版本：4.0

事件分析

简介

事件分析帮助你分析用户行为数据，你可以分析事件，并用多种可视化方式展示你的分析结果。你可以借助事件分析进行趋势分析、对比分析、排序分析、构成分析、分布分析等。

核心功能包括：

提供丰富的度量事件的方式，如事件的次数、人数、人均、中位数、属性的去重、数值属性的统计等；
提供计算指标，即简单指标的四则运算；
借助事件属性、用户属性、用户标签等对指标进行拆分；
提供分钟级（实时分析）、小时级、天级别、周、月、年级别的数据统计；
对比不同的目标用户，查看不同用户群的指标及维度数值；
提供趋势图、柱状图、环形图、表格图、气泡图等多种可视化方式展示分析结果

常用场景：
过去 30 天，鞋子的交易量和交易金额分别是多少？
交易一共发生在多少城市？分布如何？
昨天的用户访问量是多少？
客户服务的 NPS 趋势如何？
Top 10 渠道的注册人数分别是多少？
高净值用户和普通用户的趋势过去一年是否发生了变化？

名词解释

事件分析的基础概念包括：事件、指标、属性、维度，均为 GrowingIO 智能分析产品的通用概念，参见：智能分析 - 名词解释

功能说明

创建事件分析简述

在左侧导航栏选择“分析模型 > 事件分析"，进入事件分析列表页。

图 41

单击右侧列表上方"新建事件分析"，进入创建事件分析页面。

您可以按照如下步骤创建事件分析：

项	说明
1-指标	选择事件和事件的度量方式、计算指标等任一进行分析，并可以对其进行过滤。
2-添加维度	选择维度拆分事件指标，进行更加精细化的分析；可选的拆分维度会随着事件指标的选择而产生变化。最大支持 10 个维度值的拆分。如果您选择的事件指标与维度的组合无意义，系统也会进行提示。维度支持事件属性、访问属性、用户属性、用户标签的拆解。
3-目标用户	选择分析的对象人群，支持最多选择 5 个不同类型的分群进行对比分析。我们默认提供全部用户。您也可以通过用户分群功能创建特定的分群用户，对特定的分群用户进行分析。
4-全局过滤	过滤条件可选择不同维度的特定数值或文本，从而实现模糊或精确匹配，最多可叠加 5 种不同过滤条件。
5-时间范围与粒度	包括今日、昨天、过去 7 天、14 天、30 天、180 天以及 365 天等常用用户活动周期。颗粒度选择可选分钟、小时、天、周以及月，确保分析精细程度。
6-图表类型	事件分析提供了 6 种不同的图表样式，依次是：1.线图 2. 纵向柱图 3.表格 4.横向柱图 5.环形图 6.气泡图。详细请参考视图介绍。
7-维度展示条数	设置图表中展示的维度条数。

选择参数后，右侧即可实时展示分析图表。
单击右上角保存，完成一个事件分析的创建。

定义指标的方法

事件和事件的度量方式

GrowingIO 提供了丰富的事件度量方式，以「购买事件」为例，介绍度量方式，示例含义和常见场景。

度量方式	示例	含义	场景
次数	购买次数	对购买事件的次数进行计数	用户购买了多少次？
人数	购买人数	做过购买事件的去重用户数	有多少用户进行了购买？
人均	人均购买次数	购买事件总次数除以总人数	人均购买了多少次？
每人总计-最大值	购买每人总计最大值	购买事件每人总计的「最大值」：目标人群中，所选时间内每人做过购买次数的最大值。g 过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，那么购买每人总计最大值是 5。	购买人群中，购买最多的人购买了多少次？
每人总计-最小值	购买每人总计最小值	购买事件每人总计的「最小值」：目标人群中，所选时间内每人做过购买次数的最小值。g 过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，那么购买每人总计最小值是 3。	购买人群中，购买最少的人购买了多少次？
每人总计-中位数	购买每人总计中位数	购买事件每人总计的「中位数」：目标人群中，所选时间内每人做过「该事件」次数中位数值。e .g .过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，那么购买每人总计中位数是 4。	购买人群中，每人购买次数的中位数是多少？
每人总计-分位数	购买每人总计分位数	购买事件每人总计的「分位数」：目标人群中，所选时间内每人做过「该事件」次数 X 分位数值（25 分位，75 分位，90 分位等）https://baike.baidu.com/item/%E5%88%86%E4%BD%8D%E5%80%BC	购买人群中，每人购买次数的 25 位数是多少？
数值型属性-总计	购买金额-总计	当事件发生时，目标事件对应的数值型变量值的和。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3 B 购买价格是 2，3，4，5，C 购买价格是 1，2，3，4，5 那么购买金额总计是（1+2+3）+（2+3+4+5）+(1+2+3+4+5)=31。	购买事件的购买金额值的和。
数值型属性-均值	购买-购买金额-均值	事件发生时，目标事件对应的数值型变量值的和除以事件发生的次数。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么购买金额均值= 31/(3+4+5)。	购买订单价均值是多少？
数值型属性-最大值	购买-购买金额-最大值	当事件发生时，目标事件对应的数值型变量值的最大值。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3 ；B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 那么购买金额最大值是 5。	购买事件中对应的最大金额是多少？
数值型属性-最小值	购买-购买金额-最大值	当事件发生时，目标事件对应的数值型变量值的最小值。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3 ；B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 那么购买金额最小值是 1。	购买事件中对应的最小金额是多少？
事件-每人数值型属性总计-均值	购买-每人购买金额总计-均值	目标用户中，每个用户购买金额之和的均值。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么每个用户购买金额均值= 31/3。	人均客单价是多少？
事件-每人数值型属性总计-中位数	购买-每人购买金额总计-中值	目标用户中，每个用户购买金额之和的中位数。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么 A 购买总金额 6， B 购买总金额 14，C 购买总金额 15 中位数是 14。	客单价的中位数是多少？
事件-每人数值型属性总计-分位数	购买-每人购买金额总计-分位数	目标用户中，每个用户购买金额之和的分位数。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么 A 购买总金额 6， B 购买总金额 14，C 购买总金额 15 。接下来就是求 6，14，15 的分位数，分位数算法详见https://baike.baidu.com/item/%E5%88%86%E4%BD%8D%E5%80%BC	客单价的 25 分位数是多少？
事件-每人数值型属性总计-最大值	购买-每人购买金额总计-最大值	目标用户中，每个用户购买金额之和的最大值。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么 A 购买总金额 6， B 购买总金额 14，C 购买总金额 15 。客单价最大值是 15	客单价的最大值是多少
事件-每人数值型属性总计-最小值	购买-每人购买金额总计-最小值	目标用户中，每个用户购买金额之和的最小值。eg.过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 的购买价格分别是 1,2,3； B 购买价格是 2，3，4，5；C 购买价格是 1，2，3，4，5 ，那么 A 购买总金额 6， B 购买总金额 14，C 购买总金额 15 。客单价最小值是 6	客单价的最小值是多少
事件-属性-去重数	购买-品类-去重复	目标用户中，用户购买的品类数量是多少？过去 7 天，ABC 分别购买了产品 3 次，4 次，5 次，A 买了足球，篮球和网球。 B 买了足球。C 买了乒乓球和羽毛球。那么品类去重后的总品类数量是 5	用户购买的品类数量是多少？