बिक्री फ़नल का विश्लेषण इंटरनेट मार्केटिंग और विशेष रूप से ई-कॉमर्स के लिए एक विशिष्ट कार्य है। इसकी मदद से आप कर सकते हैं:

पता करें कि खरीद के लिए कौन से कदम आप संभावित ग्राहकों को खो रहे हैं।
खरीद के लिए पथ पर प्रत्येक कदम के विस्तार के मामले में, अतिरिक्त राजस्व प्रवाह की मात्रा का अनुकरण करने के लिए।
विभिन्न विज्ञापन प्लेटफार्मों पर खरीदे गए ट्रैफ़िक की गुणवत्ता का आकलन करें।
प्रत्येक प्रबंधक के लिए आने वाले अनुप्रयोगों के प्रसंस्करण की गुणवत्ता का आकलन करें।

इस लेख में, मैं यैंडेक्स मेट्रिक्स लॉग्स एपीआई से आर भाषा में डेटा का अनुरोध करने के तरीके के बारे में बात करूंगा, उनके आधार पर एक फ़नल का निर्माण और कल्पना कर सकता हूं।

आर भाषा के मुख्य लाभों में से एक बड़ी संख्या में संकुल की उपस्थिति है जो इसकी मूल कार्यक्षमता का विस्तार करता है। इस लेख में, हम rym , funneljoin और ggplot2 ।

funneljoin का उपयोग करते हुए rym हम लॉग्स एपीआई से डेटा लोड करते हैं, एक व्यवहार फ़नल बनाने के लिए ggplot2 उपयोग करते हैं, और परिणाम की कल्पना ggplot2 लिए ggplot2 उपयोग करते हैं।

सामग्री

लॉग एपीआई यांडेक्स मेट्रिक्स से डेटा का अनुरोध करें

कौन नहीं जानता कि लॉग्स एपीआई यहां क्या है, आधिकारिक यैंडेक्स मदद से एक उद्धरण है।

लॉग्स एपीआई आपको Yandex.Metrica द्वारा एकत्रित गैर-एकत्रित डेटा प्राप्त करने की अनुमति देता है। यह एपीआई उस सेवा के उपयोगकर्ताओं के लिए है जो स्वतंत्र रूप से सांख्यिकीय डेटा को संसाधित करना चाहते हैं और अद्वितीय विश्लेषणात्मक समस्याओं को हल करने के लिए उनका उपयोग करते हैं।

R में Yandex.Metrica Logs API के साथ काम करने के लिए, हम rym पैकेज का उपयोग करेंगे।

रिम पैकेज के लिए उपयोगी लिंक

संदर्भ:

rym - आर पैकेज जो कि यैंडेक्स मेट्रिक एपीआई के साथ बातचीत करने के लिए एक इंटरफ़ेस है। आपको प्रबंधन API, रिपोर्टिंग API, गोर API API Google Analytics v3 और लॉग्स API के साथ काम करने देता है ।

Rym पैकेज स्थापना

आर में किसी भी पैकेज के साथ काम करने के लिए, इसे पहले इंस्टॉल और डाउनलोड करना होगा। install.packages() कमांड का उपयोग करके एक बार एक पैकेज स्थापित करें। library() फ़ंक्शन का उपयोग करके आर में प्रत्येक नए कार्य सत्र में पैकेज को कनेक्ट करना आवश्यक है।

rym पैकेज को स्थापित और कनेक्ट करने के लिए, निम्न कोड का उपयोग करें:

 install.packages("rym") library(rym)

रॉम पैकेज का उपयोग करके लॉग्स एपीआई यांडेक्स मेट्रिक्स के साथ काम करना

व्यवहार फ़नल बनाने के लिए, हमें आपकी साइट पर किए गए सभी विज़िट की तालिका डाउनलोड करने और आगे के विश्लेषण के लिए डेटा तैयार करने की आवश्यकता है।

यांडेक्स मेट्रिक्स एपीआई में प्राधिकरण

एपीआई के साथ काम प्राधिकरण के साथ शुरू होता है। rym पैकेज में rym प्राधिकरण प्रक्रिया आंशिक रूप से स्वचालित होती है और तब शुरू होती है जब इसके किसी भी कार्य को कहा जाता है।

पहली बार जब आप एपीआई तक पहुंचते हैं, तो आपको rym पैकेज के लिए अपने यैंडेक्स मैट्रिक्स तक पहुंचने की अनुमति की पुष्टि करने के लिए ब्राउज़र पर पुनर्निर्देशित किया जाएगा। पुष्टि के बाद, आपको उस पृष्ठ पर पुनः निर्देशित किया जाएगा जहां आपके लिए एक प्राधिकरण पुष्टिकरण कोड उत्पन्न किया जाएगा। इसे "Enter authorize code:" कंसोल "Enter authorize code:" अनुरोध के जवाब के रूप में आर कंसोल में कॉपी और पेस्ट किया जाना चाहिए।

इसके बाद, आप y या yes जवाब देकर स्थानीय फ़ाइल में क्रेडेंशियल्स को सहेज सकते हैं "Do you want save API credential in local file ..." । इस स्थिति में, API पर अगली कॉल पर, आपको ब्राउज़र के माध्यम से पुन: प्रमाणित करने की आवश्यकता नहीं होगी, और क्रेडेंशियल्स को स्थानीय फ़ाइल से लोड किया जाएगा।

Yandex Metrica API से डेटा का अनुरोध करें

यैंडेक्स मेट्रिक्स एपीआई से पहली चीज जो हम पूछते हैं, वह उपलब्ध काउंटरों और कॉन्फ़िगर किए गए लक्ष्यों की एक सूची है। यह rym_get_counters() और rym_get_goals() फ़ंक्शन का उपयोग करके किया जाता है।

 #   library(rym) #    counters <- rym_get_counters(login = " ") #    goals <- rym_get_goals("0000000", #    login = " ")

उपरोक्त कोड उदाहरण का उपयोग करते हुए, " " को अपने Yandex उपयोगकर्ता नाम के साथ बदलें, जिसके तहत आपको आवश्यक Yandex मीट्रिक उपलब्ध हैं। और आपके द्वारा आवश्यक काउंटर की संख्या के लिए "0000000" । आप लोड किए गए काउंटरों की तालिका में आपके लिए उपलब्ध काउंटरों की संख्या देख सकते हैं।

उपलब्ध काउंटरों की तालिका - काउंटरों के निम्नलिखित रूप हैं:

 # A tibble: 2 x 9 id status owner_login name code_status site permission type gdpr_agreement_accepted <int> <fct> <fct> <fct> <fct> <fct> <fct> <fct> <int> 1 11111111 Active site.ru1 Aerosus CS_NOT_FOUND site.ru edit simple 0 2 00000000 Active site.ru Aerosus RU CS_OK site.ru edit simple 1

आईडी फ़ील्ड सभी उपलब्ध यैंडेक्स मीट्रिक काउंटर की संख्या दिखाती है।

लक्ष्य तालिका इस प्रकार है:

 # A tibble: 4 x 5 id name type is_retargeting conditions <int> <fct> <fct> <int> <fct> 1 47873638    url 0 type:contain, url:site.ru/checkout/cart/ 2 47873764    url 0 type:contain, url:site.ru/onestepcheckout/ 3 47874133     url 0 type:contain, url:/checkout/onepage/success 4 50646283     action 0 type:exact, url:click_phone

यानी जिस काउंटर से मैं काम करता हूं, उसमें निम्नलिखित क्रियाएं कॉन्फ़िगर की गई हैं:

टोकरी में जाओ
भुगतान करने के लिए जाओ
आदेश देने के लिए धन्यवाद पृष्ठ
फ़ोन बटन पर क्लिक करें

भविष्य में, डेटा रूपांतरण के लिए, हम tidyverse लाइब्रेरी में शामिल पैकेजों का उपयोग करेंगे: tidyr , dplyr । इसलिए, निम्न कोड उदाहरण का उपयोग करने से पहले, इन पैकेजों या संपूर्ण tidyverse लाइब्रेरी को स्थापित और कनेक्ट करें।

 # install.packages("tidyverse") # library(tidyverse) install.packages(c("dplyr", "tidyr")) library(dplyr) library(tidyr)

rym_get_logs() फ़ंक्शन आपको rym_get_logs() मैट्रिक्स लॉग्स एपीआई मेट्रिक्स से डेटा का अनुरोध करने की अनुमति देता है।

 #      logs <- rym_get_logs(counter = "0000000", date.from = "2019-04-01", date.to = "2019-06-30", fields = "ym:s:visitID, ym:s:clientID, ym:s:date, ym:s:goalsID, ym:s:lastTrafficSource, ym:s:isNewUser", login = " ") %>% mutate(ym.s.date = as.Date(ym.s.date), ym.s.clientID = as.character(ym.s.clientID))

rym_get_logs() फ़ंक्शन के मुख्य तर्क rym_get_logs() :

काउंटर - काउंटर नंबर जिससे आप लॉग अनुरोध करते हैं;
date.from - प्रारंभ तिथि;
date.to - समाप्ति तिथि;
फ़ील्ड - उन फ़ील्ड की एक सूची जिसे आप लोड करना चाहते हैं;
लॉगिन - यैंडेक्स लॉगिन जिसके तहत काउंटर में निर्दिष्ट काउंटर उपलब्ध है।

इस प्रकार, हमने लॉग्स API से डेटा का अनुरोध किया जिसमें निम्न कॉलम शामिल हैं:

ym: s: visitID - विजिट आईडी
ym: s: clientID - साइट पर उपयोगकर्ता आईडी
ym: s: दिनांक - यात्रा की तिथि
ym: s: goalID - इस यात्रा के दौरान प्राप्त लक्ष्यों की पहचानकर्ता
ym: s: lastTrafficSource - ट्रैफ़िक स्रोत
ym: s: .NewUser - पहले आगंतुक का दौरा

उपलब्ध फ़ील्ड की पूरी सूची के लिए, लॉग्स API सहायता देखें ।

प्राप्त डेटा हमारे लिए फ़नल बनाने के लिए पर्याप्त है, जिसके संबंध में लॉग्स एपीआई के साथ काम समाप्त हो गया है, और हम डाउनलोड किए गए डेटा के अगले चरण - प्रसंस्करण पर आगे बढ़ते हैं।

फ़नल बिल्डिंग फ़नलजॉइन पैकेज

इस अनुभाग में दी गई जानकारी का एक महत्वपूर्ण हिस्सा फ़नलजेन README पैकेज से प्राप्त किया गया है, जो संदर्भ द्वारा उपलब्ध है।

उपयोगकर्ता के व्यवहार के फ़नल विश्लेषण को सरल बनाने के लिए funneljoin लक्ष्य है। उदाहरण के लिए, आपका कार्य उन लोगों को खोजना है जो आपकी साइट पर गए और फिर पंजीकृत हुए, और यह पता लगाया कि पहली यात्रा और पंजीकरण के बीच कितना समय बीत चुका है। या आपको उन उपयोगकर्ताओं को खोजने की आवश्यकता है जो दो दिनों के भीतर उत्पाद कार्ड को देखा और टोकरी में जोड़ दिया। funneljoin पैकेज और after_join() फ़ंक्शन ऐसी समस्याओं को हल करने में मदद करते हैं।

के बाद after_join() :

x - पहले ईवेंट के पूरा होने पर जानकारी युक्त डेटा का एक सेट (पहले उदाहरण में, साइट पर जाकर, दूसरे उत्पाद को देखने पर)
y - दूसरी घटना के पूरा होने की जानकारी वाला एक डेटा सेट, (पंजीकरण के पहले उदाहरण में, दूसरे में, टोकरी में उत्पाद जोड़कर)।
by_time - तालिका x और y में होने वाली घटनाओं के बारे में जानकारी वाला एक स्तंभ।
by_user - तालिका x और y में उपयोगकर्ता पहचानकर्ताओं के साथ एक स्तंभ।
मोड - कनेक्ट करने के लिए उपयोग की जाने वाली विधि: "इनर", "फुल", "एंटी", "सेमी", "राइट", "लेफ्ट"। इसके बजाय, आप after_mode_join (उदाहरण के लिए, after_inner_join बजाय after_join (..., mode = "inner") भी उपयोग कर सकते हैं।
प्रकार - अनुक्रम का प्रकार घटनाओं के जोड़े को परिभाषित करने के लिए उपयोग किया जाता है, जैसे "पहले-पहले", "अंतिम-पहले", "किसी भी-पहले"। "फ़नल के प्रकार" अनुभाग में अधिक विवरण में वर्णित है।
max_gap / min_gap (वैकल्पिक) - पहली और दूसरी घटनाओं के बीच अधिकतम और न्यूनतम अवधि तक फ़िल्टर करें।
gap_col (वैकल्पिक) - क्या घटनाओं के बीच एक समय के अंतर के साथ एक संख्यात्मक .gap कॉलम वापस करना है। डिफ़ॉल्ट FALSE है।

फ़नल स्थापित करना

इस लेखन के समय, funneljoin पैकेज CRAN पर प्रकाशित नहीं किया funneljoin , इसलिए आप इसे GitHub से इंस्टॉल कर सकते हैं। GitHub से पैकेज स्थापित करने के लिए आपको एक अतिरिक्त पैकेज की आवश्यकता होगी - devtools ।

 install.packages("devtools") devtools::install_github("robinsones/funneljoin")

लॉग्स एपीआई से प्राप्त पोस्टप्रोसेसिंग डेटा

फ़नल निर्माण कार्यात्मक के अधिक विस्तृत अध्ययन के लिए, हमें लॉग्स एपीआई से प्राप्त डेटा को वांछित रूप में लाने की आवश्यकता है। डेटा में हेरफेर करने का सबसे सुविधाजनक तरीका, जैसा कि मैंने ऊपर लिखा था, tidyr और dplyr द्वारा प्रदान किया गया dplyr ।

आरंभ करने के लिए, निम्नलिखित करें:

इस स्थिति में, लॉग टेबल की एक पंक्ति में एक विज़िट के बारे में जानकारी होती है, और ym.s.goalsID कॉलम फॉर्म की एक सरणी होती है - [0,1,0,...] , जिसमें इस यात्रा के दौरान प्राप्त लक्ष्यों के पहचानकर्ता होते हैं। सरणी को आगे के काम के लिए उपयुक्त रूप में लाने के लिए, हमारे मामले में वर्ग कोष्ठक से, अतिरिक्त वर्णों को निकालना आवश्यक है।
तालिका को सुधारना आवश्यक है ताकि एक पंक्ति में यात्रा के दौरान प्राप्त एक लक्ष्य के बारे में जानकारी हो। यानी यदि एक यात्रा के दौरान तीन लक्ष्य प्राप्त किए गए थे, तो इस यात्रा को तीन पंक्तियों में विभाजित किया जाएगा, और प्रत्येक पंक्ति, ym.s.goalsID कॉलम में , केवल एक लक्ष्य की पहचानकर्ता होगी।
प्रत्येक यात्रा के दौरान लक्ष्यों को प्राप्त करने के लिए लॉग तालिका के लक्ष्यों की एक सूची के साथ एक तालिका संलग्न करें।
घटनाओं के लिए लक्ष्य नाम के साथ नाम स्तंभ का नाम बदलें।

उपरोक्त सभी क्रियाएं निम्नलिखित कोड का उपयोग करके कार्यान्वित की जाती हैं:

लॉग्स एपीआई से प्राप्त डेटा के लिए पोस्टप्रोसेसिंग कोड

 #      logs_goals <- logs %>% mutate(ym.s.goalsID = str_replace_all(ym.s.goalsID, #     "\\[|\\]", "") %>% str_split(",")) %>% #     unnest(cols = c(ym.s.goalsID)) %>% mutate(ym.s.goalsID = as.integer(ym.s.goalsID)) %>% #  id     left_join(goals, by = c("ym.s.goalsID" = "id")) %>% #      rename(events = name) #     events

कोड की एक छोटी व्याख्या। %>% ऑपरेटर को पाइपलाइन कहा जाता है, और कोड को अधिक पठनीय और कॉम्पैक्ट बनाता है। वास्तव में, यह एक फ़ंक्शन को निष्पादित करने का परिणाम लेता है और इसे अगले फ़ंक्शन के पहले तर्क के रूप में पास करता है। इस प्रकार, एक प्रकार का कन्वेयर प्राप्त किया जाता है, जो आपको मध्यवर्ती परिणामों को संग्रहीत करने वाले सुपरफुल चर के साथ रैम को रोकना नहीं देता है।

str_replace_all फ़ंक्शन ym.s.goalsID कॉलम में वर्ग कोष्ठक हटाता है। str_split ym.s.goalsID कॉलम से लक्ष्य पहचानकर्ताओं को अलग-अलग मानों में विभाजित करता है, और unnest उन्हें अन्य सभी स्तंभों के मूल्यों को unnest , अलग-अलग पंक्तियों में विभाजित करता है।

mutate का उपयोग करते हुए mutate हम पूर्णांक प्रकार के लिए लक्ष्य पहचानकर्ता डालते हैं।

left_join परिणाम के लिए गोल तालिका left_join , जो कॉन्फ़िगर किए गए लक्ष्यों के बारे में जानकारी संग्रहीत करता है। वर्तमान तालिका से ym.s.goalsID कॉलम का उपयोग कर और कुंजी तालिका से कुंजी स्तंभ के रूप में आईडी कॉलम का उपयोग करें।

अंत में, rename फ़ंक्शन घटनाओं में नाम स्तंभ का नाम बदल देता है।

अब log_goals तालिका में आगे के काम के लिए उपस्थिति आवश्यक है।

अगला, तीन नई तालिकाएँ बनाएँ:

first_visits - सभी नए उपयोगकर्ताओं के लिए पहले सत्र की तारीखें
कार्ट - टोकरी में उत्पादों को जोड़ने की तारीखें
आदेश - आदेश

तालिका निर्माण कोड

 #      first_visits <- logs_goals %>% filter(ym.s.isNewUser == 1 ) %>% #     select(ym.s.clientID, #   clientID ym.s.date) #   date #       cart <- logs_goals %>% filter(events == "  ") %>% select(ym.s.clientID, ym.s.date) #   orders <- logs_goals %>% filter(events == "   ") %>% select(ym.s.clientID, ym.s.date)

प्रत्येक नई तालिका अंतिम चरण में प्राप्त मुख्य लॉग_गोल्स तालिका को फ़िल्टर करने का परिणाम है। फ़िल्टरिंग filter फ़ंक्शन द्वारा किया जाता है।

फ़नल बनाने के लिए, हमारे लिए उपयोगकर्ता आईडी और घटना की तारीख के बारे में जानकारी छोड़ना पर्याप्त है, जो कि ym.s.clientID और ym.s.date कॉलम में संग्रहीत हैं, नई तालिकाओं में। इच्छित फ़ंक्शन का उपयोग करके वांछित कॉलम चुने गए थे।

फ़नल प्रकार

प्रकार तर्क first , last , any और lastbefore के first , last , any और first के बाद के किसी भी संयोजन को स्वीकार करता है। निम्नलिखित आपके द्वारा उपयोग किए जा सकने वाले सबसे उपयोगी संयोजनों का एक उदाहरण है:

first-first : प्रत्येक उपयोगकर्ता के लिए जल्द से जल्द x और y इवेंट प्राप्त करें। उदाहरण के लिए, हम पहली यात्रा की तारीख, और पहली खरीद की तारीख प्राप्त करना चाहते हैं, जिस स्थिति में first-first फ़नल प्रकार का उपयोग करें।

 #    first-first first_visits %>% after_inner_join(orders, by_user = "ym.s.clientID", by_time = "ym.s.date", type = "first-first")

 # A tibble: 42 x 3 ym.s.clientID ym.s.date.x ym.s.date.y <chr> <date> <date> 1 1552251706539589249 2019-04-18 2019-05-15 2 1554193975665391000 2019-04-02 2019-04-15 3 1554317571426012455 2019-04-03 2019-04-04 4 15544716161033564779 2019-04-05 2019-04-08 5 1554648729526295287 2019-04-07 2019-04-11 6 1554722099539384487 2019-04-08 2019-04-17 7 1554723388680198551 2019-04-08 2019-04-08 8 15547828551024398507 2019-04-09 2019-05-13 9 1554866701619747784 2019-04-10 2019-04-10 10 1554914125524519624 2019-04-10 2019-04-10 # ... with 32 more rows

हमें एक तालिका मिली है जिसमें 1 पंक्ति में उपयोगकर्ता की साइट पर पहली यात्रा की तारीख और उसके पहले आदेश की तारीख का डेटा है।

first-firstafter : सबसे पहले x प्राप्त करें, फिर पहला y पहले x के बाद हुआ। उदाहरण के लिए, किसी उपयोगकर्ता ने आपकी साइट पर बार-बार दौरा किया है, और यात्राओं के दौरान उसने टोकरी में उत्पादों को जोड़ा, यदि आपको टोकरी में बहुत पहले उत्पाद को जोड़ने की तिथि प्राप्त करने की आवश्यकता है, और निकटतम ऑर्डर की तारीख, फ़नल first-firstafter टाइप का उपयोग first-firstafter ।

 cart %>% after_inner_join(orders, by_user = "ym.s.clientID", by_time = "ym.s.date", type = "first-firstafter")

 # A tibble: 49 x 3 ym.s.clientID ym.s.date.x ym.s.date.y <chr> <date> <date> 1 1551433754595068897 2019-04-02 2019-04-05 2 1552251706539589249 2019-05-15 2019-05-15 3 1552997205196001429 2019-05-23 2019-05-23 4 1553261825377658768 2019-04-11 2019-04-11 5 1553541720631103579 2019-04-04 2019-04-05 6 1553761108775329787 2019-04-16 2019-04-16 7 1553828761648236553 2019-04-03 2019-04-03 8 1554193975665391000 2019-04-13 2019-04-15 9 1554317571426012455 2019-04-04 2019-04-04 10 15544716161033564779 2019-04-08 2019-04-08 # ... with 39 more rows

lastbefore-firstafter : first x उसके बाद y अगले y से पहले। उदाहरण के लिए, एक उपयोगकर्ता आपकी साइट पर बार-बार आया है, कुछ सत्र खरीद के साथ समाप्त हुए। यदि आपको खरीदने से पहले अंतिम सत्र की तारीख और उसके बाद खरीद की तारीख प्राप्त करने की आवश्यकता है, तो फ़नल प्रकार का उपयोग करें।

 first_visits %>% after_inner_join(orders, by_user = "ym.s.clientID", by_time = "ym.s.date", type = "lastbefore-firstafter")

 # A tibble: 50 x 3 ym.s.clientID ym.s.date.x ym.s.date.y <chr> <date> <date> 1 1551433754595068897 2019-04-05 2019-04-05 2 1552251706539589249 2019-05-15 2019-05-15 3 1552251706539589249 2019-05-16 2019-05-16 4 1552997205196001429 2019-05-23 2019-05-23 5 1553261825377658768 2019-04-11 2019-04-11 6 1553541720631103579 2019-04-05 2019-04-05 7 1553761108775329787 2019-04-16 2019-04-16 8 1553828761648236553 2019-04-03 2019-04-03 9 1554193975665391000 2019-04-15 2019-04-15 10 1554317571426012455 2019-04-04 2019-04-04 # ... with 40 more rows

इस मामले में, हमें एक तालिका मिली जिसमें एक पंक्ति में वह दिनांक शामिल है जिसमें प्रत्येक आदेश पूरा होने से पहले अंतिम उत्पाद को टोकरी में जोड़ा गया था, और आदेश की तिथि भी।

any-firstafter पहले के बाद: सभी x और उसके बाद पहला y प्राप्त करें । उदाहरण के लिए, एक उपयोगकर्ता आपकी साइट पर बार-बार आया है, प्रत्येक यात्रा के दौरान उसने टोकरी में विभिन्न उत्पादों को जोड़ा और समय-समय पर सभी जोड़े गए उत्पादों के साथ ऑर्डर किए। यदि आपको टोकरी में सभी परिवर्धन की तारीखें और अपने आदेशों की तारीखें प्राप्त करने की आवश्यकता है, तो फ़नल प्रकार का उपयोग any-firstafter ।

 cart %>% after_inner_join(orders, by_user = "ym.s.clientID", by_time = "ym.s.date", type = "any-firstafter")

 # A tibble: 239 x 3 ym.s.clientID ym.s.date.x ym.s.date.y <chr> <date> <date> 1 1551433754595068897 2019-04-02 2019-04-05 2 1551433754595068897 2019-04-02 2019-04-05 3 1551433754595068897 2019-04-03 2019-04-05 4 1551433754595068897 2019-04-03 2019-04-05 5 1551433754595068897 2019-04-03 2019-04-05 6 1551433754595068897 2019-04-05 2019-04-05 7 1551433754595068897 2019-04-05 2019-04-05 8 1551433754595068897 2019-04-05 2019-04-05 9 1551433754595068897 2019-04-05 2019-04-05 10 1551433754595068897 2019-04-05 2019-04-05 # ... with 229 more rows

कोई भी-कोई: सभी x और सभी y को प्रत्येक x के बगल में लाएँ । उदाहरण के लिए, आप प्रत्येक उपयोगकर्ता द्वारा किए गए सभी बाद के आदेशों के साथ साइट की सभी यात्राओं की एक सूची प्राप्त करना चाहते हैं।

 first_visits %>% after_inner_join(orders, by_user = "ym.s.clientID", by_time = "ym.s.date", type = "any-any")

 # A tibble: 122 x 3 ym.s.clientID ym.s.date.x ym.s.date.y <chr> <date> <date> 1 1552251706539589249 2019-04-18 2019-05-15 2 1552251706539589249 2019-04-18 2019-05-15 3 1552251706539589249 2019-04-18 2019-05-15 4 1552251706539589249 2019-04-18 2019-05-16 5 1554193975665391000 2019-04-02 2019-04-15 6 1554193975665391000 2019-04-02 2019-04-25 7 1554317571426012455 2019-04-03 2019-04-04 8 15544716161033564779 2019-04-05 2019-04-08 9 1554648729526295287 2019-04-07 2019-04-11 10 1554722099539384487 2019-04-08 2019-04-17 # ... with 112 more rows

फ़नल चरण

उपरोक्त उदाहरण after_inner_join() फ़ंक्शन के साथ काम करते हुए प्रदर्शित करते हैं, यह उन मामलों में उपयोग करना सुविधाजनक है जहां आपके पास अलग-अलग तालिकाओं द्वारा अलग-अलग सभी घटनाएं हैं, हमारे मामले में first_visits , कार्ट और ऑर्डर टेबल के अनुसार।

लेकिन लॉग्स एपीआई आपको एक तालिका में सभी घटनाओं के बारे में जानकारी देता है, और क्रियाओं के अनुक्रम बनाने के लिए funnel_start() और funnel_step() फ़ंक्शन अधिक सुविधाजनक तरीका होगा। funnel_start फ़नल के पहले चरण को सेट करने में मदद करता है और पाँच तर्क लेता है:

tbl - घटना तालिका;
moment_type - फ़नल में पहली घटना;
पल - स्तंभ का नाम जिसमें घटना का नाम शामिल है;
tstamp - उस घटना के होने वाले दिनांक के साथ स्तंभ का नाम;
उपयोगकर्ता - उपयोगकर्ता पहचानकर्ताओं के साथ कॉलम का नाम।

 logs_goals %>% select(events, ym.s.clientID, ym.s.date) %>% funnel_start(moment_type = "   ", moment = "events", tstamp = "ym.s.date", user = "ym.s.clientID")

 # A tibble: 52 x 2 ym.s.clientID `ym.s.date_   ` <chr> <date> 1 1556018960123772801 2019-04-24 2 1561216372134023321 2019-06-22 3 1556955573636389438 2019-05-04 4 1559220890220134879 2019-05-30 5 1553261825377658768 2019-04-11 6 1561823182372545402 2019-06-29 7 1556047887455246275 2019-04-23 8 1554722099539384487 2019-04-17 9 1555420652241964245 2019-04-17 10 1553541720631103579 2019-04-05 # ... with 42 more rows

funnel_start ym.s.clientI और ym.s.date_ कॉलम के साथ एक तालिका देता है ym.s.date_ (दिनांक के साथ आपके कॉलम का नाम, _ और घटना का नाम)।

निम्नलिखित चरणों को funnel_step() फ़ंक्शन का उपयोग करके जोड़ा जा सकता है। funnel_start हमने पहले से ही सभी आवश्यक स्तंभों के पहचानकर्ता निर्दिष्ट कर दिए हैं, अब हमें यह निर्दिष्ट करने की आवश्यकता है कि कौन सा ईवेंट क्षणिका तर्क का उपयोग करके फ़नल में अगला चरण होगा, और कनेक्शन प्रकार टाइप है (उदाहरण के लिए, "first-first" , "first-any" )।

 logs_goals %>% select(events, ym.s.clientID, ym.s.date) %>% funnel_start(moment_type = "  ", moment = "events", tstamp = "ym.s.date", user = "ym.s.clientID") %>% funnel_step(moment_type = "   ", type = "first-last")

 # A tibble: 319 x 3 ym.s.clientID `ym.s.date_  ` `ym.s.date_   ` <chr> <date> <date> 1 1550828847886891355 2019-04-01 NA 2 1551901759770098825 2019-04-01 NA 3 1553595703262002507 2019-04-01 NA 4 1553856088331234886 2019-04-01 NA 5 1554044683888242311 2019-04-01 NA 6 1554095525459102609 2019-04-01 NA 7 1554100987632346537 2019-04-01 NA 8 1551433754595068897 2019-04-02 2019-04-05 9 1553627918798485452 2019-04-02 NA 10 155418104743178061 2019-04-02 NA # ... with 309 more rows

funnel_step साथ funnel_step आप किसी भी चरण के साथ फ़नल बना सकते हैं। प्रत्येक उपयोगकर्ता के लिए एक पूर्ण फ़नल बनाने के लिए, मेरे उदाहरण में, आप निम्न कोड का उपयोग कर सकते हैं:

प्रत्येक उपयोगकर्ता के लिए एक पूर्ण फ़नल बनाने के लिए कोड

 #         #     events - " " logs_goals <- logs_goals %>% filter(ym.s.isNewUser == 1 ) %>% mutate(events = " ") %>% bind_rows(logs_goals) #     logs_goals %>% select(events, ym.s.clientID, ym.s.date) %>% funnel_start(moment_type = " ", moment = "events", tstamp = "ym.s.date", user = "ym.s.clientID") %>% funnel_step(moment_type = "  ", type = "first-last") %>% funnel_step(moment_type = "  ", type = "first-last") %>% funnel_step(moment_type = "   ", type = "first-last")

और अब केक पर चेरी summarize_funnel() । एक फ़ंक्शन जो आपको पिछले चरण से अगले तक स्विच करने वाले उपयोगकर्ताओं के प्रतिशत को प्रदर्शित करने की अनुमति देता है, और उन उपयोगकर्ताओं का प्रतिशत जो पहले चरण से गुजर चुके हैं, प्रत्येक बाद में।

 my_funnel <- logs_goals %>% select(events, ym.s.clientID, ym.s.date) %>% funnel_start(moment_type = " ", moment = "events", tstamp = "ym.s.date", user = "ym.s.clientID") %>% funnel_steps(moment_type = c("  ", "  ", "   "), type = "first-last") %>% summarize_funnel()

 # A tibble: 4 x 4 moment_type nb_step pct_cumulative pct_step <fct> <dbl> <dbl> <dbl> 1   18637 1 NA 2    1589 0.0853 0.0853 3    689 0.0494 0.579 4     34 0.0370 0.749

nb_step — , , pct_cumulative — , pct_step — .

my_funnel , ggplot2 .

ggplot2 — R, . , , .

ggplot2 , 2005 . , photoshop, , .

 # install.packages("ggplot2") library(ggplot2) my_funnel %>% mutate(padding = (sum(my_funnel$nb_step) - nb_step) / 2) %>% gather(key = "variable", value = "val", -moment_type) %>% filter(variable %in% c("nb_step", "padding")) %>% arrange(desc(variable)) %>% mutate(moment_type = factor(moment_type, levels = c("   ", "  ", "  ", " "))) %>% ggplot( aes(x = moment_type) ) + geom_bar(aes(y = val, fill = variable), stat='identity', position='stack') + scale_fill_manual(values = c('coral', NA) ) + geom_text(data = my_funnel, aes(y = sum(my_funnel$nb_step) / 2, label = paste(round(round(pct_cumulative * 100,2)), '%')), colour='tomato4', fontface = "bold") + coord_flip() + theme(legend.position = 'none') + labs(x='moment', y='volume')

फ़नल दृश्य

my_funnel .
ggplot — , , , X moment_type .
geom_bar — — , aes .
scale_fill_manual — , , .
geom_text — , % .
coord_flip — , .
theme — : , .. .
labs — .

, , , , .

lapply , R. , , bind_rows .

 #        first_visits <- rename(first_visits, firstSource = ym.s.lastTrafficSource) #          logs_goals <- select(first_visits, ym.s.clientID, firstSource) %>% left_join(logs_goals, ., by = "ym.s.clientID") #     my_multi_funnel <- lapply(c("ad", "organic", "direct"), function(source) { logs_goals %>% filter(firstSource == source) %>% select(events, ym.s.clientID, ym.s.date) %>% funnel_start(moment_type = " ", moment = "events", tstamp = "ym.s.date", user = "ym.s.clientID") %>% funnel_steps(moment_type = c("  ", "  ", "   "), type = "first-last") %>% summarize_funnel() %>% mutate(firstSource = source) }) %>% bind_rows() #

 # A tibble: 12 x 5 moment_type nb_step pct_cumulative pct_step firstSource <fct> <int> <dbl> <dbl> <chr> 1   14392 1 NA ad 2    154 0.0107 0.0107 ad 3    63 0.00438 0.409 ad 4     14 0.000973 0.222 ad 5   3372 1 NA organic 6    68 0.0202 0.0202 organic 7    37 0.0110 0.544 organic 8     13 0.00386 0.351 organic 9   607 1 NA direct 10    49 0.0807 0.0807 direct 11    21 0.0346 0.429 direct 12     8 0.0132 0.381 direct

my_multi_funnel , .

 #    my_multi_funnel %>% mutate(padding = ( 1 - pct_cumulative) / 2 ) %>% gather(key = "variable", value = "val", -moment_type, -firstSource) %>% filter(variable %in% c("pct_cumulative", "padding")) %>% arrange(desc(variable)) %>% mutate(moment_type = factor(moment_type, levels = c("   ", "  ", "  ", " ")), variable = factor(variable, levels = c("pct_cumulative", "padding"))) %>% ggplot( aes(x = moment_type) ) + geom_bar(aes(y = val, fill = variable), stat='identity', position='stack') + scale_fill_manual(values = c('coral', NA) ) + geom_text(data = my_multi_funnel_df, aes(y = 1 / 2, label =paste(round(round(pct_cumulative * 100, 2)), '%')), colour='tomato4', fontface = "bold") + coord_flip() + theme(legend.position = 'none') + labs(x='moment', y='volume') + facet_grid(. ~ firstSource)

:
चैनल कीप

first_visits ym.s.lastTrafficSource firstSource .
left_join ym.s.clientID . firstSource .
lapply ad, organic direct. bind_rows .
facet_grid(. ~ firstSource) , firstSource .

पुनश्च

. PS , R. R4marketing , R .

;
;
;
R.

निष्कर्ष

, , R :

.;
R RStudio;
rym , funneljoin ggplot2 ;
rym rym_get_logs() .;
funneljoin .
ggplot2 .

, Logs API , : CRM, 1 . , : , -.

Yandex.Metrica लॉग्स एपीआई से प्राप्त आंकड़ों के आधार पर, आर भाषा में व्यवहार फ़नल का निर्माण