事件分析
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？
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 - 通用概念
一、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。
二、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。 |
三、选择参数后，右侧即可实时展示分析图表。
四、单击右上角保存，完成一个事件分析的创建。
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？ |
操作：当您选择事件之后，可以选择事件的度量方式，默认为事件的次数。
每人总计次数的度量方式：您可以在每人总计次数下选择：中位数、25分位数、75分位数、90分位数、最大值、最小值等。
数值型属性：按最大最小值和每人总计后求均值、中位数、最大值、最小值等度量方式。
您可以对指标进行别名，别名会展示到对应的图上。
您可以对选中的指标进行过滤：例如您可以分别对比在IOS渠道上，北京和上海的充值金额。
如果您想分析的多个指标比较相像，只有过滤条件的值不同，您可以通过复制指标的功能，生成一个新指标，进而对新指标进行修改：
