របៀបប្រមូលក្រុមអ្នកប្រើប្រាស់ជាក្រាហ្វក្នុង Grafana [+ រូបភាព docker ជាមួយឧទាហរណ៍]

របៀបដែលយើងបានដោះស្រាយបញ្ហានៃការមើលឃើញក្រុមអ្នកប្រើប្រាស់នៅក្នុងសេវាកម្ម Promopult ដោយប្រើ Grafana ។

ផ្សព្វផ្សាយ - សេវាកម្មដ៏មានឥទ្ធិពលដែលមានអ្នកប្រើប្រាស់ច្រើន។ ក្នុងរយៈពេល 10 ឆ្នាំនៃប្រតិបត្តិការចំនួននៃការចុះឈ្មោះនៅក្នុងប្រព័ន្ធមានលើសពីមួយលាន។ អ្នកដែលបានជួបប្រទះសេវាកម្មស្រដៀងគ្នាដឹងថាអារេនៃអ្នកប្រើប្រាស់នេះគឺនៅឆ្ងាយពីភាពដូចគ្នា។

នរណាម្នាក់បានចុះឈ្មោះហើយ "ដេកលក់" ជារៀងរហូត។ មាននរណាម្នាក់ភ្លេចពាក្យសម្ងាត់របស់ពួកគេ ហើយចុះឈ្មោះពីរបីដងទៀតក្នុងរយៈពេលប្រាំមួយខែ។ មាននរណាម្នាក់នាំយកប្រាក់ទៅបញ្ជីសាច់ប្រាក់ ហើយមាននរណាម្នាក់មកដោយឥតគិតថ្លៃ ឧបករណ៍. ហើយវាជាការល្អក្នុងការទទួលបានប្រាក់ចំណេញខ្លះពីមនុស្សគ្រប់គ្នា។

នៅលើសំណុំទិន្នន័យដ៏ធំដូចជារបស់យើង ការវិភាគអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់ម្នាក់ៗ និងការសម្រេចចិត្តខ្នាតតូចគឺគ្មានន័យអ្វីទាំងអស់។ ប៉ុន្តែការចាប់និន្នាការ និងធ្វើការជាមួយក្រុមធំគឺអាចធ្វើទៅបាន និងចាំបាច់។ ដែលជាអ្វីដែលយើងធ្វើ។

សង្ខេប

1. តើការវិភាគក្រុមគឺជាអ្វី ហើយហេតុអ្វីបានជាវាត្រូវការ?
2. របៀបបង្កើតក្រុមតាមខែនៃការចុះឈ្មោះអ្នកប្រើប្រាស់នៅក្នុង SQL ។
3. របៀបផ្ទេរក្រុមទៅ ហ្គ្រេណាណា.

ប្រសិនបើអ្នកដឹងរួចហើយថាតើការវិភាគក្រុមគឺជាអ្វី និងរបៀបធ្វើវានៅក្នុង SQL សូមរំលងត្រង់ទៅផ្នែកចុងក្រោយ។

1. តើការវិភាគក្រុមគឺជាអ្វី ហើយហេតុអ្វីបានជាវាត្រូវការ?

ការវិភាគតាមក្រុមគឺជាវិធីសាស្ត្រផ្អែកលើការប្រៀបធៀបក្រុមផ្សេងៗគ្នា (ក្រុម) នៃអ្នកប្រើប្រាស់។ ភាគច្រើនជាញឹកញាប់ ក្រុមរបស់យើងត្រូវបានបង្កើតឡើងដោយសប្តាហ៍ ឬខែដែលអ្នកប្រើប្រាស់បានចាប់ផ្តើមប្រើប្រាស់សេវាកម្ម។ ពីទីនេះ អាយុកាលរបស់អ្នកប្រើប្រាស់ត្រូវបានគណនា ហើយនេះគឺជាសូចនាករមួយនៅលើមូលដ្ឋាននៃការវិភាគដ៏ស្មុគស្មាញអាចត្រូវបានអនុវត្ត។ ឧទាហរណ៍ យល់៖

• តើឆានែលការទិញយកមានឥទ្ធិពលយ៉ាងណាទៅលើអាយុកាលរបស់អ្នកប្រើប្រាស់;
• របៀបដែលការប្រើប្រាស់មុខងារ ឬសេវាកម្មណាមួយប៉ះពាល់ដល់អាយុជីវិត។
• របៀបដែលការបើកដំណើរការមុខងារ X ប៉ះពាល់ដល់អាយុជីវិតបើប្រៀបធៀបទៅនឹងឆ្នាំមុន។

2. របៀបបង្កើតក្រុមក្នុង SQL?

ទំហំនៃអត្ថបទ និងសុភវិនិច្ឆ័យមិនអនុញ្ញាតឱ្យយើងបង្ហាញទិន្នន័យពិតរបស់យើងនៅទីនេះទេ - នៅក្នុងការសាកល្បង ស្ថិតិសម្រាប់មួយឆ្នាំកន្លះ៖ អ្នកប្រើប្រាស់ 1200 នាក់ និងប្រតិបត្តិការចំនួន 53 ។ ដូច្នេះអ្នកអាចលេងជាមួយទិន្នន័យនេះ យើងបានរៀបចំរូបភាព docker ជាមួយ MySQL និង Grafana ដែលអ្នកអាចពិសោធន៍វាដោយខ្លួនឯងបាន។ ភ្ជាប់ទៅ GitHub នៅចុងបញ្ចប់នៃអត្ថបទ។

ហើយនៅទីនេះយើងនឹងបង្ហាញពីការបង្កើតក្រុមដោយប្រើឧទាហរណ៍សាមញ្ញ។

ឧបមាថាយើងមានសេវាកម្ម។ អ្នកប្រើប្រាស់ចុះឈ្មោះនៅទីនោះ ហើយចំណាយប្រាក់លើសេវាកម្ម។ យូរ ៗ ទៅអ្នកប្រើប្រាស់បោះបង់ចោល។ យើង​ចង់​ដឹង​ថា​តើ​អ្នក​ប្រើ​ប្រាស់​រស់​នៅ​បាន​យូរ​ប៉ុណ្ណា ហើយ​ចំនួន​នៃ​ពួក​គេ​ធ្លាក់​ចុះ​បន្ទាប់​ពី​ខែ​ទី 1 និង​ទី 2 នៃ​ការ​ប្រើប្រាស់​សេវាកម្ម។

ដើម្បីឆ្លើយសំណួរទាំងនេះ យើងត្រូវបង្កើតក្រុមផ្អែកលើខែនៃការចុះឈ្មោះ។ យើងនឹងវាស់វែងសកម្មភាពដោយការចំណាយក្នុងខែនីមួយៗ។ ជំនួសឱ្យការចំណាយ អាចមានការបញ្ជាទិញ ថ្លៃជាវ ឬសកម្មភាពផ្អែកលើពេលវេលាផ្សេងទៀត។

ទិន្នន័យដំបូង

ឧទាហរណ៍ត្រូវបានធ្វើឡើងនៅក្នុង MySQL ប៉ុន្តែសម្រាប់ DBMS ផ្សេងទៀតមិនគួរមានភាពខុសគ្នាខ្លាំងទេ។

តារាងអ្នកប្រើប្រាស់ - អ្នកប្រើប្រាស់៖

លេខ​សម្គាល់​អ្នក​ប្រើ
កាលបរិច្ឆេទ​ចុះបញ្ជី

1
2019-01-01

2
2019-02-01

3
2019-02-10

4
2019-03-01

តារាងតម្លៃ - វិក័យប័ត្រ៖

លេខ​សម្គាល់​អ្នក​ប្រើ
កាលបរិច្ឆេទ
ផលបូក

1
2019-01-02
11

1
2019-02-22
11

2
2019-02-12
12

3
2019-02-11
13

3
2019-03-11
13

4
2019-03-01
14

4
2019-03-02
14

ជ្រើសរើសការដកប្រាក់ និងកាលបរិច្ឆេទចុះឈ្មោះរបស់អ្នកប្រើប្រាស់ទាំងអស់៖

SELECT 
  b.userId, 
  b.Date,
  u.RegistrationDate
FROM billing AS b LEFT JOIN users AS u ON b.userId = u.userId

លទ្ធផល:

លេខ​សម្គាល់​អ្នក​ប្រើ
កាលបរិច្ឆេទ
កាលបរិច្ឆេទ​ចុះបញ្ជី

1
2019-01-02
2019-01-02

1
2019-02-22
2019-01-02

2
2019-02-12
2019-02-01

3
2019-02-11
2019-02-10

3
2019-03-11
2019-02-10

4
2019-03-01
2019-03-01

4
2019-03-02
2019-03-01

យើងបង្កើតក្រុមតាមខែ ដើម្បីធ្វើវា យើងបំប្លែងកាលបរិច្ឆេទទាំងអស់ទៅជាខែ៖

DATE_FORMAT(Date, '%Y-%m')

ឥឡូវនេះយើងត្រូវដឹងថាតើអ្នកប្រើប្រាស់សកម្មប៉ុន្មានខែ - នេះគឺជាភាពខុសគ្នារវាងខែនៃឥណពន្ធ និងខែនៃការចុះឈ្មោះ។ MySQL មានមុខងារ PERIOD_DIFF() - ភាពខុសគ្នារវាងពីរខែ។ បន្ថែម PERIOD_DIFF() ទៅក្នុងសំណើ៖

SELECT
    b.userId,
    DATE_FORMAT(b.Date, '%Y-%m') AS BillingMonth,
    DATE_FORMAT(u.RegistrationDate, '%Y-%m') AS RegistrationMonth,
    PERIOD_DIFF(DATE_FORMAT(b.Date, '%Y%m'), DATE_FORMAT(u.RegistrationDate, '%Y%m')) AS MonthsDiff
FROM billing AS b LEFT JOIN users AS u ON b.userId = u.userId

លេខ​សម្គាល់​អ្នក​ប្រើ
ខែចេញវិក្កយបត្រ
កាលបរិច្ឆេទ​ចុះបញ្ជី
ខែភាពខុសគ្នា

1
2019-01
2019-01
0

1
2019-02
2019-01
1

2
2019-02
2019-02
0

3
2019-02
2019-02
0

3
2019-03
2019-02
1

4
2019-03
2019-03
0

4
2019-03
2019-03
0

យើងរាប់ចំនួនអ្នកប្រើប្រាស់ដែលបានធ្វើឱ្យសកម្មក្នុងខែនីមួយៗ - យើងដាក់កំណត់ត្រាដោយ BillingMonth, RegistrationMonth និង MonthsDiff៖

SELECT
    COUNT(DISTINCT(b.userId)) AS UsersCount,
    DATE_FORMAT(b.Date, '%Y-%m') AS BillingMonth,
    DATE_FORMAT(u.RegistrationDate, '%Y-%m') AS RegistrationMonth,
    PERIOD_DIFF(DATE_FORMAT(b.Date, '%Y%m'), DATE_FORMAT(u.RegistrationDate, '%Y%m')) AS MonthsDiff
FROM billing AS b LEFT JOIN users AS u ON b.userId = u.userId
GROUP BY BillingMonth, RegistrationMonth, MonthsDiff

លទ្ធផល:

ចំនួនអ្នកប្រើប្រាស់
ខែចេញវិក្កយបត្រ
ខែចុះឈ្មោះ
ខែភាពខុសគ្នា

1
2019-01
2019-01
0

1
2019-02
2019-01
1

2
2019-02
2019-02
0

1
2019-03
2019-02
1

1
2019-03
2019-03
0

ក្នុងខែមករា ខែកុម្ភៈ និងខែមីនា អ្នកប្រើប្រាស់ថ្មីម្នាក់បានបង្ហាញខ្លួនម្នាក់ៗ - MonthsDiff = 0. អ្នកប្រើប្រាស់ខែមករាម្នាក់សកម្មក្នុងខែកុម្ភៈ - RegistrationMonth = 2019-01, BillingMonth = 2019-02 ហើយអ្នកប្រើប្រាស់ខែកុម្ភៈម្នាក់បានសកម្មក្នុងខែមីនា។

តាមធម្មជាតិ លំនាំអាចមើលឃើញប្រសើរជាងនៅក្នុងសំណុំទិន្នន័យធំ។

របៀបផ្ទេរក្រុមទៅ Grafana

យើងបានរៀនពីរបៀបបង្កើតក្រុម ប៉ុន្តែនៅពេលដែលមានកំណត់ត្រាច្រើន វាមិនងាយស្រួលក្នុងការវិភាគពួកគេទៀតទេ។ កំណត់ត្រាអាចត្រូវបាននាំចេញទៅ Excel និងបង្កើតជាតារាងដ៏ស្រស់ស្អាត ប៉ុន្តែនេះមិនមែនជាវិធីសាស្រ្តរបស់យើងទេ!

ក្រុមអាចត្រូវបានបង្ហាញជាក្រាហ្វអន្តរកម្មនៅក្នុង ហ្គ្រេណាណា.

ដើម្បីធ្វើដូចនេះយើងបន្ថែមសំណួរមួយទៀតដើម្បីបំប្លែងទិន្នន័យទៅជាទម្រង់ដែលសមរម្យសម្រាប់ Grafana៖

SELECT
  DATE_ADD(CONCAT(s.RegistrationMonth, '-01'), INTERVAL s.MonthsDiff MONTH) AS time_sec,
  SUM(s.Users) AS value,
  s.RegistrationMonth AS metric
FROM (
  ## старый запрос, возвращающий когорты
  SELECT 
    COUNT(DISTINCT(b.userId)) AS Users, 
    DATE_FORMAT(b.Date, '%Y-%m') AS BillingMonth,
    DATE_FORMAT(u.RegistrationDate, '%Y-%m') AS RegistrationMonth,
    PERIOD_DIFF(DATE_FORMAT(b.Date, '%Y%m'), DATE_FORMAT(u.RegistrationDate, '%Y%m')) AS MonthsDiff
  FROM billing AS b LEFT JOIN users AS u ON b.userId = u.userId
  WHERE
    u.RegistrationDate BETWEEN '2018-01-01' AND CURRENT_DATE
  GROUP BY 
    BillingMonth, RegistrationMonth, MonthsDiff 
) AS s
GROUP BY 
  time_sec, metric

ហើយផ្ទុកទិន្នន័យទៅ Grafana ។

ឧទាហរណ៍ក្រាហ្វពី ការបង្ហាញ:

ប៉ះដោយដៃរបស់អ្នក៖

ឃ្លាំង GitHub ជាមួយឧទាហរណ៍ គឺជារូបភាព docker ជាមួយ MySQL និង Grafana ដែលអ្នកអាចដំណើរការលើកុំព្យូទ័ររបស់អ្នក។ មូលដ្ឋានទិន្នន័យមានទិន្នន័យសាកល្បងសម្រាប់មួយឆ្នាំកន្លះរួចហើយ ចាប់ពីខែមករា ឆ្នាំ 2018 ដល់ខែកក្កដា ឆ្នាំ 2019។

ប្រសិនបើអ្នកចង់បាន អ្នកអាចផ្ទុកទិន្នន័យរបស់អ្នកទៅក្នុងរូបភាពនេះ។

អត្ថបទ PS អំពីការវិភាគក្រុមក្នុង SQL៖

https://chartio.com/resources/tutorials/performing-cohort-analysis-using-mysql/

https://www.holistics.io/blog/calculate-cohort-retention-analysis-with-sql/

ប្រភព: www.habr.com