經(jīng)過兩天的反復(fù)思考和驗(yàn)證，現(xiàn)將思路總結(jié)如下，這些想法可能還不是很成熟，但是已經(jīng)得到一些業(yè)內(nèi)人士的認(rèn)可，非常感謝他們的分享。
我這兩天一直困惑如何才能精準(zhǔn)地將關(guān)鍵路徑分析出來。對(duì)！就是精準(zhǔn)！
但是行業(yè)內(nèi)我了解到大家計(jì)算關(guān)鍵路徑有兩種方法，即有序漏斗和無(wú)序漏斗；有兩個(gè)指標(biāo)，即訪問人數(shù)和會(huì)話數(shù)。
我為什么會(huì)卡在這個(gè)數(shù)據(jù)分析項(xiàng)目上，原因是我想把精準(zhǔn)地關(guān)鍵路徑轉(zhuǎn)化做出來。我舉個(gè)例子來說明下情況：
1、我們假設(shè)我用的是有序漏斗，關(guān)鍵路徑是A-B-C-D。
2、我的網(wǎng)絡(luò)日志儲(chǔ)存了如下數(shù)據(jù)：設(shè)備ID，用戶訪問的時(shí)間datetime，點(diǎn)擊事件（按鈕）event，單次訪問步數(shù)seq，單日訪問次數(shù)sid。
3、真實(shí)場(chǎng)景情況下，用戶并不是直接安裝A-B-C-D去訪問的，而是A-B-C-B-A-B-C……等情況訪問的，另外用戶在一次訪問會(huì)話中，并不一定只有一條直接完成D，有可能完成好幾條D的記錄，又有A-B或A-B-C好多條記錄。
假如該路徑是購(gòu)買路徑，一次會(huì)話有可能有出現(xiàn)多個(gè)訂單，多個(gè)支付等等。
那么當(dāng)我們用了訪問人數(shù)或者會(huì)話數(shù)來看轉(zhuǎn)化率的話，都會(huì)丟失一些真實(shí)的路徑轉(zhuǎn)化。
4、如果我將主路徑A-B-C-D與我的訂單表進(jìn)行關(guān)聯(lián)的話，看看最后到D路徑產(chǎn)生了多少訂單，那么這個(gè)時(shí)候我就不得不考慮‘3’中提到的問題了。
這個(gè)時(shí)候我們要用事件的實(shí)際點(diǎn)擊次數(shù)來分析轉(zhuǎn)化率。
5、恰恰不巧的是，我想通了上面的情況，但遇到了取數(shù)的難題。當(dāng)我從日志表中去提取所需要的主路徑轉(zhuǎn)化數(shù)據(jù)時(shí)，用設(shè)備id和單日訪問次數(shù)sid來進(jìn)行l(wèi)eft join匹配發(fā)現(xiàn)，輸出的結(jié)果比左表的行數(shù)還多。其中的原因是設(shè)備id和sid并不是主路徑的唯一標(biāo)識(shí)。因?yàn)槠渲幸环N原因是當(dāng)訪問A步驟的時(shí)候，再到B的時(shí)候，由于可能出現(xiàn)循環(huán)B步驟，當(dāng)進(jìn)行左外連接時(shí)，就會(huì)出現(xiàn)一對(duì)多的情況，會(huì)使A表填充來彌補(bǔ)B表多余匹配的記錄。
6、要解決‘5’的問題就是在最后匹配的條件上加上a表的點(diǎn)擊時(shí)間早于b表。
7、經(jīng)過測(cè)試發(fā)現(xiàn)‘6’只是減少了一部分重復(fù)數(shù)據(jù)，并沒有將輸出同a表相同的行數(shù)。
8、所以最終還是得用distinct，看人數(shù)或者會(huì)話次數(shù)。