事件分析

最后更新于：2018-12-10 13:00:36

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。借助于神策分析强大的筛选、分组和聚合能力，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？

  • 每天的独立 Session 数是多少？

根据您的产品特性合理配置追踪事件和属性，可以激发出事件分析的强大潜能，回答关于变化趋势、维度对比的各种细分问题。

查看事件分析功能应用示例

2. 事件分析界面功能简介

  • 可以对一个指标进行分析，比如对『支付订单』的『触发用户数』。也可以再添加一个指标，同时对多个指标进行分析。

  • 对事件的『触发用户数』进行分析，还可以下载行为相关的用户详情，见下图。

2.1 选择分析方式

在 1.6 版本增加了 Session 分析功能，第一次进行 Session 分析之前，首先需要在“元数据”的“Session管理”里创建 Session。这里对 Session 的相关概念进行说明，见下图：

在 a 处选择已经创建的 Session。在 b 处选择此 Session 中的事件，选择“Session总体”可以对 Session 整体情况进行分析。在 b 处选择事件，则 c 中对应的指标也会发生变化。在 c 中选择具体指标，除一些通用指标外，还包含 b 处所选事件的属性的指标。d 处圈红的是 “Session 属性”，每个 Session 内首次触发事件的属性的并集。下边对几个主要概念进行说明：

  1. 跳出率： Session 中事件发生次数为 1 的 Session 个数除以总 Session 数。比如有三个 Session，第一个 Session 事件序列为 A,B；第二个 Session 事件序列为 A；第三个 Session 事件序列为 A,C,B；则 Session 总体的跳出率为 1/3。
  2. 退出率： Session 的退出率包括 Session 中某个事件的退出率 和 Session中任意事件的退出率。某个事件的退出率指该事件作为 Session 的结束事件的次数除以该事件发生次数，任意事件退出率指 Session 数除以 Session 中所有事件发生次数。比如有三个 Session，第一个 Session 事件序列为A,B；第二个 Session 事件序列为A；第三个 Session 事件序列为A,C,A；则 Session 中A事件的退出率为 2/4, 任意事件的退出率为 3/6。
  3. Session 时长： Session 内最后一个事件触发的时间减去 Session 内第一个事件触发的时间。
  4. Session 深度： Session 内触发事件的次数。
  5. Session 内事件时长： 假如某 Session 内事件触发顺序为 a > b > c > d，则事件 a 的时长为 b 减去 a，事件 d 的时长未知。
  6. Session 初始事件： Session 内第一次触发的事件。
  7. Session 属性： d 处的 Session 属性是指一个 Session 中初始事件的属性。比如一个 Session 的事件序列为 A,B,C；A 事件的操作系统为 iOS，B 事件的操作系统为 Android，C 事件的操作系统为空，则这个 Session 中的 Session 属性操作系统应该是 iOS，是第一个事件对应的操作系统属性值。

如果您想了解 Session 的定义、使用等内容，可阅读神策博客文章《如何应用 Sensors Analytics 进行 Session 分析》。

2.2 选择指标

在第一个下拉框中选择事件，在第二个下拉框中选择要分析的指标，点击右边的加号可以添加多个指标。

对于所有事件，都可以分析如下指标：

  1. 总次数： 在选定时间范围内，该事件触发的次数。
  2. 触发用户数： 在选定时间范围内，触发该事件的独立用户数。
  3. 人均次数： 在选定时间范围内，独立用户触发该事件的平均次数。

对于所有类型的属性，都可以将如下值作为分析指标：

  1. 去重数：在选定时间范围内，该属性出现的独立去重个数。

对于有数值型属性的事件，还可以将数值型属性作为分析指标：

  1. 总和： 在选定时间范围内，该属性的取值求和。
  2. 均值： 在选定时间范围内，该属性取值的算术平均值。
  3. 最大值： 在选定时间范围内，该属性取值的最大值。
  4. 最小值： 在选定时间范围内，该属性取值的最小值。

特别的，在神策分析 1.5 版本里面，我们推出了“自定义指标”功能，通过点击指标前面的切换按钮： 即能进入自定义指标的编辑界面：

在这里，可以做如下的一些操作：

  1. 在输入框 A 里面，可以输入自定义指标的描绘公式，支持常规指标、常数之间的四则运算；
  2. 在输入框 B 里面，可以对自定义指标进行命名；
  3. 在下拉框 C 里面，可以选择“百分比”、“两位小数”、“取整”三种展现样式；
  4. 点击按钮 D，可以保存这个自定义指标。 说明：如果选择的事件是虚拟事件，表达式中的虚拟事件名需要添加英文单引号引入；

2.3 添加事件

如果要对多个事件的指标进行分析，点击左侧的加号可以添加事件。

1.6.5版本中增加了事件标签功能。事件非常多时，可以通过“标签选择”来筛选事件，以便快速找到事件。在使用事件的标签之前，需要“元数据”中给事件打标签。

在 Sensors Analytics 中任何选择事件的地方，都可以通过这种方式来选择事件。

2.4 按分组（维度）查看

按维度查看数据，可以进行更加精细化的分析。这里支持通过多个维度分析数据。

用法举例：

某产品近期通过不同渠道进行了推广，新用户量大增。通过查询“注册”事件的“触发用户数”，并“按照渠道分组”，可以对比不同渠道带来的增长效果。

当分组数大于 10 个时，图表会默认展示在最近一个时间单位内数值最大的 10 个分组。同时查看多个指标时，默认优先展示指标。

如果这里选择的属性是数字类型，可以自定义分组区间。

如果这里选择的是时间类型，可以选择不聚合，按照时间单位分钟/天/小时等进行分组查看，也可以选择按照时间段汇总，例如，以『按天（日期）』汇总，查询会将当前时间段内的每月第几天的数据汇总到一起，会得到每月 1 号到每月 31 号的汇总数据。

如果没有设置，查询引擎会动态计算分组区间。此设置仅在当前查询生效，将查询保存为书签后在书签中也生效。

2.5 增加筛选条件

通过添加筛选条件，可以精细化查看符合某些具体条件的事件数据。

点击“+筛选条件”，从下拉属性列表中选择需要针对其筛选的属性。

你可以通过3个类型的属性来进行筛选：

  1. 事件的通用属性： 当使用 Sensors Analytics SDK 时，这些是默认会被记录的事件属性。
  2. 事件的自定义属性： 在追踪事件时，你所自定义的有关该事件的特定属性。
  3. 用户属性： 代表用户自身特质的一些属性。包括预定义属性和自定义属性。

根据不同的属性的数据类型（文本、数值、日期时间、布尔、集合等），提供不同的筛选逻辑操作，如下图所示：

当添加了多条筛选条件时，用户可以点击下图中[a]，切换筛选条件之间的关系：

  • 选择“且”，代表查询结果要符合每条筛选条件
  • 选择“或”，代表查询结果只需要符合一条或多条筛选条件

点击[b]可以删除相应的筛选条件。

查询结果的相应变动，会实时地反映在下方的图表和表格中。

2.6 选择时间范围

选择查询的时间范围。点击『对比时间』可以选择对比时间段，绿色的是对比时间段，此时在图形和表格中会展示两个时间段的对比数据。

2.7 切换图表类型

可选择的图表类型：

  1. 线图
  2. 柱状图
  3. 饼图
  4. 累积图

1.8 版本中新增了对部分可累加的指标的累积图类型展示，包括总次数和数值属性总和，当前只支持单指标，不支持多指标和对比时间区间下的累积图。

在多个指标的情况下，可以人工选择要展示哪些指标的哪些分组，如下图所示：

2.8 选择聚合时间单位

可选择的数据聚合时间单位：

  1. 按分钟
  2. 按小时
  3. 按天
  4. 按周
  5. 按月

其中，选择『按分钟』聚合时，最多可展示1天的数据;选择『按小时』聚合时，最多可展示30天的数据。

2.9 数据表格

1.6.5版本提供了两种表格展示方式，点击 I 处的转置按钮以1.6.5之前的方式查看数据。点击 J 处的百分号，可以在表格内展示两个时间点的数据变化百分比。百分比公式（以12月28号表格内百分比的计算为例）：12月28号减12月27号数据之差，除以12月27号的数据。

默认表格展示方式

以有分组、多指标、有对比的场景来介绍表格的展示方式。

  1. A 列展示分组，多个分组时每个分组单独一列。无分组不展示此列。点击此列表头可以对分组进行排序。
  2. B 列展示指标，一个指标时不展示此列。每个指标单独一行，同一个分组值从上到下依次展示指标。
  3. C 列展示对比时间段，没有选择时间对比时不展示此列。同一个指标内，从上到下依次展示主时间点数据、对比时间点数据、对比时间点相对主时间点的变化率。
  4. D 列展示合计值，此列数据不是简单相加，如果是触发用户数，会做去重。点击此列表头内的折叠按钮，可以将右侧的详细时间点数据隐藏。
  5. E 列展示每个时间点的数据。

1.6.5版本之前表格展示方式

单个指标查询的表格展示：

  1. A 点击展示合计数据。
  2. B 为日期列，可以排序，合计行不参与排序。维度展示在表头行，如[b]所示。
  3. C 列中包含绝对数据，和相对上一个相邻时间单位的变化百分比。

多个指标查询的表格展示：

  1. A 为日期列，按照日期排序后，时间内按照第一个指标倒序排列。
  2. B 为维度列，多个维度用逗号分割展示，排序功能仅在日期内进行排序。
  3. C 为指标列，展示指标数据。

有时间对比查询的表格展示：

2.10 浏览用户详情

找到『触发用户数』对应的单元格，点击分析结果的数字，则可以浏览这些用户的具体情况，以及单个用户的详细行为序列。

2.11 切换计算精度

在 1.8 版本中，“事件分析“新增了计算精度的选择，可选择 “精确计算“和“近似计算”。近似计算只对和触发用户数相关的指标生效，包括触发用户数，人均次数和属性人均值，以及由以上三个指标组成的自定义查询。近似计算使用 HyperLogLog 算法，和精确计算比有2％的误差。使用近似计算能够加速查询。

3. FAQ

3.1: 查看 App 端数据，为什么今天查看昨天的数据和昨天查看当天的数据不同

答：App 端有缓存机制。

3.2: 分组过多，数据显示不完整

答：可以通过查询 API 获取完整数据。

3.3: 事件分析里和漏斗里查看的用户数不一致

答 ：事件分析和漏斗分析逻辑不太一致。

3.4: 为什么分组和按总体查看的用户数不一致

答：以城市为例，同一个用户，在北京和上海两个城市浏览过同一个网页，如果按总体查看，数量为 1，如果按城市查看，北京和上海的用户中都会有这个用户。

3.5: 为什么合计值和每天相加的用户不一致

答：用户数有去重机制。

3.6: 为什么按天查看和按周查看数据不一致

答：按周查看，查看的是自然周的数据。