使用 dbt_set_similarity 测量跨产品采纳情况-深圳市維司達科技有限公司

原文：towardsdatascience.com/measuring-cross-product-adoption-using-dbt-set-similarity-fdf7c1f88bc2?source=collection_archive---------1-----------------------#2024-12-28

在 dbt 工作流中增强跨产品洞察

https://medium.com/@senick.matthew?source=post_page---byline--fdf7c1f88bc2--------------------------------https://towardsdatascience.com/?source=post_page---byline--fdf7c1f88bc2-------------------------------- Matthew Senick

·发布于 Towards Data Science ·5 分钟阅读·2024 年 12 月 28 日

–

介绍

对于多产品公司，一个关键的指标通常被称为“跨产品采纳”（即了解用户如何与产品组合中的多个产品互动）。

在流行书籍Hacking Growth[1] 中，建议使用一种衡量跨产品或跨特征使用情况的指标，即杰卡德指数。杰卡德指数传统上用于衡量两个集合之间的相似度，也可以作为评估产品采纳模式的强大工具。它通过量化产品之间用户的重叠，帮助识别跨产品协同效应和增长机会。

dbt 包dbt_set_similarity旨在简化在分析工作流中直接计算集合相似度指标的过程。该包提供了一种方法，可以在 SQL 转换层中计算杰卡德指数。

要将此包导入到您的 dbt 项目中，请将以下内容添加到packages.yml文件中。为了本文的示例，我们还需要 dbt_utils。请在项目中运行dbt deps命令来安装该包。

packages:-package:Matts52/dbt_set_similarity version:0.1.1-package:dbt-labs/dbt_utils version:1.3.0

杰卡德指数

杰卡德指数（Jaccard Index），也称为杰卡德相似度系数，是一种用于衡量两个集合相似度的指标。它的定义是两个集合交集的大小除以它们并集的大小。

从数学角度来看，它可以表示为：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/b852489e4adafbcf4e5142059b2563f2.png

杰卡德指数表示两个集合的“交集”与它们的“并集”的比值（图由作者提供）

其中：

A和B是两个集合（例如，产品 A 和产品 B 的用户）
分子表示两个集合中元素的数量
分母表示两个集合中所有不同元素的总数

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/a162cf1562e9ce0ccb3f78452c055ad4.png

（图像由作者提供）

Jaccard 指数在交叉产品采用的背景下特别有用，因为：

它关注的是两个集合之间的重叠部分，非常适合用于理解共享的用户基础
它考虑了集合大小的差异，确保结果是成比例的，而不会被异常值扭曲

例如：

如果 100 个用户采用了产品 A，50 个用户采用了产品 B，且 25 个用户同时采用了这两个产品，那么 Jaccard 指数为 25 / (100 + 50 - 25) = 0.2，表示这两个用户群体之间有 20% 的重叠。

示例数据

我们将使用的示例数据集是一个虚构的 SaaS 公司，提供存储空间作为产品给消费者。该公司提供两种不同的存储产品：文档存储（doc_storage）和照片存储（photo_storage）。这些值要么为真，表示产品已被采用，要么为假，表示产品未被采用。

此外，该公司服务的用户群体（user_category）要么是科技爱好者，要么是房主。

为了这个示例，我们将在 dbt 项目中将此 CSV 文件作为名为seed_example的“种子”模型读取。

简单的交叉产品采用

现在，假设我们想要计算文档存储和照片存储产品之间的 Jaccard 指数（交叉采用）。首先，我们需要创建一个包含使用文档存储产品的用户的数组（列表），以及一个包含使用照片存储产品的用户的数组。在第二个 CTE 中，我们应用dbt_set_similarity包中的jaccard_coef函数，帮助我们轻松计算这两个用户 ID 数组之间的 Jaccard 系数。

withproduct_usersas(select array_agg(user_id)filter(where doc_storage=true)asdoc_storage_users,array_agg(user_id)filter(where photo_storage=true)asphoto_storage_usersfrom{{ref('seed_example')}})select doc_storage_users,photo_storage_users,{{dbt_set_similarity.jaccard_coef('doc_storage_users','photo_storage_users')}}ascross_product_jaccard_coeffromproduct_users

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/529e9b291bf1faf07a77a46845db4c94.png

来自上述 dbt 模型的输出（图像由作者提供）

如我们所见，似乎超过一半（60%）的采用了任何一个产品的用户，也采用了两个产品。我们可以通过将用户 ID 集合放入维恩图中来图形化验证我们的结果，在那里我们看到三位用户同时采用了这两个产品，在五位用户中占比为 3/5 = 0.6。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/3c4bc717a8204033fd7e53e5b3fac24b.png

用户 ID 和产品采用的集合是什么样的，验证我们的结果（图像由作者提供）

分段交叉产品采用

withproduct_usersas(select user_category,array_agg(user_id)filter(where doc_storage=true)asdoc_storage_users,array_agg(user_id)filter(where photo_storage=true)asphoto_storage_usersfrom{{ref('seed_example')}}group by user_category)select user_category,doc_storage_users,photo_storage_users,{{dbt_set_similarity.jaccard_coef('doc_storage_users','photo_storage_users')}}ascross_product_jaccard_coeffromproduct_users