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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00