Cosa mostra un diagramma di Sankey che un funnel non può mostrare

Che cos'è un diagramma di Sankey?

Ogni diagramma di Sankey segue una regola che nessun altro grafico impone: la quantità che entra in un nodo è uguale a quella che ne esce, quindi la larghezza delle bande si conserva da un capo all'altro dell'immagine. La documentazione dei grafici di Google dà la definizione semplice: un diagramma di Sankey è "una visualizzazione usata per rappresentare un flusso da un insieme di valori a un altro", dove "gli elementi collegati si chiamano nodi e i collegamenti si chiamano link".

Questa è tutta la grammatica. I nodi sono fasi, categorie o pagine. I link sono il movimento tra di essi. La larghezza di ogni link è proporzionale alla quantità che lo percorre, e l'altezza di ogni nodo è proporzionale al totale che lo attraversa.

Il nome viene dal capitano Sankey, che disegnò l'efficienza delle macchine a vapore con frecce la cui larghezza era proporzionale alla perdita di calore. La regola di conservazione nasce dalla contabilità dell'energia: il calore che entra in una macchina deve finire da qualche parte, e il diagramma è stato creato per mostrare dove.

Cosa rende la regola di conservazione diversa dagli altri grafici?

In un grafico a barre ogni barra è indipendente. In un Sankey no.

L'enunciato più chiaro si trova nel contratto API di d3-sankey, il layout da cui deriva lo stesso codice Sankey di Google. La sua documentazione definisce così il valore del nodo:

node.value - the node's value; this is the sum of link.value
             for the node's incoming links, or node.fixedValue
             if defined

Ne seguono direttamente due conseguenze. Primo, link.width è proporzionale a link.value e node.y1 - node.y0 è proporzionale a node.value, quindi non puoi gonfiare una banda senza restringerne un'altra. Secondo, se i tuoi dati non quadrano, il layout non ti avvisa. Ricalcola il nodo in base ai link che gli hai dato e disegna un quadro coerente di un dataset incoerente.

Per questo l'abbandono va modellato in modo esplicito. Se 1.000 sessioni entrano in una pagina del carrello e 600 proseguono verso il checkout, un Sankey con un solo link in uscita da 600 ridisegnerà in silenzio il nodo del carrello come un nodo da 600 unità. Le 400 sessioni uscite non appaiono come una perdita, appaiono come mai esistite. Devi aggiungere un nodo di uscita da 400 perché l'immagine dica la verità.

L'altro vincolo strutturale sta nella prima riga della documentazione di d3-sankey: visualizza "il flusso diretto tra nodi in una rete aciclica". Aciclica significa senza cicli. I percorsi degli utenti, invece, tornano indietro di continuo.

Dove aiuta un Sankey nell'analisi dei dati?

Dove la domanda riguarda le ramificazioni, e dove i rami contano quanto il tronco.

Un funnel risponde bene a una sola domanda: quante persone sono sopravvissute a ogni passaggio, in un ordine fisso che hai definito in anticipo. Un Sankey risponde a un'altra: dove è andata davvero ognuna. Quattro casi in cui questa è la domanda giusta:

• Fonte di traffico, pagina di destinazione, esito. Un funnel riduce tutto a un tasso di conversione per canale. Un Sankey mostra che un canale si concentra su una sola pagina di destinazione mentre un altro si disperde su dodici, e questo cambia ciò che devi sistemare.
• Checkout con più percorsi. Checkout come ospite, con account ed espresso sono tre rami, non tre passaggi. Un Sankey li tiene separati fino alla fine.
• Ricerca, risultato, azione. Il tipo di query a sinistra, la categoria di risultato al centro, l'azione a destra, con la banda "nessuna azione" disegnata a larghezza piena invece di essere omessa.
• Migrazione di piano o categoria. Da quale piano arriva ogni upgrade, verso quale va ogni downgrade, tutto in un'unica immagine.

La caratteristica comune è il movimento molti-a-molti. La documentazione di Google lo conferma: i Sankey si usano al meglio per "una mappatura molti-a-molti tra due domini" o "più percorsi attraverso un insieme di fasi". Quando il movimento è uno-a-uno e ordinato, un'analisi del funnel porta le stesse informazioni con meno inchiostro.

Dove inganna un Sankey?

In quattro modi specifici, tutti nati dall'incontro tra la regola di conservazione e dati reali disordinati.

I cicli vengono appiattiti in ampiezza. Poiché il layout richiede un grafo aciclico, un visitatore che va da home a prodotto, poi a home e di nuovo a prodotto genera due nodi home distinti in due passaggi distinti. La pagina prodotto sembra due destinazioni separate e la stessa pagina compare due volte nella stessa immagine. I numeri non hanno nulla di sbagliato. È la forma a suggerire esplorazione, mentre in realtà c'è una persona che va avanti e indietro.

Il troncamento rompe l'aritmetica. I report sui percorsi limitano quanti nodi mostrano per passaggio. L'esplorazione dei percorsi di GA4 mostra di default i primi 5 nodi, permette di espandere fino a 20 e raggruppa tutto il resto in un nodo "Altri". Nel momento in cui una coda viene fusa in "Altri" o scartata, le larghezze smettono di rappresentare la popolazione, e la banda più larga al quarto passaggio è la più larga tra chi è sopravvissuto, non la più larga in assoluto.

Le uscite sono invisibili finché non le costruisci. È lo stesso errore dell'esempio del carrello qui sopra, ed è il motivo più comune per cui un Sankey sembra più sano dell'azienda. Ogni fase ha bisogno di un link di uscita esplicito, altrimenti l'immagine si ricalibra in silenzio su chi è andato avanti. Confronta le larghezze con il tuo tasso di abbandono prima di mostrare il diagramma a qualcuno.

La posizione orizzontale è ordine, non tempo. Le colonne sono passaggi. Un intervallo di tre secondi e uno di tre giorni occupano la stessa distanza. Un percorso che in un Sankey sembra fluido può nascondere uno stallo di due giorni che il layout non ha modo di esprimere.

Quali strumenti di analytics ne generano uno?

Meno di quanto la popolarità del termine lasci pensare, e la documentazione di Google si contraddice proprio su questo punto.

La contraddizione merita una doppia lettura. La pagina del sankey di Google Charts usa Google Analytics come esempio di utilizzo del tipo di grafico, e scrive che i sankey sono il modo in cui "Google Analytics usa i sankey per mostrare come il traffico fluisce da una pagina all'altra del tuo sito web". La pagina di aiuto di GA4 sull'esplorazione del percorso descrive la stessa funzione come un grafico ad albero. Un albero e un sankey non sono lo stesso oggetto. In un albero ogni nodo ha un solo genitore, quindi i flussi si dividono ma non si riuniscono mai. In un sankey due sorgenti possono confluire in un unico nodo. Questa differenza decide se il report può dirti che due canali convergono sulla stessa pagina.

Anche Google Charts riporta un avviso sulla propria pagina: "Il grafico sankey potrebbe subire revisioni sostanziali nelle future versioni di Google Charts."

Come si costruisce un sankey che non mente?

Cinque regole, e riguardano tutte i dati, non il disegno.

1. Aggiungi nodi di uscita a ogni fase. Se una fase ha 1.000 unità in ingresso e 600 in uscita, il terzo collegamento è un'uscita da 400 unità. Senza questo nodo il diagramma si rinormalizza.
2. Stabilisci l'unità di misura prima di iniziare. Sessioni e utenti producono immagini diverse, perché un utente genera più sessioni e un diagramma a livello utente fonde percorsi che un diagramma a livello sessione tiene separati. Scegli quale usare, scrivilo in etichetta e non mescolare mai le due cose nello stesso grafico. È la stessa distinzione che sta dietro a visualizzazioni di pagina, sessioni e utenti.
3. Raggruppa prima di troncare. Riduci /product/* a un unico nodo di proposito, invece di lasciare che sia lo strumento a scartare la coda. Un raggruppamento progettato conserva i conti, un troncamento li distrugge.
4. Limita i passaggi. Quattro o cinque colonne sono il limite di leggibilità. Oltre, le bande si incrociano così tanto che nessun lettore riesce a seguire un percorso, e la proprietà di conservazione smette di essere visibile anche se continua a valere.
5. Ricostruisci dalla sequenza grezza. I dati di partenza per un sankey corretto sono a livello di singolo evento, ordinati per identificatore e timestamp, cioè esattamente la forma dei dati clickstream. I report aggregati hanno già perso l'ordine di cui il grafico ha bisogno.

Un sankey costruito così e un report di user flow rispondono alla stessa domanda, ma solo uno dei due ti mostra quanto hai perso a ogni passaggio.

Domande frequenti

Qual è la differenza tra un diagramma sankey e un grafico a imbuto?

Un imbuto presuppone un unico percorso ordinato e misura quanti utenti restano a ogni passaggio. Un sankey mostra tutti i percorsi seguiti, compresi i rami che si riuniscono, e scala ogni banda in base al suo volume. Usa un imbuto quando la sequenza è fissa e l'hai definita in anticipo. Usa un sankey quando la parte interessante è il punto in cui le persone hanno preso strade diverse.

L'esplorazione del percorso di GA4 è un diagramma sankey?

La documentazione di Google risponde in entrambi i modi. La pagina di aiuto di GA4 definisce l'esplorazione del percorso un grafico ad albero. La pagina del sankey di Google Charts cita Google Analytics come esempio di sankey che mostrano come il traffico scorre tra le pagine. La differenza di comportamento è che un albero non può mostrare due sorgenti che confluiscono in un unico nodo.

Perché il mio sankey non torna?

Quasi sempre perché l'abbandono non è rappresentato come collegamento. I layout basati su d3-sankey ricavano il valore di un nodo dalla somma dei collegamenti in ingresso, quindi qualsiasi gruppo che esce senza un collegamento in uscita viene assorbito invece di essere mostrato. Aggiungi un nodo di uscita esplicito a ogni fase.

Un diagramma sankey può mostrare cicli o visite di ritorno?

Non direttamente. d3-sankey è documentato come layout per reti acicliche. Gli strumenti aggirano il limite trattando ogni passaggio come una colonna a sé, quindi una pagina visitata due volte compare come due nodi. I numeri restano corretti, ma la forma del diagramma sovrastima quante destinazioni distinte esistano.

Quanti passaggi dovrebbe mostrare un sankey?

Quattro o cinque colonne. Ogni colonna in più moltiplica il numero di bande che si incrociano, e oltre quel punto i lettori non riescono a seguire un singolo percorso, il che elimina l'unico vantaggio che il grafico aveva rispetto a una tabella.

Un diagramma sankey ha bisogno di totali uguali a sinistra e a destra?

Sì, se è costruito correttamente. Ogni unità che entra nella colonna più a sinistra deve arrivare da qualche parte nella colonna più a destra, anche in un nodo di uscita o di abbandono. Totali diversi significano che un gruppo è uscito dal diagramma senza essere contabilizzato.

Perché si chiama diagramma sankey?

Il nome viene dal capitano Sankey, che usò il diagramma per rappresentare l'efficienza delle macchine a vapore. Disegnò frecce la cui larghezza era proporzionale alla perdita di calore, e da lì nasce anche la regola di conservazione. L'energia che entra in una macchina deve finire da qualche parte, e il diagramma fu creato per mostrare dove.

Qual è la differenza tra un diagramma sankey e un grafico ad albero?

In un grafico ad albero ogni nodo ha un solo genitore, quindi i percorsi si dividono ma non si riuniscono mai. In un diagramma sankey due sorgenti possono convergere nello stesso nodo più avanti. È esattamente ciò che è in gioco nell'esplorazione del percorso di GA4, che Google chiama grafico ad albero anche se la pagina del sankey di Google Charts cita Google Analytics come esempio di sankey.

Di quali dati hai bisogno per costruire un diagramma sankey?

Dati a livello di singolo evento, ordinati per identificatore e timestamp, nella stessa forma dei dati clickstream. I report aggregati hanno già perso quell'ordine, e un sankey ne ha bisogno per collocare ogni utente nel nodo e nel collegamento giusti.

Un diagramma sankey può mostrare quanto è durato ogni passaggio di un percorso?

No. La posizione orizzontale in un sankey rappresenta l'ordine, non il tempo trascorso, quindi un intervallo di tre secondi e uno di tre giorni tra due passaggi occupano la stessa distanza sul grafico. Un percorso che nel sankey appare fluido può nascondere uno stallo di più giorni che il diagramma non ha modo di mostrare.