Hologres：Fungsi corong asosiasi properti (finder_funnel)

Informasi latar belakang

Fungsi finder_funnel dapat digunakan untuk mengasosiasikan peristiwa berdasarkan properti. Sebagai contoh, Anda mengonfigurasi corong dalam skenario permainan dengan langkah-langkah berikut: masuk ke permainan, memulai permainan, bermain game, penyelesaian level permainan, dan keluar dari permainan. Selain itu, Anda menentukan properti "negara" untuk setiap peristiwa. Dalam hal ini, Anda dapat menggunakan properti tersebut sebagai ID asosiasi untuk memastikan bahwa konversi di setiap langkah dilakukan berdasarkan nilai properti yang sama. Properti yang digunakan untuk asosiasi di langkah-langkah berbeda dalam corong bisa sama atau berbeda, tetapi harus memiliki tipe yang sama.

Batasan

Hanya Hologres V2.2.32 atau lebih baru dan Hologres V3.0.12 atau lebih baru yang mendukung fungsi finder_funnel.

Perhatian

Untuk menggunakan fungsi corong, Anda harus mengeksekusi pernyataan berikut sebagai superuser untuk menginstal ekstensi:

CREATE extension flow_analysis; --Instal ekstensi.

• Ekstensi diinstal pada tingkat database. Untuk setiap database, Anda hanya perlu menginstal ekstensi sekali.

• Secara default, ekstensi dimuat ke skema publik. Ekstensi tidak dapat dimuat ke skema lain. Untuk menggunakan ekstensi di skema lain, Anda harus menentukan nama fungsi dalam format public.function, seperti public.windowFunnel.

finder_funnel (fungsi corong asosiasi properti)

Fungsi ini digunakan untuk menghitung kinerja setiap pengguna dalam jendela waktu tertentu dan mendukung analisis asosiasi dalam dimensi peristiwa yang ditentukan.

• Sintaksis Fungsi:

  finder_funnel(window, start_timestamp, step_interval, step_numbers, num_events, attr_related, time_zone, is_relative_window, server_timestamp, client_timestamp, prop1, prop2, ..., check_event1, check_event2...)

• Parameter

  Parameter	Diperlukan	Deskripsi
  window	Ya	Jendela untuk analisis statistik. Satuan: milidetik.
  start_timestamp	Ya	Waktu mulai analisis. Tipe TIMESTAMP dan TIMESTAMPTZ didukung.
  step_interval	Ya	Durasi ukuran langkah, yaitu granularitas untuk perhitungan dan analisis konversi. Satuan: detik.
  step_numbers	Ya	Jumlah langkah yang perlu dianalisis. Sebagai contoh, step_interval=86400 (satu hari), step_numbers=7 menunjukkan data corong dalam tujuh hari, mulai dari waktu yang ditentukan oleh parameter start_timestamp.
  num_events	Ya	Jumlah peristiwa yang perlu dianalisis.
  attr_related	Ya	Menunjukkan apakah peristiwa memiliki properti terkait. Nilai parameter adalah angka bertipe INT. Jika nilai direpresentasikan dalam biner, tempat ke-i adalah 1, yang menunjukkan bahwa peristiwa ke-i+1 memiliki properti terkait. Dalam banyak kasus, parameter attr_related harus digunakan bersama dengan parameter prop. Jumlah ekspresi prop yang perlu dimasukkan harus sama dengan jumlah 1 yang dikonfigurasi dalam biner. Catatan Jika parameter attr_related disetel ke 0, peristiwa tidak memiliki properti terkait.
  time_zone	Ya	Zona waktu yang sesuai dengan waktu input. Nilai parameter adalah tipe TEXT dan harus menggunakan format zona waktu standar, seperti Asia/Shanghai. Hanya ketika parameter is_relative_window disetel ke true, hasil keluaran dipengaruhi, yang berarti bahwa hasil ditampilkan berdasarkan zona waktu.
  is_relative_window	Ya	Menunjukkan apakah jendela adalah jendela multi-hari kalender. Nilai defaultnya adalah false. Jika parameter ini disetel ke true, batasan berikut diberlakukan pada parameter lain: window: Nilai parameter harus merupakan kelipatan bilangan bulat dari 86.400.000. step_interval: Nilai parameter harus 86400, yang menunjukkan bahwa satu ukuran langkah observasi adalah satu hari. Catatan Hari kalender mengacu pada periode waktu dari 00:00:00 hingga 23:59:59 setiap hari. Hari kalender pertama dimulai dari waktu peristiwa dan berakhir pada 23:59:59, dan hari kalender berikutnya adalah hari penuh. Dalam banyak kasus, Anda dapat menggunakan hari kalender sebagai jendela untuk mengamati data corong harian guna menerapkan operasi bisnis yang lebih rinci.
  server_timestamp	Ya	Waktu server saat peristiwa terjadi. Tipe TIMESTAMP dan TIMESTAMPTZ didukung. Parameter ini digunakan untuk menghitung slot peristiwa atau langkah tempat peristiwa tersebut termasuk saat fungsi dijalankan.
  client_timestamp	Ya	Waktu klien saat peristiwa terjadi. Tipe TIMESTAMP dan TIMESTAMPTZ didukung. Tipe data waktu yang ditentukan oleh parameter ini harus sama dengan yang ditentukan oleh parameter start_timestamp. Parameter ini digunakan untuk mengurutkan data saat fungsi dijalankan.
  prop	Ya	Properti terkait dari peristiwa. Tipe data semua properti harus sama. Jika tidak, perbandingan tidak dapat dilakukan.
  check_event	Ya	Daftar peristiwa yang perlu dianalisis. Dalam durasi yang ditentukan oleh parameter window, peristiwa yang memenuhi kondisi tertentu dianggap sebagai peristiwa valid dan berpartisipasi dalam analisis konversi. Sebagai contoh, jika Anda ingin menganalisis tiga peristiwa, masukkan EventName = 'E0001', EventName = 'E0002', EventName = 'E0003'.

• Hasil yang Dikembalikan

  Hasil yang dikembalikan oleh fungsi ini adalah {<Peristiwa ke-n yang akhirnya dicapai>, <Peristiwa ke-n yang akhirnya dicapai di setiap langkah>}.

  Catatan

  Peristiwa ke-n yang akhirnya dicapai menunjukkan peristiwa dengan nomor tempat tertinggi di antara semua langkah.

funnel_rep (fungsi set hasil corong)

Fungsi funnel_rep memungkinkan Anda menggabungkan hasil corong yang dihitung menggunakan fungsi finder_funnel. Untuk informasi lebih lanjut, lihat Fungsi corong pengelompokan dimensi (finder_group_funnel).

Data sampel

Anda harus mengeksekusi pernyataan berikut untuk menyiapkan data terlebih dahulu:

CREATE TABLE finder_funnel_test_1(id INT, event_time TIMESTAMP, event TEXT, province TEXT,city TEXT);

INSERT INTO finder_funnel_test_1 VALUES 
(1111, '2024-01-02 00:00:00', 'Registration', 'Beijing','Beijing'), 
(1111, '2024-01-02 00:00:01', 'Logon', 'Beijing','Beijing'), 
(1111, '2024-01-02 00:00:02', 'Payment', 'Beijing','Beijing'), 
(1111, '2024-01-02 00:00:03', 'Exit', 'Beijing','Beijing'), 

(1111, '2024-01-03 00:00:00', 'Registration', 'Beijing','Beijing'), 
(1111, '2024-01-03 00:00:01', 'Logon', 'Beijing','Beijing'), 
(1111, '2024-01-03 00:00:02', 'Payment', 'Beijing','Beijing'), 

(1111, '2024-01-04 00:00:00', 'Registration', 'Beijing','Beijing'), 
(1111, '2024-01-04 00:00:01', 'Logon', 'Beijing','Beijing'), 


(2222, '2024-01-02 00:00:00', 'Registration', 'Zhejiang','Hangzhou'), 
(2222, '2024-01-02 00:00:00', 'Logon', 'Zhejiang','Hangzhou'), 
(2222, '2024-01-02 00:00:01', 'Payment', 'Zhejiang','Hangzhou'), 
(2222, '2024-01-02 00:00:03', 'Payment', 'Zhejiang','Hangzhou');

Contoh

-- Jendela kueri adalah tiga hari, ukuran langkah adalah 3 dan dibagi per hari, dan total empat peristiwa berpartisipasi dalam konversi.
SELECT
    id,
    finder_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 'Asia/Shanghai', FALSE, event_time, event_time, event = 'Registration', event = 'Logon', event = 'Payment', event = 'Exit') AS funnel_res
FROM
    finder_funnel_test_1
GROUP BY
    id;

  id  | funnel_res 
------+------------
 2222 | {3,3,0,0}
 1111 | {4,4,3,2}
 (2 rows)

SELECT
    id,
    finder_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 3, 'Asia/Shanghai', FALSE, event_time, event_time, province, province, event = 'Registration', event = 'Logon', event = 'Payment', event = 'Exit') AS funnel_res
FROM
    finder_funnel_test_1
GROUP BY
    id;

  id  | funnel_res 
------+------------
 2222 | {3,3,0,0}
 1111 | {4,4,3,2}
 (2 rows)

SELECT
    funnel_rep (3, 4, funnel_res)
FROM (
    SELECT
        id,
        finder_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 3, 'Asia/Shanghai', FALSE, event_time, event_time, province, province, event = 'Registration', event = 'Logon', event = 'Payment', event = 'Exit') AS funnel_res
    FROM
        finder_funnel_test_1
    GROUP BY
        id) a;

                funnel_rep                 
-------------------------------------------
 {"2,2,2,1","2,2,2,1","1,1,1,0","1,1,0,0"}
 (1 row)