유입경로를 사용하여 관련 이벤트 데이터 평가

NRQL을 사용하면 퍼널을 사용하여 관련 작업 세트를 평가할 수 있습니다. 작업은 일반적으로 사용자 ID 또는 세션 ID와 같은 식별자를 통해 관계를 공유합니다.

funnel 함수를 사용하여 "A단계를 완료한 사람 중 B단계도 완료한 사람은 몇 명이며, A단계와 B단계를 완료한 사람 중 C단계도 완료한 사람은 몇 명입니까?"와 같은 질문에 답할 수 있습니다.

예를 들어 New Relic에서는 funnel 를 사용하여 다음 단계를 완료한 사용자 수를 추적할 수 있습니다.

1. New Relic 마케팅 페이지 를 방문했습니다.
2. 계정에 가입했습니다.
3. 대시보드를 만들었습니다.

유입경로 쿼리 구조

다음은 간단한 NRQL 깔때기 쿼리의 구조입니다.

FROM DATA_TYPE 
  SELECT funnel(AN_ATTRIBUTE, ACTION_A, ACTION_B) 
  SINCE TIMEFRAME

유입경로 쿼리에는 funnel 함수 , 유입경로에 대한 속성 및 최소 두 단계가 필요합니다.

1. 항상 결과의 100%를 나타내는 앵커 단계부터 시작합니다.
2. 앵커 단계의 100%보다 일반적으로 적은, 추가 작업을 완료한 사용자 수를 설명하는 추가 단계를 계속 진행합니다. 하지만 작업 (A)를 완료한 모든 사용자가 쿼리한 추가 작업도 완료한다면 100%가 될 수 있습니다.

유입경로 쿼리 기술 세부정보

퍼널 쿼리를 사용하면 뉴렐릭 가입 예시 와 같이 주어진 기간 동안 다단계, 순서가 지정된 시퀀스의 완료율을 계산할 수 있습니다. 퍼널을 사용하여 서로 순차적인 관계가 없는 여러 개별 작업 간의 중복을 계산할 수도 있습니다. 즉, 단계 순서는 계산에 영향을 주지 않습니다.

퍼널 쿼리가 결과를 계산하는 방식은 데이터 세트의 크기에 따라 다릅니다.

• 퍼널이 256개 미만의 퍼널 속성 값으로 처리하는 경우 해당 값을 정확하게 계산합니다.
• 퍼널이 256개 이상의 퍼널 속성 값을 처리하는 경우 MinHash라는 알고리즘을 적용하여 최적화된 성능을 위한 대략적인 결과를 계산합니다.

이는 대규모 데이터 세트의 경우 개별 데이터 포인트 수준에서 가끔 "오탐지"가 발생할 수 있음을 의미합니다. 이는 쿼리 결과에 제공되는 수치 추정의 정확성을 방해하지 않습니다.

다음은 퍼널 쿼리에 대한 기술적 세부 사항 및 제약 조건에 대한 자세한 분석입니다.

퍼널 예

이 예에서는 브라우저 모니터링PageView 이벤트와 해당 속성을 쿼리합니다. 제품 검색부터 장바구니에 추가, 결제까지 진행된 사용자의 고유한 브라우저 세션을 쿼리합니다. 여기에는 키워드 AS 로 표시된 각 단계의 레이블이 포함됩니다.

FROM PageView SELECT funnel(session, 
    WHERE pageUrl LIKE '%browse%' as 'Browse', 
    WHERE pageUrl LIKE '%cart%' as 'Cart', 
    WHERE pageUrl LIKE '%checkout%' as 'Checkout') 
    SINCE 1 week AGO

이 쿼리는 다음을 반환합니다.

쉼표로 구분된 목록에서 깔때기 함수의 괄호 안에 추가 작업을 포함합니다.

SELECT funnel(session, 
    WHERE name = 'Controller/about/main' AS 'Action A', 
    WHERE name = 'Controller/about/careers' AS 'Action B', 
    WHERE name = 'Controller/about/insights' AS 'Action C', 
    WHERE name = 'Controller/about/apply' AS 'Action D') 
    FROM PageView 
    SINCE 1 week ago