   | 2025-06-06 16:00  |
+----------+--------+-------------------+

三、思路分析

1. 先统计每个商品的总订单数，再统计每个商品的退款订单数；
2. 使用 left join 关联两张表，避免退款为0的商品被遗漏；
3. 退款率 = 退款订单数 / 总订单数，按退款率降序取Top10。

维度	评分
题目难度	⭐️⭐️
题目清晰度	⭐️⭐️⭐️⭐️⭐️
业务常见度	⭐️⭐️⭐️⭐️⭐️

四、逐步推导

1.分别统计每个商品的总订单数和退款订单数

执行SQL

select p.prod_id,
       p.category,
       count(distinct p.order_id) as total_orders,
       count(distinct r.order_id) as refund_orders
from t8_product_orders p
left join t8_refund_orders r
  on p.prod_id = r.prod_id and p.order_id = r.order_id
group by p.prod_id, p.category

查询结果

+--------+----------+--------------+--------------+
| prod_id| category | total_orders | refund_orders|
+--------+----------+--------------+--------------+
| P001   | 服装     | 3            | 3            |
| P002   | 服装     | 2            | 0            |
| P003   | 食品     | 2            | 1            |
+--------+----------+--------------+--------------+

2.计算退款率并取Top10

执行SQL

select prod_id,
       category,
       total_orders,
       refund_orders,
       round(refund_orders / total_orders, 4) as refund_rate
from (
    select p.prod_id,
           p.category,
           count(distinct p.order_id) as total_orders,
           count(distinct r.order_id) as refund_orders
    from t8_product_orders p
    left join t8_refund_orders r
      on p.prod_id = r.prod_id and p.order_id = r.order_id
    group by p.prod_id, p.category
) t
order by refund_rate desc
limit 10

查询结果

+--------+----------+--------------+--------------+-------------+
| prod_id| category | total_orders | refund_orders| refund_rate |
+--------+----------+--------------+--------------+-------------+
| P001   | 服装     | 3            | 3            | 1.0000      |
| P003   | 食品     | 2            | 1            | 0.5000      |
| P002   | 服装     | 2            | 0            | 0.0000      |
+--------+----------+--------------+--------------+-------------+

五、常见坑点

坑1：用 inner join 会丢掉退款数为0的商品 — 退款订单表中没有该商品的退款记录，inner join 会让该商品整行消失，最后的总订单数统计就不准了。必须用 left join，这样退款数为 0 的商品还能保留，count(distinct r.order_id) 对无匹配行会计为 0。

坑2：count(distinct order_id) vs count(*) — 同一个商品在订单表中可能有多行记录（proid + order_id 组合），直接 count(*) 会把所有行都算进去。正确做法是用 count(distinct p.order_id) 统计去重后的订单数，否则总订单数会被 join 放大。

坑3：小样本偏差导致误判 — 只卖了 1 单且退款 1 单的商品，退款率是 100%，但样本太小没有治理价值。实际业务中通常加 having total_orders >= N（如 ≥5）过滤掉低销量的噪音商品，否则 Top10 可能全是只卖一单的偏门商品。

六、举一反三

1. 品类级退款率聚合：按 category 聚合，计算每个品类的整体退款率，识别是某个商品的问题还是整个品类的系统性问题，帮助品控团队做层级决策

2. 退款率时间趋势：按月统计退款率走势，看某个商品或品类的退款率是否在持续上升——如果某商品从 5% 涨到 30%，说明近期批次可能出了质量问题，需要及时抽检

3. 退款原因分析：如果系统中还有退款原因表（退货类型/原因描述），关联后可分析退款的根因——是质量问题、描述不符、还是物流破损，帮助品控从源头改进

七、知识点总结

考点	说明
left join	保留主表全部数据，右表无匹配时用 NULL 填充，确保退款为0的商品不丢失
count(distinct)	对 join 结果去重计数，避免同一订单因多行关联被重复计算
round 函数	控制退款率的小数位数，保留 4 位便于对比精度
order by + limit	降序排序后取前 N 行，是 TopN 分析的标准写法

八、建表语句和数据插入

点击展开 DDL & DML

-- 建表语句
create table t8_product_orders (
    prod_id    string comment '商品ID',
    order_id   bigint comment '订单ID',
    order_time string comment '下单时间',
    category   string comment '商品品类'
) comment '商品订单表';

create table t8_refund_orders (
    order_id    bigint comment '订单ID',
    prod_id     string comment '商品ID',
    refund_time string comment '退款时间'
) comment '退款订单表';

-- 插入数据
insert into t8_product_orders(prod_id, order_id, order_time, category) values
('P001', 1001, '2025-06-01', '服装'),
('P002', 1002, '2025-06-01', '服装'),
('P001', 1003, '2025-06-02', '服装'),
('P003', 1004, '2025-06-02', '食品'),
('P001', 1005, '2025-06-03', '服装'),
('P003', 1006, '2025-06-03', '食品'),
('P002', 1007, '2025-06-04', '服装');

insert into t8_refund_orders(order_id, prod_id, refund_time) values
(1001, 'P001', '2025-06-03 10:00'),
(1003, 'P001', '2025-06-05 11:00'),
(1005, 'P001', '2025-06-06 08:00'),
(1006, 'P003', '2025-06-06 16:00');

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题