漏斗函数
漏斗分析是常见的转化分析方法，可以分析用户在各个阶段的行为转化率，帮助管理者或运营等角色通过转化率来衡量每个阶段的转化情况，从而达到优化产品，提升转化率的目的，被广泛应用于用户行为分析和App数据分析的流量分析、产品目标转化等数据运营与数据分析领域。
背景信息
事件（Event）代表了用户的某个或一系列有意义的行为，比如游戏App的下载、注册、登录等，通过分析用户的各项行为数据还原用户真实的使用过程，从而提升产品转化率，助力业务增长。常见的用户行为分析包括事件分析、漏斗分析、留存分析等。漏斗函数主要用于分析一个多步骤过程中每一步的转化与流失情况，通过分析漏斗模型中每一步的指标，对业务的转化一目了然。例如一个游戏客户的完整流程可能包含以下步骤：登录账号>进入游戏>游戏操作>关卡结算>账号退出等，可以通过漏斗函数将这些特定目标过程中的行为设置为一个漏斗，分析每一步的转化情况，以帮助业务实现精细化数据分析，优化产品体验，提升转换率等。
基本概念
关于漏斗分析的基本概念如下：
事件：需要分析的相关操作。
转化步骤：由多个事件组成的分析流程，严格按照每一步进行漏斗计算。
时间范围：事件发生的时间范围，是指漏斗的第一个步骤发生的时间范围。
窗口期：完成漏斗的时间限制，即仅在该时间范围内，从第一个步骤进行到最后一个步骤，才能被视为一次成功的转化。
漏斗函数介绍
Hologres是阿里云自研的一站式实时数仓，支持多种场景的实时数据多维分析。在用户行为分析场景上，Hologres提供多种漏斗函数，快速高效地帮助业务进行用户行为分析，被广泛应用在互联网、电商、游戏等行业客户的用户分析场景中。
当前Hologres支持的漏斗函数包括：基础漏斗函数（windowFunnel）、区间漏斗函数（range_funnel）、属性关联漏斗函数（finder_funnel）和维度分组漏斗函数（finder_group_funnel）。
各函数描述及功能支持情况如下：
漏斗函数 | 函数描述 | 功能支持情况 | ||||
设置窗口期（window） | 设置漏斗事件（event） | 事件属性关联（attr_realted） | 维度分组（group_event_index） | 时间范围（start_timestamp） | ||
支持在特定的窗口期内计算事件的漏斗结果。 | 支持 说明 仅允许设置一个较短的时间窗口（比如几小时、一天之内），不支持将多个自然日作为窗口。 | 支持 | 不支持 | 不支持 | 支持 | |
支持在特定的窗口期内计算事件的漏斗结果，且支持按照时间字段对结果进行分组展示。 | 支持 说明 支持将多个自然日作为窗口。 | 支持 | 不支持 | 支持 说明 仅支持按照时间分组。 | 支持 | |
支持在特定的窗口期内计算事件的漏斗结果，且可以指定事件关联属性，但不能按照时间进行分组。 | 支持 说明 支持将多个自然日作为窗口。 | 支持 | 支持 | 不支持 | 支持 | |
支持在特定的窗口期内计算事件的漏斗结果，且可以按照任意字段对结果进行分组展示，并指定事件的关联属性。 | 支持 说明 支持将多个自然日作为窗口。 | 支持 | 支持 | 支持 说明 支持按照任意字段分组。 | 支持 | |
属性关联：是指任意事件可以按照属性进行关联。例如游戏场景中，设置的漏斗为登录账号>进入游戏>游戏操作>关卡结算>账号退出等，并为每个事件设置了“国家”的属性，此时就可以将高属性作为关联ID，保证每个步骤转化都是按照同一个属性值作为转化。漏斗函数不同步骤关联的属性可以是相同属性，也可以是不同属性，但是要求属性的类型必须一致。
维度分组：是指按照不同的维度对结果进行分组展示。例如按天分组，按国家、IP分组等，以实现更细粒度的漏斗分析，一个用户只能出现在一个分组中，如果不属于某个分组，将会被归类到“unreach”组。