For AI agents: a documentation index is available at /docs/llms.txt. Append .md to any page URL for markdown, or send Accept: text/markdown.
퍼널 분석 차트에서 필터가 작동하는 방식
퍼널 분석에 필터를 적용하는 것은 다음과 같은 뉘앙스를 가집니다.
세그멘테이션 모듈에서 필터 적용
퍼널 차트에서 세그멘테이션 모듈을 통해 적용된 모든 필터는 첫 번째 이벤트에만 적용됩니다. 그러나 이벤트 모듈에서 직접 개별 단계에 필터를 추가할 수는 있습니다.
Amplitude는 사용자가 첫 번째 이벤트에 적용된 필터의 조건을 충족하는 이벤트를 트리거한 경우에만 사용자를 퍼널에 진입한 것으로 간주합니다.
속성별 필터 적용
세그멘테이션 모듈에서 최대 두 개의 속성에 대해 속성별 필터를 적용할 수 있습니다. 속성별 필터는 세그멘테이션 모듈의 다른 필터와 유사하게 첫 번째 이벤트에만 적용됩니다.
고유 사용자 지표를 살펴보면 사용자가 퍼널 단계를 여러 번 완료할 수 있는 경우 속성별 필터는 이벤트의 첫 번째 발생을 취하고 해당 이벤트의 값에 대해 사용자를 버킷화합니다.
'속성값 유지'가 동시에 적용되는 경우, Amplitude는 각 속성 값/사용자 쌍을 별도의 사용자로 계산하므로, 사용자는 자신이 보유한 각 속성 값에 대해 한 번씩 나타납니다.
이벤트에 대해 속성별 필터를 사용할 수도 있습니다(퍼널당 하나의 이벤트 속성별 제한). 결과는 특정 이벤트 또는 사용자 속성을 가진 사용자가 퍼널의 다른 단계를 통해 어떻게 변환되었는지 보여줍니다. 이를 통해 어떤 속성 값이 전환에 가장 큰 영향을 미치거나 가장 작은 영향을 미칠지 이해할 수 있습니다.
예를 들어 이 퍼널 분석 차트를 살펴보십시오.

여기서 _속성별_은 Favorite Song or Video 이벤트가 트리거된 시점의 Genre_Type에 대한 사용자 속성 값을 살펴보고 퍼널의 나머지 이벤트를 통해 사용자가 어떻게 전환되었는지 보여줍니다.
예를 들어 Favorite Song or Video 이벤트가 트리거된 시점에 Genre_Type에 대해 Pop 속성 값을 가진 사용자는 Play Song or Video 이벤트의 Pop 속성 표시줄 아래에도 표시됩니다.
퍼널의 사용자가 단계를 여러 번 완료할 수 있는 경우 이 메서드는 각 이벤트의 첫 번째 발생을 취하고 해당 이벤트의 값에 대해 사용자를 버킷화합니다.
이 3단계 퍼널은 2단계의 이벤트 속성인 item_id: 을 기준으로 그룹화됩니다.

그래프는 단계 2(Add Item to Cart) 이벤트를 트리거한 사용자의 전환 분포를 각 item_id 값별로 구분하여 보여줍니다.
첫 번째 단계가 아닌 다른 단계에서 속성별로 선택하면 해당 세그먼트화된 단계에 도달하지 못한 사용자의 세그먼트도 볼 수 있습니다(이 예제에서는 '단계에 도달하지 못함'을 나타내는 파란색 음영 세그먼트).
이 내용이 도움이 되었나요?