漏斗的基础规则
漏斗分析是帮助运营人员分析一个多步骤过程中每一步的转化和流失情况。
假设我们在购买商品的过程，需要触发的事件包括“启动”，“登录”，“搜索商品”，“查看商品”，“生成订单”等。运营人员需要分析某段时间类（比如2020-01-01 到2020-01-07），在全部用户中依次有序触发了“登录” =》“搜索商品”=》“查看商品”=》“生成订单”事件的人群的转化流失情况，即计算全部用户中触发了“登录”事件的总人数A，A中触发了“搜索商品”事件的总人数B，B中触发了“查看商品”事件的总人数C，以及C中触发“生成订单”事件的总人数D
在进行漏斗计算时，实际情况会更加复杂，在时间范围内，用户的行为明细会出现多次包含在漏斗定义中的事件，那么会优先选择更靠近最终转化目标的事件作为转化事件，并且在第一次到达目标事件时，停止继续计算。下面的例子，转换的步骤是什么？
例1: 登陆-生成订单-搜索商品-查看商品-生成订单
例2: 登陆-搜索商品-登陆-搜索商品-搜索商品-查看商品-生成订单-生成订单
例3: 登陆-搜索商品-查看商品-生成订单-登陆-搜索商品-查看商品-生成订单
转化路径结果展现如下：
例1: 登陆-生成订单-搜索商品-查看商品-生成订单
例2: 登陆-搜索商品-登陆-搜索商品-搜索商品-查看商品-生成订单-生成订单
例3: 登陆-搜索商品-查看商品-生成订单-登陆-搜索商品-查看商品-生成订单
用户的行为是 无规律的事件流，用户往往 有可能会在漏斗步骤间重复的、无目的进行操作。也就是说，用户单个周期内有可能完成多次目标转换、单次转换可能也会有很多路径。
而计算出来的指标，其实是UV（用户数）。也就是 单个周期，只计算用户完成的最长路径。
为什么不每次计算呢，
1、业务上的考虑，计算UV 更通用，很多场景下，用户到达最终目标前的活动就是重复的。
2、特定场景下，计算次数的场景是有一定意义的。但是这些场景，按次的计算需要有一个大前提，也就是说路径上的事件必须是有 唯一的信息能串联。否则类似于 ABBABBCC 这种交叉的场景，计算的统一口径将会很难去定义。更不用说适用于用户各种情况下的 行为序列了。
在漏斗计算过程会涉及如下概念：
漏斗的时间窗口
漏斗内的事件属性过滤
步骤之间的关联属性
重复事件和虚拟事件
支持日期分组
1 漏斗的时间窗口
漏斗分析中包含“时间窗口”的概念，即需要保证所有事件在同一个窗口期内发生。
比如时间窗口为1天，用户001触发“搜索商品”事件的时间和触发“登陆”事件的时间间隔在一天内，“搜索商品”事件才有效，否则视为无效。同理，用户001触发“查看商品”事件的时间和触发“登陆”事件的时间间隔也必须在一天内。
时间窗口可以为1天、3天、7天或者1小时、6小时等任意长时间段。
2 漏斗内的事件属性过滤
在漏斗分析中，可以设置事件属性作为过滤条件。比如“搜索商品”事件，可以设置只计算“搜索商品”事件的属性中“content”字段为“computer”的用户
3 漏斗步骤之间的关联属性
漏斗分析中还包含关联属性的概念，即需要支持设置漏斗任意步骤的属性进行关联比较，必须所选的漏斗步骤的属性值相同才算转换。
比如，用户001触发“搜索商品”事件的事件属性值“商品类型”必须与“生成订单”的事件属性值“商品类型”一致才算有效转换，否则视为无效。
同理，可以选择任意步骤的任意属性进行关联，不要求必须是相同属性，只要求属性的类型一致即可。
4 重复事件和虚拟事件
支持重复事件，虚拟事件等。即，用户一条行为记录，可能即满足漏斗步骤1，也满足漏斗步骤2。
如，允许漏斗定义为，如”搜索商品”-“搜索商品”(重复事件)；“登陆”-“提交订单”/“添加购物车”(虚拟事件)等特殊步骤规则。
在同一周期的实际转换步骤中，1条事件行为记录至多只能计为其中的的1步，比如，”搜索商品”-“搜索商品”的漏斗，如果用户只有一条”搜索商品”行为，那么转换无效。
5 日期分组
漏斗计算结果，默认支持按时间周期(天)进行分组。根据初始行为发生的日期进行分组，每个周期的漏斗独立计算，计算结果互不影响。
即，同一漏斗规则，用户选择时间范围为1-10号查询1次的结果，与分别选择1号到10号查询10次的结果一致。
比如，登陆(1号)- 登陆(2号)-搜索商品-查看商品-生成订单。如果后续行为都在时间窗口内发生，那么将在1号，2号都会计为1次有效转换（次数）。
基于以上全部规则，计算出最终的漏斗转换结果集，然后还可以基于该结果集进行分组或者过滤计算：
分组
支持指定漏斗转换中具体步骤的任意属性，也可以选择任意步骤的任意属性(属性首次有效值)进行分组，可以是1个属性或者多个属性。
比如，在按漏斗第二步骤”搜索商品”的”城市“属性进行分组查看的规则下，登陆-搜索商品(城市=长沙)-登陆-搜索商品(城市=北京)-搜索商品(城市=上海)-查看商品(城市=成都)-生成订单-生成订单，分组结果为，“上海”计1次有效转换。
过滤
过滤(需特别注意与“漏斗内的事件属性过滤”的区别)：支持指定漏斗转换中具体步骤的任意属性，也可以选择任意步骤的任意属性(属性首次有效值)进行过滤。多个过滤条件可以组合生效(且/或的关系)。
比如，在限定漏斗第一步骤“登陆”的“城市属性”等于“北京”且“搜索商品”事件的“商品类型”属性等于“手机”的规则下，登陆(城市=长沙)-搜索商品(商品类型=电脑)-登陆(城市=北京)-搜索商品(商品类型=电脑)-搜索商品(商品类型=手机)-查看商品-生成订单-生成订单，将会计为符合条件。同理，如果规则修改为，“搜索商品”事件的“商品类型”属性等于“电脑”的规则，则不符合条件。