R语言实现单/重叠分类下转化与未转化客户唯一计数

问题说明 #

需要统计7类场景下的转化、未转化唯一客户数，场景包含：

• 3类单设备场景：App、Desktop、Web
• 4类多设备重叠场景：App & Web、App & Desktop、Web & Desktop、App & Web & Desktop
  已知单维度分组计数的aggregate、group_by实现方法，需要解决多设备重叠逻辑的计数问题。

提供的测试数据集：

df <- data.frame(list(ClientID = c("1", "1", "1", "2", "2", "3", "3" , "3" , "3" , "4" ),
                     device = c("App", "Web", "App", "Web", "Web", "App", "Desktop", "App", "App", "Web"),
                     conversion = c("0", "0", "0", "0", "1", "1", "0", "1", "0", "1")) ) 

期望输出结构：

Scenario                With Conversion      Without Conversion 
App                          
Web                          
Desktop
App & Web
App & Desktop
Web & Desktop
App & Desktop & Web

实现逻辑 #

核心思路是先聚合到客户唯一粒度，先拿到每个客户触达的去重设备集合、最终转化状态（同一客户只要存在1条转化记录即判定为转化客户），再按场景规则匹配计数。

步骤1：客户粒度数据聚合 #

library(dplyr)

client_summary <- df %>%
  group_by(ClientID) %>%
  summarise(
    # 对设备去重后排序拼接，避免同组合顺序不一致
    device_set = paste(sort(unique(device)), collapse = " & "),
    # 转化判定：存在任意一条转化记录即为转化客户
    is_convert = any(conversion == "1")
  )

步骤2：按统计口径计数 #

提供两种常用统计口径的实现，按需选择即可：

口径1：重叠统计（只要客户使用过场景内所有设备即计入，场景间客户可重复）

这个口径符合“重叠场景”的统计需求，比如同时使用App、Web、Desktop的客户，会同时被计入App、Web、Desktop、App&Web、App&Desktop、Web&Desktop、全设备三端7个场景的统计。

# 定义所有待统计场景，按期望顺序排列
scenario_list <- c(
  "App", "Web", "Desktop",
  "App & Web", "App & Desktop", "Web & Desktop",
  "App & Desktop & Web"
)

# 初始化结果表
result <- data.frame(
  Scenario = scenario_list,
  `With Conversion` = 0,
  `Without Conversion` = 0,
  check.names = FALSE
)

# 逐场景匹配计数
for (i in seq_along(scenario_list)) {
  target_dev <- strsplit(scenario_list[i], " & ")[[1]]
  # 筛选设备集合包含当前场景所有设备的客户
  match_client <- client_summary %>%
    rowwise() %>%
    filter(all(target_dev %in% strsplit(device_set, " & ")[[1]]))
  
  result[i, "With Conversion"] <- sum(match_client$is_convert)
  result[i, "Without Conversion"] <- sum(!match_client$is_convert)
}

基于测试数据集运行后得到的结果：

口径2：互斥统计（客户设备组合与场景完全匹配才计入，场景间客户无重叠）

如果需要各场景客户不重复、加总等于总客户数，用这个口径即可：

library(tidyr)

result_exclusive <- client_summary %>%
  group_by(Scenario = device_set) %>%
  summarise(
    `With Conversion` = sum(is_convert),
    `Without Conversion` = sum(!is_convert),
    .groups = "drop"
  ) %>%
  # 补全无客户的场景，填充0
  full_join(data.frame(Scenario = scenario_list), by = "Scenario") %>%
  mutate(
    `With Conversion` = replace_na(`With Conversion`, 0),
    `Without Conversion` = replace_na(`Without Conversion`, 0)
  ) %>%
  # 按指定场景顺序排序
  arrange(factor(Scenario, levels = scenario_list))

基于测试数据集运行后得到的结果：

内容的提问来源于stack exchange，提问作者viaradio