clickhouse数据模型中有序漏斗是什么

这篇文章将为大家详细讲解有关clickhouse数据模型中有序漏斗是什么，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

10年积累的成都网站建设、成都网站设计经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有城固免费网站建设让你可以放心的选择与我们合作。

什么是有序漏斗，有序漏斗需要满足所有用户事件链上的操作都是逡巡时间先后关系的，且漏斗事件不能有断层，触达当前事件层的用户也需要经历前面的事件层

前言

假设我们已经得到了触达支付购买的路径有 “首页->详情页->购买页->支付“ 和 “搜索页->详情页->购买页->支付“ 两个主要路径，但是我们不清楚哪条路径转化率高，那么这个时候漏斗分析就派上用场了

漏斗模型是一个倒置的金字塔形状，主要用来分析页面与页面功能模块之前的转化情况，下面一层都是基于紧邻的上一层转化而来的，也就是说前一个条件是后一个条件成立的基础；解决此类场景clickhouse提供了一个名叫windowFunnel的函数来实现：

windowFunnel(window)(timestamp, cond1, cond2, ..., condN)

window：窗口大小，从第一个事件开始，往后推移一个窗口大小来提取事件数据
timestamp：可以是时间或时间戳类型，用来对时事件进行排序
cond：每层满足的事件

为了便于大家理解，这里举个简单的栗子。

# 创建一张用户行为表，至少包含时间、事件、用户idCREATE TABLE test.action(    `uid` Int32,    `event_type` String,    `time` datetime)ENGINE = MergeTree()PARTITION BY uidORDER BY xxHash42(uid)SAMPLE BY xxHash42(uid)SETTINGS index_granularity = 8192

插入测试数据

   
   
   insert into action values(1,'浏览','2020-01-02 11:00:00');
    insert into action values(1,'点击','2020-01-02 11:10:00');
    insert into action values(1,'下单','2020-01-02 11:20:00');
    insert into action values(1,'支付','2020-01-02 11:30:00');
    

    insert into action values(2,'下单','2020-01-02 11:00:00');
    insert into action values(2,'支付','2020-01-02 11:10:00');
    

    insert into action values(1,'浏览','2020-01-02 11:00:00');
    

    insert into action values(3,'浏览','2020-01-02 11:20:00');
    insert into action values(3,'点击','2020-01-02 12:00:00');
    

    insert into action values(4,'浏览','2020-01-02 11:50:00');
    insert into action values(4,'点击','2020-01-02 12:00:00');
    

    insert into action values(5,'浏览','2020-01-02 11:50:00');
    insert into action values(5,'点击','2020-01-02 12:00:00');
    insert into action values(5,'下单','2020-01-02 11:10:00');
    

    insert into action values(6,'浏览','2020-01-02 11:50:00');
    insert into action values(6,'点击','2020-01-02 12:00:00');
    insert into action values(6,'下单','2020-01-02 12:10:00');

已30分钟作为一个时间窗口，看下windowFunnel返回了什么样的数据

   
   
   SELECT 
        user_id,
        windowFunnel(1800)(time, event_type = '浏览', event_type = '点击', event_type = '下单', event_type = '支付') AS level
    FROM 
    (
        SELECT 
            time,
            event_type,
            uid AS user_id
        FROM action
    )
    GROUP BY user_id
    

    ┌─user_id─┬─level─┐
    │       3 │     1 │
    │       2 │     0 │
    │       5 │     2 │
    │       1 │     4 │
    │       6 │     3 │
    └─────────┴───────┘

这里level只记录了路径中最后一次事件所属的层级，如果直接对level分组统计就会丢失之前的层级数据，导致漏斗不能呈现金字塔状

模型

继续使用上面的测试数据，通过数组的高阶函数对上述结果数据进行二次加工处理以获取完整漏斗展示效果。

案例
分析"2020-01-02"这天路径为“浏览->点击->下单->支付”的转化情况。

SELECT level_index,count(1) FROM(    SELECT  user_id,         arrayWithConstant(level, 1) levels,         arrayJoin(arrayEnumerate( levels )) level_index      FROM (        SELECT          user_id,          windowFunnel(1800)(            time,            event_type = '浏览',            event_type = '点击' ,            event_type = '下单',            event_type = '支付'          ) AS level        FROM (          SELECT  time,  event_type , uid as user_id          FROM test.action           WHERE toDate(time) = '2020-01-02'         )        GROUP BY user_id    ))group by level_indexORDER BY level_index

关于“clickhouse数据模型中有序漏斗是什么”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。

本文标题：clickhouse数据模型中有序漏斗是什么
标题路径：http://scyanting.com/article/ihsgch.html

clickhouse数据模型中有序漏斗是什么

模型

其他资讯