Umami分析工具中的漏斗分析通配符支持实现
在网站数据分析领域,漏斗分析是一种重要的用户行为分析方法。Umami作为一款开源的网站分析工具,近期在其2.11.0版本中实现了漏斗分析步骤支持通配符的功能,这一改进显著提升了分析灵活性。
功能背景
传统漏斗分析要求精确匹配每个步骤的URL路径,这在分析具有动态路径的页面时存在局限性。例如,当用户访问不同博客文章时,路径可能呈现为/blog/1、/blog/2等形式。旧版Umami需要为每篇文章单独设置漏斗步骤,而通配符支持则允许使用/blog/*这样的模式匹配所有博客文章。
技术实现要点
-
SQL查询改造:在PostgreSQL和MySQL版本中,修改了漏斗查询语句,将精确匹配(=)改为使用LIKE操作符配合通配符(%),实现了模式匹配功能。
-
ClickHouse适配:对于使用ClickHouse作为数据库的用户,同样实现了相应的模式匹配逻辑,确保功能在不同数据库后端的一致性。
-
用户界面优化:在漏斗配置界面增加了通配符使用提示,帮助用户正确使用*符号进行模式匹配。
使用场景示例
-
博客阅读分析:可以设置/blog→/blog/*→/comment的漏斗,追踪从博客列表到具体文章再到评论的完整路径。
-
产品详情页分析:对于电子商务网站,可使用/product→/product/*→/checkout的漏斗分析商品浏览到购买的转化率。
-
分类页面分析:通配符支持也适用于/category/*这样的路径,可以分析整个分类下的用户行为。
技术价值
这一改进使Umami的漏斗分析能力更加接近商业分析工具的水平,特别适合内容管理系统(CMS)和电子商务网站等具有规律性URL结构的场景。用户不再需要为每个动态页面单独设置漏斗步骤,大大减少了配置工作量,同时提供了更全面的分析视角。
对于技术团队而言,这一功能的实现也展示了Umaki良好的可扩展性,通过相对较小的代码改动就能带来显著的功能提升,体现了项目的良好架构设计。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00