Hologres：Fungsi funnel pengelompokan dimensi (finder_group_funnel)

Sintaksis fungsi

• Sintaksis

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

• Parameter

  Parameter	Required	Deskripsi
  window	Yes	Jendela untuk analisis statistik. Satuan: milidetik.
  start_timestamp	Yes	Waktu mulai analisis statistik. Tipe TIMESTAMP dan TIMESTAMPTZ didukung.
  step_interval	Yes	Durasi ukuran langkah, yaitu granularitas untuk perhitungan dan analisis konversi. Satuan: detik.
  step_numbers	Yes	Jumlah langkah yang akan dianalisis. Misalnya, step_interval=86400 (1 hari), step_number=7 menunjukkan bahwa status funnel dianalisis setiap hari selama tujuh hari, dimulai dari waktu yang ditentukan oleh `start_timestamp`.
  num_events	Yes	Jumlah event yang perlu dianalisis.
  attr_related	Yes	Menentukan apakah suatu event memiliki properti terkait. Parameter ini menerima angka UINT8. Dalam representasi biner, jika bit ke-i bernilai 1, artinya event ke-(i+1) memiliki properti terkait. Biasanya, `attr_related` digunakan bersama `prop`. Jika attr_related diatur ke 1, jumlah ekspresi `prop` yang harus Anda masukkan sama dengan jumlah bit 1 yang Anda tetapkan.
  group_event_index	Yes	Event yang menjadi dasar pengelompokan. Misalnya, jika Anda mengatur group_event_index ke 1, pengelompokan dimulai segera setelah event pertama tercapai. Jika Anda mengatur group_event_index ke 2, pengelompokan hanya dimulai ketika event kedua tercapai. Konversi yang tidak mencapai event kedua akan ditempatkan ke dalam kelompok `unreach`.
  time_zone	Yes	Zona waktu untuk waktu input. Nilainya harus bertipe TEXT dan dalam format zona waktu standar, seperti Asia/Shanghai. Parameter ini hanya memengaruhi hasil output ketika is_relative_window diatur ke true. Dalam kasus ini, hasil ditampilkan berdasarkan zona waktu tersebut.
  is_relative_window	Yes	Menentukan apakah jendela merupakan jendela multi-hari kalender. Nilai default adalah false. Jika Anda mengatur parameter ini ke true, batasan berikut berlaku untuk parameter lain: window: Nilai parameter harus merupakan kelipatan bulat dari 86.400.000. step_interval: Nilai parameter harus 86400, yang berarti satu langkah pengamatan setara dengan satu hari. Catatan Hari kalender mengacu pada periode waktu dari pukul 00:00:00 hingga 23:59:59 setiap hari. Hari kalender pertama berkisar dari waktu event hingga pukul 23:59:59, sedangkan hari-hari kalender berikutnya merupakan hari penuh. Dalam kebanyakan kasus, Anda dapat menggunakan hari kalender sebagai jendela untuk mengamati data funnel harian guna mendukung operasi bisnis yang lebih terperinci.
  server_timestamp	Yes	Waktu server saat event terjadi. Tipe TIMESTAMP dan TIMESTAMPTZ didukung. Parameter ini digunakan untuk menghitung slot atau langkah event tempat event tersebut termasuk saat fungsi dijalankan.
  client_timestamp	Yes	Waktu klien saat event terjadi. Tipe TIMESTAMP dan TIMESTAMPTZ didukung. Tipe data parameter ini harus sama dengan tipe data parameter start_timestamp. Parameter ini digunakan untuk mengurutkan data saat fungsi dijalankan.
  group_dimension	Yes	Dimensi yang digunakan untuk pengelompokan. Misalnya, jika Anda memilih bidang channel_id untuk pengelompokan dimensi, data yang dikelompokkan ditampilkan berdasarkan nilai channel_id. Untuk menggunakan beberapa dimensi, gabungkan menggunakan `concat_ws` atau `concat`. Saat ini, hanya bidang bertipe TEXT yang dapat digunakan untuk pengelompokan.
  prop	No	Properti terkait event. Tipe data semua properti harus sama. Jika tidak, perbandingan tidak dapat dilakukan.
  check_event	Yes	Daftar event konversi yang akan dianalisis. Event yang memenuhi kondisi dalam durasi yang ditentukan oleh `window` dianggap valid dan dimasukkan dalam analisis konversi. Misalnya, jika terdapat tiga event, masukkan EventName = 'E0001', EventName = 'E0002', EventName = 'E0003'.

• Hasil yang dikembalikan

  Fungsi ini mengembalikan hasil terenkripsi bertipe BINARY. Anda harus menggunakan fungsi finder_group_funnel_res untuk mendekripsi hasil tersebut.

Contoh

Contoh ini menjelaskan cara menggunakan fungsi finder_group_funnel.

1. Persiapkan tabel finder_group_funnel_test dan masukkan data ke dalam tabel tersebut.

   CREATE TABLE finder_group_funnel_test(id INT, event_time TIMESTAMP, event TEXT, province TEXT,city TEXT);
   
   INSERT INTO finder_group_funnel_test 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');

2. Untuk mengelompokkan dan menampilkan hasil berdasarkan bidang province, jalankan perintah berikut:

   SELECT
       id,
       UNNEST(finder_group_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 1, 'Asia/Shanghai', FALSE, event_time, event_time, province, event = 'registration', event = 'logon', event = 'payment', event = 'exit')) AS result
   FROM
       finder_group_funnel_test
   GROUP BY
       id;

   Hasil berikut dikembalikan: Nilai result adalah hasil terenkripsi. Anda harus menggunakan fungsi finder_group_funnel_res untuk mendekripsi hasil tersebut. Untuk informasi lebih lanjut, lihat finder_group_funnel_res.

     id  | result      
   ------+-----------------
    2222 | Zhejiang
    2222 | unreach
    1111 | Beijing
    1111 | unreach
   (4 rows)

Sintaksis fungsi

• Sintaksis

  finder_group_funnel_res(finder_group_funnel())

• Parameter

  finder_group_funnel(): Fungsi ini digunakan untuk mengelompokkan event tertentu berdasarkan dimensi yang dipilih dan menghitung hasil funnel. Untuk informasi lebih lanjut, lihat finder_group_funnel.

• Hasil yang dikembalikan

  Fungsi ini mengembalikan hasil yang telah didekripsi.

Contoh

Contoh ini mendekripsi hasil dari contoh finder_group_funnel untuk menampilkan funnel terperinci untuk setiap pengguna.

• Jalankan perintah berikut:

  SELECT
      id,
      finder_group_funnel_res (result) AS res
  FROM (
      SELECT
          id,
          UNNEST(finder_group_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 1, 'Asia/Shanghai', FALSE, event_time, event_time, province, event = 'register', event = 'logon', event = 'pay', event = 'exit')) AS result
      FROM
          finder_group_funnel_test
      GROUP BY
          id) a; 

• Hasil berikut dikembalikan:

   id  |    res    
  ------+-----------
   1111 | {4,4,3,2}
   1111 | {0,0,0,0}
   2222 | {3,3,0,0}
   2222 | {0,0,0,0}

  Menginterpretasikan hasil yang didekripsi: Anda dapat mendekripsi hasil `finder_group_funnel` untuk menampilkan funnel terperinci untuk setiap pengguna. Misalnya, pertimbangkan hasil `{4,4,3,2}` untuk ID pengguna 1111:

  • 4: Event terakhir yang dicapai pengguna dalam 3 hari adalah event keempat, `exit`.

  • 4: Event keempat pengguna pada hari pertama adalah Exit.

  • 3: Event terakhir yang dicapai pengguna pada hari kedua adalah event ketiga, `payment`.

  • 2: Event terakhir yang dicapai pengguna pada hari ketiga adalah event kedua, `logon`.

Deskripsi fungsi

• Sintaksis

  finder_group_funnel_text_group(finder_group_funnel())

• Parameter

  finder_group_funnel(): Fungsi ini digunakan untuk mengelompokkan event tertentu berdasarkan dimensi yang dipilih dan menghitung hasil funnel. Untuk informasi lebih lanjut, lihat finder_group_funnel.

• Hasil yang dikembalikan

  Fungsi ini mengembalikan hasil yang telah didekripsi.

Contoh

Pada contoh ini, hasil dari contoh untuk finder_group_funnel didekripsi untuk menampilkan hasil funnel, event terakhir yang dicapai, dan event terakhir yang dicapai dalam setiap ukuran langkah untuk setiap pengguna yang dikelompokkan. Jalankan perintah berikut:

SELECT
    id,
    finder_group_funnel_text_group (result) AS key,
    finder_group_funnel_res (result) AS res
FROM (
    SELECT
        id,
        UNNEST(finder_group_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 1, 'Asia/Shanghai', FALSE, event_time, event_time, province, event = 'registration', event = 'logon', event = 'payment', event = 'exit')) AS result
    FROM
        finder_group_funnel_test
    GROUP BY
        id) a;

Hasil berikut dikembalikan:

  id  |   key   |    res    
------+---------+-----------
 2222 | Zhejiang    | {3,3,0,0}
 2222 | unreach | {0,0,0,0}
 1111 | Beijing    | {4,4,3,2}
 1111 | unreach | {0,0,0,0}
(4 rows)

Deskripsi fungsi

• Sintaksis

  funnel_rep(step_number, num_events, funnel_res)

• Parameter

  Parameter	Required	Deskripsi
  step_number	Yes	Nilai UINT yang menentukan jumlah slot waktu. Nilai ini biasanya sama dengan nilai step_numbers dalam fungsi `finder_funnel`. Misalnya, step_numbers=7 menunjukkan bahwa tujuh slot waktu diamati.
  num_events	Yes	Nilai UINT yang menentukan jumlah total event yang berpartisipasi dalam konversi. Nilai ini biasanya sama dengan jumlah event dalam check_event dalam fungsi `finder_funnel`.
  funnel_res	Yes	Detail semua langkah konversi yang dihasilkan oleh setiap pengguna, yaitu output dari finder_tunnel.

• Hasil yang dikembalikan

  Fungsi ini mengembalikan array satu dimensi berupa string dalam format {"n1,...,nn","m1,...,mn"}. Array ini merepresentasikan status funnel keseluruhan (jumlah pengguna yang sesuai dengan event 1 hingga N) dan status funnel dalam setiap ukuran langkah (jumlah pengguna yang sesuai dengan event 1 hingga N).

Contoh

Contoh ini menjelaskan cara menghitung event yang dicapai setiap pengguna ketika periode jendela adalah tiga hari dan ukuran langkah adalah tiga hari. Data dari contoh untuk finder_group_funnel digunakan. Jalankan perintah berikut:

-- With a 3-day window and a 3-day step size, calculate the event reached by each user.
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, 0, 'Asia/Shanghai', FALSE, event_time, event_time, event = 'registration', event = 'logon', event = 'payment', event = 'exit') AS funnel_res
    FROM
        finder_group_funnel_test
    GROUP BY
        id) a;

Hasil berikut dikembalikan:

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

Skenario 1: Mengelompokkan dan menampilkan hasil funnel pengguna menggunakan jendela multi-hari

Analisis data funnel dalam 3 hari dan data funnel setiap hari berdasarkan dimensi province ketika empat event terjadi secara berurutan.

1. Untuk mempersiapkan data, jalankan perintah berikut:

   CREATE TABLE finder_group_funnel_test_1(id INT, event_time TIMESTAMP, event TEXT, province TEXT,city TEXT);
   
   INSERT INTO finder_group_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'),
   
   (3333, '2024-01-02 00:00:00', 'registration', 'Shanghai','Shanghai'), 
   (3333, '2024-01-02 00:00:00', 'logon', 'Shanghai','Shanghai'), 
   (3333, '2024-01-02 00:00:01', 'payment', 'Shanghai','Shanghai'), 
   (3333, '2024-01-02 00:00:03', 'payment', 'Shanghai','Shanghai'),
   (3333, '2024-01-02 00:00:04', 'exit', 'Shanghai','Shanghai');

2. Analisis data funnel dalam 3 hari dan data funnel setiap hari berdasarkan dimensi province ketika empat event terjadi secara berurutan. Jalankan perintah berikut:

   SELECT
       key,
       funnel_rep (3, 4, res) AS ans
   FROM (
       SELECT
           id,
           finder_group_funnel_text_group (result) AS key,
           finder_group_funnel_res (result) AS res
       FROM (
           SELECT
               id,
               UNNEST(finder_group_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 1, 'Asia/Shanghai', FALSE, event_time, event_time, province, event = 'Register', event = 'Log on', event = 'Payment', event = 'Exit')) AS result
           FROM
               finder_group_funnel_test_1
           GROUP BY
               id) a) b
   GROUP BY
       key;

   Hasil berikut dikembalikan:

      key   |                    ans                    
   ---------+-------------------------------------------
    Beijing    | {"1,1,1,1","1,1,1,1","1,1,1,0","1,1,0,0"}
    unreach | {"0,0,0,0","0,0,0,0","0,0,0,0","0,0,0,0"}
    Shanghai    | {"1,1,1,1","1,1,1,1","0,0,0,0","0,0,0,0"}
    Zhejiang    | {"1,1,1,0","1,1,1,0","0,0,0,0","0,0,0,0"}
   (4 rows)

Skenario 2: Menampilkan hasil funnel pengguna yang dikelompokkan berdasarkan hari kalender menggunakan jendela multi-hari kalender

1. Untuk mempersiapkan data, jalankan perintah berikut:

   CREATE TABLE finder_group_funnel_test_2(id INT, event_time TIMESTAMP, event TEXT, province TEXT,city TEXT);
   
   INSERT INTO finder_group_funnel_test_2 VALUES 
   (1111, '2024-01-02 00:00:02', 'registration', 'Beijing','Beijing'), 
   (1111, '2024-01-02 00:00:03', 'logon', 'Beijing','Beijing'), 
   
   (1111, '2024-01-03 00:00:04', 'payment', 'Beijing','Beijing'), 
   
   (1111, '2024-01-05 00:00:01', 'exit', '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');

2. Analisis data funnel dalam 3 hari dan data funnel setiap hari kalender berdasarkan dimensi province ketika empat event terjadi secara berurutan. Jalankan perintah berikut:

   SELECT
       key,
       funnel_rep (3, 4, res) AS ans
   FROM (
       SELECT
           id,
           finder_group_funnel_text_group (result) AS key,
           finder_group_funnel_res (result) AS res
       FROM (
           SELECT
               id,
               UNNEST(finder_group_funnel (86400000 * 3, EXTRACT(epoch FROM TIMESTAMP'2024-01-02 00:00:00')::BIGINT, 86400, 3, 4, 0, 1, 'Asia/Shanghai', TRUE, event_time, event_time, province, event = 'register', event = 'logon', event = 'pay', event = 'exit')) AS result
           FROM
               finder_group_funnel_test_2
           GROUP BY
               id) a) b
   GROUP BY
       key;

   Hasil berikut dikembalikan:

      key   |                    ans                    
   ---------+-------------------------------------------
    unreach | {"0,0,0,0","0,0,0,0","0,0,0,0","0,0,0,0"}
    Zhejiang    | {"1,1,1,0","1,1,1,0","0,0,0,0","0,0,0,0"}
    Beijing    | {"1,1,1,0","1,1,1,0","0,0,0,0","0,0,0,0"}
   (3 rows)