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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00