文档Customer Journey AnalyticsCustomer Journey Analytics 指南

高级功能

Last update: Fri Mar 28 2025 00:00:00 GMT+0000 (Coordinated Universal Time)
  • 主题：
  • 计算量度

创建对象：

  • 用户

使用计算量度生成器可以应用统计和数学函数。本文记录了按字母顺序排列的高级函数及其定义列表。

在组件面板中的 效果 功能 ​列表下方选择​ 显示全部，即可访问这些功能。向下滚动查看​ 高级功能 ​列表。

表函数与行函数

在 table 函数中，输出对于表中的每一行都是相同的。在 row 函数中，输出对于表中的每一行都是不同的。

在适用且相关的情况下，函数会用函数类型注释：表行

Include-Zeros 参数的含义是什么？

它可告知计算中是否包含零。零有时表示​ 无，有时又十分重要。

例如，如果您有收入量度，然后又将页面查看次数量度添加到报告中，则您的收入会突然多出一些全部为零的行。您可能不希望该附加量度影响收入栏中的任何​ 平均值、行最小值、四分位数 ​以及其他计算。在这种情况下，您需要检查 include-zeros 参数。

另一种情况是，您有两个感兴趣的量度，其中一个量度的平均值或最小值较高，因为其中有些行为零。在这种情况下，您可以选择不检查参数，以包含零。

与

效果 AND(logical_test)

连词。不等于零被认为是真，等于零被认为是假。输出为 0（假）或 1（真）。

参数
描述
logical_test
至少需要一个参数，但可以接受任意数量的参数。任何可被计算为 TRUE 或 FALSE 的值或表达式

非重复近似计数

效果 APPROXIMATE COUNT DISTINCT(dimension)

返回适用于所选维度的维度项的非重复近似计数。

参数
描述
维度
您希望计算非重复近似项目计数的维度

示例

此函数的常见用例是您想要获取客户的近似数量。

反余弦

效果 ARC COSINE(metric)

行

参数
描述
量度
所需角的余弦，其范围介于 -1 到 1 之间

反正弦

效果 ARC SINE(metric)

行

参数
描述
量度
所需角的正弦，其范围介于 -1 到 1 之间

反正切

效果 ARC TANGENT(metric)

行

参数
描述
量度
所需角的正切，其范围介于 -1 到 1 之间

Cdf-T

效果 CDF-T(metric, number)

返回自由度为 n 的学生 t 分布中，随机变量 z 分数小于列值的概率。

参数
描述
量度
您希望求学生 t 分布累积分布函数的量度
数字
学生 t 分布的累积分布函数所对应的自由度

示例

CDF-T(-∞, n) = 0
CDF-T(∞, n) = 1
CDF-T(3, 5) ? 0.99865
CDF-T(-2, 7) ? 0.0227501
CDF-T(x, ∞) ? cdf_z(x)

Cdf-Z

效果 CDF-Z(metric, number)

返回正态分布中随机变量 z 分数小于列值的概率。

参数
描述
量度
您希望求标准正态分布累积分布函数的量度

示例

CDF-Z(-∞) = 0
CDF-Z(∞) = 1
CDF-Z(0) = 0.5
CDF-Z(2) ? 0.97725
CDF-Z(-3) ? 0.0013499

上限

效果 CEILING(metric)

行

参数
描述
量度
要舍入的量度

置信度

效果 CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度。

置信度是一种概率度量，可表明有多少证据能够表明给定变量与控制变量相同。置信度越高，表明支持控制变量和非控制变量具有相同性能的假设的证据越少。

参数
描述
标准化容器
运行测试的基础（人员、会话或事件）。
success-metric
用户正在将变量与之比较的一个或多个量度。
控制
试验中所有其他变量要与之进行比较的变量。输入控制变量维度项的名称。
显著性阈值
此函数中的阈值默认设置为 95%。

置信度（下限）

效果 CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度（下限）。

置信度是一种概率度量，可表明有多少证据能够表明给定变量与控制变量相同。置信度越高，表明支持控制变量和非控制变量具有相同性能的假设的证据越少。

参数
描述
标准化容器
运行测试的基础（人员、会话或事件）。
success-metric
用户正在将变量与之比较的一个或多个量度。
控制
试验中所有其他变量要与之进行比较的变量。输入控制变量维度项的名称。
显著性阈值
此函数中的阈值默认设置为 95%。

置信度（上限）

效果 CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度（上限）。

置信度是一种概率度量，可表明有多少证据能够表明给定变量与控制变量相同。置信度越高，表明支持控制变量和非控制变量具有相同性能的假设的证据越少。

参数
描述
标准化容器
运行测试的基础（人员、会话或事件）。
success-metric
用户正在将变量与之比较的一个或多个量度。
控制
试验中所有其他变量要与之进行比较的变量。输入控制变量维度项的名称。
显著性阈值
此函数中的阈值默认设置为 95%。

余弦

效果 COSINE(metric)

行

参数
描述
量度
您希望求余弦的弧度角

立方根

效果 CUBE ROOT(metric)

返回某数字的正立方根。某数字的立方根是该数字三分之一次幂的值。

参数
描述
量度
您希望计算立方根的量度

累积

效果 CUMULATIVE(number, metric)

返回 x 列最后 n 个元素的和。如果 n > 0，则对最后 n 个元素或 x 求和。如果 n < 0，则对前面的元素求和。

参数
描述
数字
返回总和的最后 N 行。如果 N <= 0，则使用所有之前的行。
量度
您希望求累计总和的量度。

示例

日期
收入
CUMULATIVE(0, Revenue)
CUMULATIVE(2, Revenue)
5 月
$500
$500
$500
6 月
$200
$700
$700
7 月
$400
$1100
$600

累积（平均）

效果 CUMULATIVE AVERAGE(number, metric)

返回 x 列最后 n 个元素的平均值。如果 n > 0，则对最后 n 个元素或 x 求和。如果 n < 0，则对前面的元素求和。

参数
描述
数字
返回平均值的最后 N 行。如果 N <= 0，则使用所有之前的行。
量度
您希望求累计平均值的量度。
NOTE
此函数不适用于每人收入等比率量度。该函数对比率求平均值，而不是对最后 N 行的收入求和，对最后 N 行的人数求和，然后再除以它们。
相反，使用 CUMULATIVE(revenue) 除以 CUMULATIVE(person)。

等于

效果 EQUAL()

等于。输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的指标。
metric_Y
要用作比较的量度。

示例

Metric 1 = Metric 2

指数回归：相关系数

效果 EXPONENTIAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

指数回归：预测的 Y

效果 EXPONENTIAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为独立数据的量度。
metric_Y
您希望指定为从属数据的量度。
include_zeros
是否在计算中包含零值

指数回归：截距

效果 EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

指数回归：斜率

效果 EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

Floor

效果 FLOOR(metric_X, metric_Y, include_zeros)

行

参数
描述
量度
要舍入的量度。

大于

效果 GREATER THAN()

输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的基本量度。
metric_Y
要用作比较的量度。

示例

Metric 1 > Metric 2

大于或等于

效果 GREATER THAN OR EQUAL()

大于或等于输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的基本量度。
metric_Y
要用作比较的量度。

示例

Metric 1 >= Metric 2

双曲余弦

效果 HYPERBOLIC COSINE(metric)

行

参数
描述
量度
您希望求双曲余弦的弧度角

双曲正弦

效果 HYPERBOLIC SINE(metric)

行

参数
描述
量度
您希望求双曲正弦的弧度角

双曲正切

效果 HYPERBOLIC TANGENT(metric)

行

参数
描述
量度
您希望求双曲正切的弧度角

如果

效果 IF(logical_test, value_if_true, value_if_false)

行

参数
描述
logical_test
必填。任何可被计算为 TRUE 或 FALSE 的值或表达式
value_if_true
您希望在 logical_test 参数计算为 TRUE 时返回的值。（如果未包含此参数，则此参数默认为 0。）
value_if_false
当 logical_test 参数的计算结果为 FALSE 时，您希望返回的值。（如果不包含，则此参数默认为 0。）

小于

效果 LESS THAN()

输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的指标。
metric_Y
要用作比较的量度。

示例

Metric 1 < Metric 2

小于或等于

效果 LESS THAN OR EQUAL()

小于或等于。输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的指标。
metric_Y
要用作比较的量度。

示例

Metric 1 <= Metric 2

提升

效果 提升(normalizing-container， success-metric， control)

与控制值相比，比率的提升。

参数
描述
标准化容器
运行测试的基础（人员、会话或事件）。
success-metric
用户正在将变量与之比较的一个或多个量度。
控制
试验中所有其他变量要与之进行比较的变量。输入控制变量维度项的名称。

线性回归：相关系数

效果 LINEAR REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

线性回归：截距

效果 LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

线性回归：预测的 Y

效果 LINEAR REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

线性回归：斜率

效果 LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

常用对数

效果 LOG BASE 10(metric)

行

参数
描述
量度
您希望求以 10 为底数对数的正实数

对数回归：相关系数

效果 LOG REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

对数回归：截距

效果 LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

对数回归：预测的 Y

效果 LOG REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

对数回归：斜率

效果 LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

自然对数

效果 NATURAL LOG(metric)

返回某数字的自然对数。自然对数以常数 e (2.71828182845904) 为底数。LN 是 EXP 函数的反函数。

参数
描述
量度
您希望求自然对数的正实数

不为

效果 NOT(logical)

作为布尔值的取反。输出为 0（假）或 1（真）。

参数
描述
logical
必填。可被计算为 TRUE 或 FALSE 的值或表达式

不等于

效果 NOT EQUAL()

不等于。输出为 0（假）或 1（真）。

参数
描述
metric_X
要用于比较的指标。
metric_Y
要用作比较的量度。

示例

Metric 1 != Metric 2

或

效果 OR(logical_test)

行

参数
描述
logical_test
至少需要一个参数，但可以接受任意数量的参数。任何可被计算为 TRUE 或 FALSE 的值或表达式
NOTE
0（零）表示 False，而任何其他值均表示 True。

Pi

效果 PI()

返回 Pi: 3.14159…

幂回归：相关系数

效果 POWER REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

幂回归：截距

效果 POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

幂回归：预测的 Y

效果 POWER REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

幂回归：斜率

效果 POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

二次回归：相关系数

效果 QUADRATIC REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

二次回归：截距

效果 QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

二次回归：预测的 Y

效果 QUADRATIC REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

二次回归：斜率

效果 QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

倒数回归：相关系数

效果 RECIPROCAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望与 metric_Y 关联的量度
metric_Y
您希望与 metric_X 关联的量度
include_zeros
是否在计算中包含零值

倒数回归：截距

效果 RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

倒数回归：预测的 Y

效果 RECIPROCAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

行

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

倒数回归：斜率

效果 RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

表

参数
描述
metric_X
您希望指定为从属数据的量度
metric_Y
您希望指定为独立数据的量度
include_zeros
是否在计算中包含零值

样本方差

效果 样本变量(normalizing-container， success-metric)

计算样本方差的估计值。

参数
描述
标准化容器
运行测试的基础（人员、会话或事件）。
success-metric
用户正在将变量与之比较的一个或多个量度。

正弦

效果 SINE(metric)

行

参数
描述
量度
您希望求正弦的弧度角

T 分数

效果 T-SCORE(metric, include_zeros)

与平均值的偏差除以标准差。Z-Score 的别名。

参数
描述
量度
您希望求 T 分数的量度
include_zeros
是否在计算中包含零值

T 测试

效果 T-TEST(metric, degrees, tails)

执行尾长为 m 的 t 测试，其中 x 为 t 分数，n 为自由度。

参数
描述
量度
您希望执行 T 测试的量度
度
自由度
尾
用于执行 T 测试的尾长

详细信息

签名为 T-TEST(metric, degrees, tails)。在下面，只需调用 m CrossSize75 CDF-T(-ABSOLUTE VALUE(tails), degrees)。此函数类似于 Z-TEST 函数，该函数运行 m CrossSize75 CDF-Z(-ABSOLUTE VALUE(tails))。

  • m 是尾数。
  • n 是自由度，对于整个报告来说应该是一个常数，也就是说不会逐行改变。
  • x 为 T 测试统计数据，通常是基于量度的公式（例如 Z-SCORE），每行都将对其进行评估。

返回值是指在给定自由度和尾数的情况下，获得测试统计数据 x 的几率。

示例

  1. 使用函数求离群值：

    T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2)

  2. 将函数与 IF 结合使用，以忽略过高或过低的跳出率，并对其他内容的会话进行计数：

    IF(T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2) < 0.01, 0, sessions )

正切

效果 TANGENT(metric)

返回给定角的正切。如果角以角度表示，则将该角乘以 PI( )/180。

参数
描述
量度
您希望求正切的弧度角

Z-Score

效果 Z-SCORE(metric, include_zeros)

行

参数
描述
量度
您希望求 Z 分数的量度
include_zeros
是否在计算中包含零值

Z 分数为 0（零）表示分数与平均值相同。Z 分数可以为正数或负数，用于指示该分数在平均值之上还是之下，以及依据多少个标准偏差。

Z 分数的方程式为：

其中，x 为原始分数，μ 为群体平均值，σ 为群体标准偏差。

NOTE
μ (mu) 和 σ (sigma) 会使用该量度自动计算。

Z 测试

效果 Z-TEST(metric_tails)

通过 x 的 z 分数，执行以 n 结尾的 z-test。

参数
描述
量度
您希望执行 Z 测试的量度
尾
用于执行 Z 测试的尾长
NOTE
假定值为正态分布。
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79