“漏斗分析（Funnel analysis）”用于分析事件序列，幫助網(wǎng)站或移動(dòng)應(yīng)用提升用戶(hù)參與度。為了提升Twitter用戶(hù)的參與度，Twitter的數(shù)據(jù)科學(xué)團(tuán)隊(duì)借助這個(gè)概念了解用戶(hù)在注冊(cè)或發(fā)推過(guò)程中如何同用戶(hù)界面交互。他們用它分析用戶(hù)交互日志，以確保他們交付的產(chǎn)品特性對(duì)用戶(hù)有用且有吸引力。

Krist Wongsuphasawat是Twitter的職業(yè)數(shù)據(jù)科學(xué)家，他最近寫(xiě)了一篇有關(guān)他們的試驗(yàn)性可視化分析方法的文章。該方法用于特定的事件序列計(jì)數(shù)，此外，為了提供更廣闊的視角，該方法還會(huì)聚合并可視化序列中各步驟之間的信息。

日志分析可以像單事件計(jì)數(shù)那么簡(jiǎn)單，例如，點(diǎn)擊Tweet按鈕。但是，該事件只是打開(kāi)了Tweet編輯器，并不一定意味著用戶(hù)成功發(fā)推。漏斗分析或“漏斗計(jì)數(shù)（counting funnels）”可以提供更宏觀的畫(huà)面，便于查看用戶(hù)在開(kāi)始編輯之后中途放棄Tweet的次數(shù)。這會(huì)引出更具探究性的問(wèn)題，但是，Twitter的數(shù)據(jù)規(guī)模對(duì)數(shù)據(jù)分析提出了挑戰(zhàn)。這些數(shù)據(jù)涉及1萬(wàn)多種事件類(lèi)型和數(shù)以?xún)|計(jì)的用戶(hù)。Twitter團(tuán)隊(duì)已經(jīng)構(gòu)建了一個(gè)統(tǒng)一的日志基礎(chǔ)設(shè)施，用于捕獲所有客戶(hù)端的用戶(hù)活動(dòng)，使得這些日志成為組織內(nèi)最大的數(shù)據(jù)集之一。

團(tuán)隊(duì)設(shè)計(jì)了一個(gè)試驗(yàn)性可視化漏斗分析工具Flying Sessions，用于支持漏斗探究，減少工作量，并提供比簡(jiǎn)單計(jì)數(shù)更多的信息。該工具幫助數(shù)據(jù)科學(xué)家理解日志數(shù)據(jù)。用戶(hù)可以通過(guò)選擇部分會(huì)話來(lái)指定分析粒度。然后，該工具會(huì)為用戶(hù)提供聚合結(jié)果，用戶(hù)可以在可視化界面上交互地探究這些結(jié)果。

該方案的數(shù)據(jù)管道包含三個(gè)部分：“會(huì)話生成（sessionzation）”、分段和聚合?？梢暬治龉ぞ哂玫降募夹g(shù)包括Hadoop、Scalding、D3和d3Kit。Scalding用于對(duì)Hadoop中大量的原始日志事件進(jìn)行過(guò)濾，并匯總成較小的JSON文件，后者可以通過(guò)使用D3和d3Kit開(kāi)發(fā)的Web用戶(hù)界面可視化。

會(huì)話生成階段會(huì)為每個(gè)用戶(hù)創(chuàng)建一個(gè)會(huì)話，并添加連續(xù)事件（按時(shí)間戳排序）。

分段階段會(huì)從會(huì)話中提取與分析師指定的“對(duì)齊點(diǎn)（alignment point）”相關(guān)的事件子序列，并根據(jù)它們包含的對(duì)齊點(diǎn)將子序列分組成段。該階段包括識(shí)別會(huì)話片段，然后提取對(duì)齊點(diǎn)之間的事件序列并分組。

最后，聚合階段會(huì)通過(guò)管道將上個(gè)階段生成的段并行發(fā)給各種聚合器，以便生成可以在前端可視化的匯總信息（比如事件平均次數(shù)）。這種設(shè)計(jì)允許在需要額外的匯總類(lèi)型時(shí)添加新的聚合器。

此外，Twitter團(tuán)隊(duì)還設(shè)想了幾種設(shè)計(jì)改進(jìn)，以便將來(lái)增加使用模式挖掘或更復(fù)雜算法的新聚合類(lèi)型。

查看英文原文：Funnel Analysis at Twitter for Improving User Engagement