阿拉丁统计 2.0丨筛选？分组？聚合能力？ 「高级分析」精细化数据统计管理

前两期，我们分享了阿拉丁统计 2.0 的「开源 SDK」和「指标商店」，后台收到了很多粉丝的咨询与试用申请。本期我们就从“事件分析”着手，开启第三个话题——「高级分析」。

在日常工作中，不同职能岗位关注的数据指标不同，例如运营、市场、产品、数据分析师有的关注用户注册量，有的关注人均充值金额，有的关注用户注册变化趋势，有的关注用户分布属性……

看看阿拉丁统计 2.0如何满足不同职能角色的个性化需求？

多种事件指标选择，满足不同角色统计需求

诸如上述的数据指标需求统计与查看，“事件分析”在其中起到了重要作用！

事件分析具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，被人们广泛使用。事件分析一般需要经过以下几个环节：

事件定义与选择。事件描述的是一个用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。 Who、When、Where、What、How是定义一个事件的关键因素。

其中： Who 是参与事件的主体，对于未登录用户，可以是 Cookie、设备ID 等匿名 ID ；

对于登录用户，可以使用后台配置的实际用户ID；

When 是事件发生的实际时间，应该记录精确到毫秒的事件发生时间；

Where 即事件发生的地点，可以通过 IP 来解析用户所在省市；也可以根据 GPS 定位方式获取地理位置信息。

How 即用户从事这个事件的方式。用户使用的设备、浏览器、 App 版本、渠道来源等等；

What 描述用户所做的这个事件的所有具体内容。比如对于“购买”类型的事件，则可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、付款方式等。

多维度下钻分析。高效的事件分析需要支持任意下钻分析和精细化条件筛选。

当事件分析合理配置追踪事件和属性，就可以激发出事件分析的强大潜能，不仅能为企业回答关于变化趋势、维度对比等各种细分问题，而且还可以通过添加筛选条件，精细化查看符合某些具体条件的事件数据。

解释与结论。此环节要对分析结果进行合理的理论解释，判断数据分析结果是否与预期相符，例如判断产品的细节优化是否提升了触发用户数。如果结论相悖，就需要针对不足的部分进行再分析与实证。

多指标分析特定场景，操作简单易上手

阿拉丁统计 2.0 的“事件分析”功能基于多场景进行指标设置，操作简单易上手。

在“添加指标”栏中，点击添加“指标”按钮选择事件，选择要分析的事件指标。点击“添加筛选”后，还可以添加属性、设置条件、填写条件值，用于细化该事件对应的特定场景。

当然，也可以添加多个指标一同查询。

对于所有事件，平台都可以分析出如下常规指标：

总次数：在选定时间范围内，该事件触发的次数

用户数：在选定时间范围内，触发该事件的独立用户数

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

分析结果可以根据个人习惯，进行柱状图、折线图自由切换。

同时，也可以下载成表格形式的明显数据列表，查看不同时间用户数变化情况。

常用的事件分析，也可以添加到“我的分析”快捷菜单下，自定义标题，方便后续使用。如果多个事件有相同的筛选条件，还可以做“全局筛选”，省去每个事件重复设置的麻烦。

如果想要查看事件的品牌、型号、省份、国家等维度数据，仅需在添加维度下拉框选择目标条件即可。

精细化运营分析模型，漏斗分析过程管理透明化

营销管理重在过程，控制了过程就控制了结果。

漏斗分析模型是企业实现精细化运营的重要分析工具，其精细化程度影响着营销管理的成败。粗陋的漏斗分析模型因为“过程管理不透明”造成结果失控。因此，我们经常能够听到一些产品经理的抱怨不绝于耳：从启动 APP 到“支付成功”，用户转化率为何仅仅 0.8 %？

究竟什么是漏斗分析？

漏斗分析是一套流程分析，它能够科学反映用户行为状态以及从起点到终点各个阶段用户转化率的情况。

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营工作中。例如：在直播平台上，用户从激活APP到消费，一般购物路径为激活 APP、注册账号、进入直播间、互动行为、礼物花费五大阶段。漏斗分析能清晰的展现各个阶段的转化率，通过漏斗各环节相关数据的比较，直观地发现和总结问题所在，进而找到产品优化的方向。

创建「漏斗」非常简单，三步操作即可完成：

1、填写漏斗名称

2、选择窗口期

3、配置漏斗步骤

保存漏斗设置后，在漏斗列表选择刚刚创建的漏斗，点击“立即分析”即可获得结果数据。漏斗分析也支持品牌、型号、省份、国家等维度数据查询。

当然，每次新创建的漏斗都可以在漏斗列表中找到，无需多次配置。

以上内容就是阿拉丁统计 2.0「高级分析」的全部内容，如果你也想使用产品，不妨点击【阅读原文】，即可开始免费试用。

下期分享的产品功能是「基础统计」，我们不见不散~

免责声明：本文不构成任何商业建议，投资有风险，选择需谨慎！本站发布的图文一切为分享交流，传播正能量，此文不保证数据的准确性，内容仅供参考

关键词：