# 行为分析
# 1.事件分析
# 1.1事件分析概述
事件，是追踪或记录的用户行为或业务过程。举例来说，一个电商产品可能包含如下事件：用户注册、浏览商品、添加购物车、支付订单等。事件分析，是指基于事件的指标统计、属性分组、条件筛选等功能的查询分析。事件分析可以帮助回答以下问题：
最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？
各个时段的人均充值金额是分别多少？
上周来自北京的，发生过购买行为的独立用户数，按照年龄段的分布情况？
# 1.2 创建事件分析
在侧边功能栏选择“行为分析>事件分析”，进入事件分析列表，事件分析列表展示所有已新建的事件分析。
点击“新建分析”按钮，进入新建事件分析页面。包括左侧数据看板和右侧条件区域两部分。
# 1.1.1 添加事件指标
首先为分析添加事件指标，选择事件、指标，目前同一分析中最多支持添加4个事件指标。
（1）预置指标：每个事件都可以统计如下指标，可以直接选择：
人数： 触发该事件的去重用户数。
人次： 事件的触发次数。
人均次数： 每个用户触发该事件次数的平均值，即总次数/去重人数。
（2）自定义指标：对于事件所有类型的属性，都可以将如下值作为分析指标：
去重计数： 选定时间范围内，该属性出现的去重次数。
对于数值型属性，可以将数值型属性作为分析指标：
求和： 选定时间范围内，该属性的取值求和。 均值： 选定时间范围内，该属性取值的算术平均值。 最大值： 选定时间范围内，该属性取值的最大值。 最小值： 选定时间范围内，该属性取值的最小值。 **中位数 **： 选定时间范围内，该属性取值的最小值。
可针对事件指标添加相应的筛选条件，支持针对事件中所包含的默认公参及自定义属性添加条件。 属性即为该事件中的字段，可对属性添加筛选条件进行分析，属性筛选选择上限为10个，仅支持“全部且”或者“全部或”。
# 1.1.2 全局筛选条件
针对所有事件指标都需要添加的筛选条件可在此设置。属性可选范围为所有事件的属性交集。
# 1.1.3 分组查看
选择事件中属性分组查看，进行更加精细化的分析。属性可选范围为所有事件的属性交集。最大支持2个属性的拆分。
# 1.3 数据看板
根据分析条件变化，数据看板区域的图表会实时刷新，默认展示近14天数据，最长分析跨度为90天。
# 1.3.1 趋势图
展示数据趋势变化，最多同时展示8条曲线。 存在分组查看时，分组选择范围为所选时间范围的指定指标Top50组。
# 1.3.2 数据详情
以表格形式展示该事件触发情况，若有“分组查看”可在表格中筛选指定分组。
表格最多展示1000条数据，更多数据可以通过“下载”获取，下载上限为20000条，可通过修改时间范围来获取完整数据。
# 1.4 保存分析
保存分析前需要为分析命名，名称不超过20个字且不允许为空、不允许重复。
# 1.5 分析应用
# 1.5.1 推送到看板
“推送到看板”可以将当前分析推送至自定义看板中，便于日常数据观察。
# 1.5.2 复制分析
“复制分析”可以基于分析中的分析条件，创建为新的分析。
# 2.漏斗分析
# 2.漏斗分析
# 2.1漏斗分析概述
漏斗分析是一套流程式的数据分析模型，主要用于分析一个多步骤过程中每一步的转化与流失情况。
举例来说，用户购买商品的完整流程可能包含以下步骤：
- 商品浏览
- 添加商品进购物车
- 商品结算
- 商品付款
可以将如上流程设置为一个漏斗，分析整体的转化情况，也可从多角度剖析对比，定位流失原因，提升转化表现。
# 2.2 创建漏斗
在侧边功能栏选择“行为分析>漏斗分析”，进入漏斗分析列表，漏斗分析列表展示所有已新建的漏斗分析。
点击“新建分析”按钮，进入新建漏斗分析页面。包括左侧数据看板和右侧条件区域两部分。
# 2.2.1 漏斗信息
（1）设置漏斗类型，类型包括开环漏斗、闭环漏斗。
(a) 开环漏斗：不关注单个用户和用户触发事件的顺序，仅需要在指定时间范围内触发漏斗步骤对应的事件，就视为该步骤完成了一次转化。
(b) 闭环漏斗：关注单个用户和事件触发顺序，如果用户指定时间范围内触发漏斗第一步，并且在第一步发生后按顺序依次触发后续步骤（即存在与漏斗步骤一致的子序列），则视作该用户完成了一次成功的漏斗转化。
示例一：假设一个漏斗的步骤依次为 A、B、C三个事件。用户在时间范围内依次发生了事件B、A、C、B、C，那么开环漏斗和闭环漏斗计算逻辑如下：
开环漏斗：步骤一（A事件）时间范围内触发1次，步骤二（B事件）时间范围内触发2次，步骤三（C事件）时间范围内触发2次。步骤一 -> 步骤二 转化率为 2 / 1 = 200%， 步骤二 -> 步骤三 转化率为 2 / 2 = 100%。（注：开环漏斗不关注发生顺序，不关注发生个体，只关注群体发生的指标）
闭环漏斗：该用户在时间范围内存在符合A、B、C的事件发生顺序子序列（B、A、C、B、C），因此该用户视为完成了一次完整的转化。对于整个群体而言，计算完成转化的用户数 / 全体用户数 即为该漏斗的转化率。
示例二：假设一个漏斗的步骤依次为A、A、B两个事件。
开环漏斗：若用户时间范围内发生了事件A、A、B、B，则步骤一（A事件）触发了2次，步骤二（A事件）触发了2次，步骤三（B事件）触发了2次，则步骤一 -> 步骤二 转化率为 2 / 2 = 100%，步骤二 -> 步骤三 转化率为 2 / 2 = 100%
闭环漏斗：若用户时间范围内依次发生了事件A、B，则因为该序列不存在A、A、B的子序列，因此不构成一次转化；若用户依次发生事件A、C、A、B，则因为存在子序列，完成了一次转化；若用户依次发生了事件A、B、A，则因为该序列不存在A、A、B的子序列，因此不构成一次转化。
（2）漏斗指标
闭环漏斗仅支持按照人数（uv）展示，开环漏斗支持按照人数（uv）、次数（pv）展示，并可自定义指标分析：
人数（uv）： 触发该事件的去重用户数。
次数（pv）： 事件的触发次数。
自定义指标：对于事件所有类型的属性，都可以将如下值作为分析指标：
去重计数： 选定时间范围内，该属性出现的去重次数。
对于数值型属性，可以将数值型属性作为分析指标：
求和： 选定时间范围内，该属性的取值求和。 均值： 选定时间范围内，该属性取值的算术平均值。 最大值： 选定时间范围内，该属性取值的最大值。 最小值： 选定时间范围内，该属性取值的最小值。 **中位数 **： 选定时间范围内，该属性取值的最小值。
# 2.2.2漏斗步骤
首先为分析添加漏斗步骤，选择每一步骤对应的事件，同一分析中最多支持添加10个漏斗步骤。
可针对漏斗步骤添加相应的筛选条件，支持针对事件中所包含的默认公参及自定义属性添加条件。
属性即为该事件中的字段，可对属性添加筛选条件进行分析，属性筛选选择上限为10个，仅支持“全部且”或者“全部或”。
# 2.2.3 全局筛选条件
针对所有漏斗步骤都需要添加的筛选条件可在此设置。属性可选范围为所有事件的属性交集。
比如，如果想要看使用 Chrome 浏览器发起注册的转化漏斗，就可以将筛选条件设置为：浏览器＝Chrome。
# 2.2.4 分组查看
选择事件中属性分组查看，进行更加精细化的分析。属性可选范围为所有事件的属性交集。最大支持2个属性的拆分。
# 2.3 数据看板
以漏斗图、趋势图和表格形式展示该漏斗转化情况。根据分析条件变化，数据看板区域的图表会实时刷新，默认展示近14天数据，最长支持分析14天数据。
# 2.3.1 漏斗图
按筛选条件展示每一步骤的整体转化率。
# 2.3.2 趋势图
在筛选条件范围内展示每一步骤在每天的转化率。
存在分组查看时，分组选择范围为所选时间范围的指定指标Top50组。
# 2.3.3 数据详情
以表格形式展示该漏斗转化数据，若有“分组查看”可在表格中筛选指定分组。
表格最多展示1000条数据，更多数据可以通过“下载”获取，下载上限为20000条，可通过修改时间范围来获取完整数据。
# 2.4 保存分析
保存分析前需要为分析命名，名称不超过20个字且不允许为空、不允许重复。
# 2.5 分析应用
# 2.5.1 推送到看板
“推送到看板”可以将当前分析推送至自定义看板中，便于日常数据观察。
# 2.5.2 复制分析
“复制分析”可以基于分析中的分析条件，创建为新的分析。
# 3.留存分析
# 3.1留存分析概述
留存分析是用来衡量用户参与情况、活跃程度的分析模型。可用于执行初始行为的用户群体中，有多少会执行后续行为。
留存分析可以帮助回答以下问题：
· 新用户在未来的一段时间内是否完成了期许用户完成的行为？如完成一次交易
· 某个社交产品新增了一种3D互动特效，期待改善用户之间的互动的频次，如何验证？
· 想判断某项产品改动是否奏效，如新增了一个推荐可能认识的好友功能，观察是否有人因快速找到好友，与好友在产品中形成互动而多使用产品几个月
# 3.2 创建留存分析
在侧边功能栏选择“行为分析>留存分析”，进入留存分析列表，留存分析列表展示所有已新建的留存分析。
点击“新建分析”按钮，进入新建留存分析页面。包括左侧数据看板和右侧条件区域两部分。
# 3.2.1 设置初始事件及留存事件
首先需要为分析设置初始行为事件及留存行为事件。
初始行为事件：设置初始行为的事件。首先被触发的事件，用于筛选留存分析的原始人数。
后续行为事件：设置留存行为的事件，触发初始行为的人,在以后一段时间要重复触发的事件。
某个目标用户完成了初始行为之后，在后续日期完成了特定留存行为，则留存人数 +1；如果某目标用户只完成了初始行为，没有完成相应的留存行为，则留存人数 +0 。
初始行为事件和留存行为事件的两种选择策略：
1.初始行为事件和后续行为事件不同：初始行为选择正常使用周期内，只触发一次的事件，比如“注册”、“登录”等，后续行为选择核心路径中，被用户重复触发的事件，比如“视频点赞”、“上传视频”等。
这种留存分析是最常用的，用于对比分析不同阶段开始使用产品的新用户的参与情况，从而评估产品迭代或运营策略调整的得失。
2.初始行为事件和后续行为事件相同：期待用户重复触发的事件。这种留存用于分析忠实用户的使用模式。
可针对事件添加相应的筛选条件，支持针对事件中所包含的默认公参及自定义属性添加条件。属性即为该事件中的字段，可对属性添加筛选条件进行分析，属性筛选选择上限为10个，仅支持“全部且”或者“全部或”。
当用户在后续的同一个周期中执行了多次后续行为，且在后续行为上属性值发生变化，此时默认将用户同时归属于多个标签值上。
# 3.2.2 全局筛选条件
针对初始行为事件和留存行为事件都需要添加的筛选条件可在此设置。属性可选范围为初始行为事件和留存行为事件的属性交集。
# 3.2.3 分组查看
选择事件中属性分组查看，进行更加精细化的分析。属性可选范围为初始行为事件的属性。最大支持2个属性的拆分。如选择初始行为事件属性按注册渠道进行分组，我们则可以看到不同注册渠道的后续留存情况。
# 3.3 数据看板
根据分析条件变化，数据看板区域的图表会实时刷新。
# 3.3.1 初始范围
用于选择初始行为时间发生的时间范围，默认展示近14天数据，最长分析跨度为90天。
# 3.3.2 时间粒度
设置用于观察留存情况的时间粒度。包括日留存，周留存，月留存：
- · 日留存：按自然日统计完成起始行为目标用户量并按天来观测后续每天的留存情况
- · 周留存：按自然周统计完成起始行为目标用户量并按周来观测后续每周的留存情况
- · 月留存：按自然月统计完成起始行为目标用户量并按月来观测后续每月的留存情况
# 3.3.3 指标趋势
展示留存率趋势变化，最多同时展示12条曲线。
- · 留存率：完成留存行为的目标用户量/完成初始行为的目标用户量
存在分组查看时，分组选择范围为所选时间范围的触发初始行为事件活跃用户数量的Top50分组。
# 3.3.4 数据详情
以留存表格形式展示该事件触发情况，若有“分组查看”可在表格中筛选指定分组。
默认按照初始行为日期分组。每行的第一列代表了初始行为日期；第二列是在该日期触发了初始行为的总人数（活跃用户数）；后面各列，分别是在相应时间后触发后续行为的指标数据（包括用户数，以及占初始行为人数的百分比）。
- · 留存人数：完成留存行为的目标用户量
- · 留存率：完成留存行为的目标用户量/完成初始行为的目标用户量
表格最多展示1000条数据，更多数据可以通过“下载”获取，下载上限为20000条，可通过修改时间范围来获取完整数据。
# 3.4 保存分析
保存分析前需要为分析命名，名称不超过20个字且不允许为空、不允许重复。
# 3.5 分析应用
# 3.5.1 推送到看板
“推送到看板”可以将当前分析推送至自定义看板中，便于日常数据观察。
# 3.5.2 复制分析
“复制分析”可以基于分析中的分析条件，创建为新的分析。