首先,使用标准SQL,给出您的假设：

有一个简单布局的表EVENTS：

EVENTS

-----------------------------

SESION_ID , EVENT_NAME , TMST

要在某个时间获得执行步骤#1的会话：

-- QUERY 1

SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event1' GROUP BY SESSION_ID;

在这里,我假设event1可以在每个会话中发生一次以上.结果是一个在某个时间演示了event1的唯一会话列表.

为了获得step2和step3,我可以这样做：

-- QUERY 2

SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event2' GROUP BY SESSION_ID;

-- QUERY 3

SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event3' GROUP BY SESSION_ID;

现在,您要按顺序选择执行step1,step2和step3的会话.

更准确地说,您需要计算执行步骤1的会话,然后计算执行步骤2的会话,然后计算执行步骤3的会话.

基本上我们只需要将上面的3个查询与左连接组合在一起,列出进入漏斗的会话以及它们执行的步骤：

-- FUNNEL FOR S1/S2/S3

SELECT

SESSION_ID,

Q1.TMST IS NOT NULL AS PERFORMED_STEP1,

Q2.TMST IS NOT NULL AS PERFORMED_STEP2,

Q3.TMST IS NOT NULL AS PERFORMED_STEP3

FROM

-- QUERY 1

(SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event1' GROUP BY SESSION_ID) AS Q1,

LEFT JOIN

-- QUERY 2

(SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event2' GROUP BY SESSION_ID) AS Q2,

LEFT JOIN

-- QUERY 3

(SELECT SESSION_ID,MIN(TMST) FROM EVENTS WHERE EVENT_NAME='event2' GROUP BY SESSION_ID) AS Q3

-- Q2 & Q3

ON Q2.SESSION_ID=Q3.SESSION_ID AND Q2.TMST

-- Q1 & Q2

ON Q1.SESSION_ID=Q2.SESSION_ID AND Q1.TMST

结果是在步骤1进入漏斗的唯一会话列表,并且可能继续到step2和step3 ……例如：

SESSION_ID_1,TRUE,TRUE,TRUE

SESSION_ID_2,TRUE,TRUE,FALSE

SESSION_ID_3,TRUE,FALSE,FALSE

...

现在我们只需要计算一些统计数据,例如：

SELECT

STEP1_COUNT,

STEP1_COUNT-STEP2_COUNT AS EXIT_AFTER_STEP1,

STEP2_COUNT*100.0/STEP1_COUNT AS PERCENTAGE_TO_STEP2,

STEP2_COUNT-STEP3_COUNT AS EXIT_AFTER_STEP2,

STEP3_COUNT*100.0/STEP2_COUNT AS PERCENTAGE_TO_STEP3,

STEP3_COUNT*100.0/STEP1_COUNT AS COMPLETION_RATE

FROM

(-- QUERY TO COUNT session at each step

SELECT

SUM(CASE WHEN PERFORMED_STEP1 THEN 1 ELSE 0 END) AS STEP1_COUNT,

SUM(CASE WHEN PERFORMED_STEP2 THEN 1 ELSE 0 END) AS STEP2_COUNT,

SUM(CASE WHEN PERFORMED_STEP3 THEN 1 ELSE 0 END) AS STEP3_COUNT

FROM

[... insert the funnel query here ...]

) AS COMPUTE_STEPS

Etvoilà！

现在进行讨论.

第一点,考虑到你采用“集合”(或功能)思维方式而不是“程序化”方法,结果非常简单.不要将数据库可视化为具有列和行的固定表的集合……这是它的实现方式,但它不是您与它交互的方式.这是所有套装,您可以按照您需要的方式安排套装！

第二点,如果您使用MPP数据库,查询将自动优化为并行运行.您甚至不需要以不同方式编写查询,使用map-reduce或其他…我在我的测试数据集上运行了相同的查询,其中包含超过1亿个事件,并在几秒钟内获得结果.

最后但并非最不重要的是,查询打开了无限可能.只需按引用,关键字,登录页面,用户信息和分析的结果进行分组,例如提供最佳转换率！