Question

我正在寻找一种如何使用弹性搜索来计算网页跳出率的方法。

我们采用以下简化结构收集数据

{"id":"1", "timestamp"="2017-01-25:15:23", "sessionid"="s1", "page"="index"}
{"id":"2", "timestamp"="2017-01-25:15:24", "sessionid"="s1", "page"="checkout"}
{"id":"3", "timestamp"="2017-01-25:15:25", "sessionid"="s1", "page"="confirm"}

{"id":"4", "timestamp"="2017-01-25:15:26", "sessionid"="s2", "page"="index"}
{"id":"5", "timestamp"="2017-01-25:15:27", "sessionid"="s2", "page"="checkout"}

{"id":"6", "timestamp"="2017-01-25:15:26", "sessionid"="s3", "page"="product_a"}
{"id":"7", "timestamp"="2017-01-25:15:28", "sessionid"="s3", "page"="checkout"}

对于此样本，分析结果应为：

2/3的用户在结帐页面上迷路了。

1/3的用户在确认页面上迷路了

更正式地说，我正在寻找一种通用方法，如何在弹性查询中实现以下算法：

按字段分组文档
按第二个字段对每个组（存储桶）进行排序，并缩小到最顶层的文档
将所有这些剩余文档分组为第三个字段
按文件数排序分组

我的第一次尝试是使用术语聚合，然后是 top_hits聚合解决此问题，最后使用 terms_pipeline aggregation 将页面分组。

（简化聚合结构）

aggs
    terms
        field: sessionid
        aggs
            top_hits
                sort:timestamp desc
                size: 1
    terms_pipeline
        bucket_path: terms>top_hits
        field: page

...但不幸的是，没有像 terms_pipeline aggregation 这样的东西。我的坏。

有关替代方法的任何想法吗？

Answer 1

也许我误解了某些内容，但如果您愿意知道用户的弹跳位置，因为所有网页都在一个序列中，您只需在terms字段上设置page聚合（即可知道）访问了哪些页面）和cardinality字段上的sessionid一个（了解您拥有多少个不同的唯一会话）。在这种情况下，cardinality(sessionid)将产生3.

然后，由于所有页面都在一个序列中，我认为你并不需要知道给定会话中发生了什么。

在您的示例中，从terms(page)聚合，您知道有3个用户登陆结帐页面，但只有一个用户进入确认页面。使用会话的基数，这隐含意味着2个用户（总共3个会话 - 1个确认页面点击）在结帐页面上退回。

Elasticsearch：分组到桶中，每个桶减少到一个文档，对这些文档进行分组

1 个答案: