FUNNELCOUNT

FUNNELCOUNT

FUNNELCOUNT 함수는 퍼널 분석 집계 함수로, 각 퍼널 단계에 대한 고유 상관(correlated) 개수의 배열을 반환해요.

출처: 문서

본문

퍼널 분석 집계 함수예요.

각 퍼널 단계에 대한 고유 상관 개수의 배열을 반환해요.

시그니처 (Signature)

FUNNEL_COUNT (

STEPS ( predicate1, predicate2 ... ),

CORRELATE_BY ( correlation_column1 [, correlation_column2 ... ] ),

SETTINGS ( setting1, setting2 ... ) )

사용 예시 (Usage Examples)

많은 데이터 집합은 시간 시리즈 성격을 가지며, 시간에 따른 엔티티의 이벤트를 추적해요. 이런 데이터 집합의 예로는 커머스 웹 애플리케이션의 사용자 분석 활동 로그가 있어요.

예시 (Example)

퍼널 (Funnel)

다음 결제 퍼널을 분석하려고 해요:

• /cart/add
• /checkout/start
• /checkout/confirmation

집계 (Counts)

위 퍼널에 대해 다음 질문에 답하려고 해요:

• 얼마나 많은 사용자가 퍼널 상단에 진입했는가?
• 이 사용자 중 얼마나 많은 사용자가 두 번째 단계로 진행했는가?
• 모든 단계를 완료한 후 퍼널 바닥에 도달한 사용자는 몇 명인가?

쿼리 (Query)

select 
  FUNNEL_COUNT(
    STEPS(
      url = '/cart/add', 
      url = '/checkout/start', 
      url = '/checkout/confirmation'),
    CORRELATE_BY(user_id)
  ) AS counts
from user_log 

참고 (Notes)

U1 사용자가 장바구니에 두 번 추가했지만, 총 이벤트가 아닌 고유 개수를 보고하므로 첫 단계에서 한 번의 전환으로 집계된다는 점에 주의하세요. 또한 U2 이벤트가 순서에 어긋나게 기록됐지만, 사용자를 전환된 것으로 집계한 점도 주목하세요.

사용자와 기기 카테고리 같은 복합 키 내에서 각 사용자의 진행 상황을 추적해야 한다면, CORRELATE_BY에 여러 컬럼을 전달하세요. 예를 들어 CORRELATE_BY(user_id, device_type)처럼요. 그러면 Pinot은 각 고유한 (user_id, device_type) 조합을 별도로 집계하므로, 다른 카테고리의 이벤트가 같은 퍼널 경로에 기여하지 않아요.

동등성 (Equivalence)

위 쿼리는 아래 presto SQL 쿼리와 동등해요:

select 
   ARRAY[
     count_if(steps[1]),
     count_if(steps[1] and steps[2]),
     count_if(steps[1] and steps[2] and steps[3])
   ] as counts
 from (
   select 
     ARRAY[
       bool_or(url = '/cart/add'),
       bool_or(url = '/checkout/start'),
       bool_or(url = '/checkout/confirmation')
     ] as steps
   from user_log
   group by user_id
 )

설정 (Settings)

대규모 데이터 집합에는 예를 들어 theta_sketch 전략을 사용하거나, user_id로 데이터를 분할해 partitioned 전략을 활용할 수 있어요. 필요한 행만 집계하도록 where 절에서 필터링하는 것도 중요해요.

select 
  FUNNEL_COUNT(
    STEPS(
      url = '/cart/add', 
      url = '/checkout/start', 
      url = '/checkout/confirmation'),
    CORRELATE_BY(user_id),
    SETTINGS('theta_sketch', 'nominalEntries=4096')
  ) AS counts
from user_log 
where url in ('/cart/add', '/checkout/start', '/checkout/confirmation')

다른 예시 (Another Example)

이제 텍스트 검색 후 체크아웃하는 사용자가 몇 명인지 알고 싶어요. 제품 카테고리 목록을 탐색하는 것 같은 다른 진입점과는 대조적으로요. 그러면 다음 퍼널을 분석하려고 해요:

• /product/search
• /cart/add
• /checkout/start
• /checkout/confirmation

쿼리 (Query)

select 
  FUNNEL_COUNT(
    STEPS(
      url = '/product/search',
      url = '/cart/add', 
      url = '/checkout/start', 
      url = '/checkout/confirmation'),
    CORRELATE_BY(user_id)
  ) AS counts
from user_log 

참고 (Notes)

U1은 어떤 제품 검색도 수행하지 않았으므로 이 퍼널에 집계되지 않는 점에 주의하세요. U2와 U3 모두 퍼널 상단에 진입해 두 번째 단계를 수행했지만, 퍼널 바닥으로 전환된 것은 U2뿐이에요.

더 알아보기 (Learn more)

• FunnelCompleteCount
• FunnelMaxStep
• 퍼널 분석 함수 개요