編輯導(dǎo)讀：事件分析是指分析埋點(diǎn)事件的用戶觸發(fā)情況以及埋點(diǎn)事件的分析統(tǒng)計(jì)情況，是數(shù)據(jù)分析中一項(xiàng)重要的工作。本文將從五個(gè)方面進(jìn)行分析，希望對(duì)你有幫助。

一、事件分析概述

事件分析，本質(zhì)上是分析埋點(diǎn)事件的用戶觸發(fā)情況以及埋點(diǎn)事件的分析統(tǒng)計(jì)情況。

比如APP啟動(dòng)事件的觸發(fā)次數(shù)、觸發(fā)人數(shù)、人均觸發(fā)次數(shù)等。

ps1：說句題外話，既然是分析埋點(diǎn)事件，那么埋點(diǎn)是否準(zhǔn)確，就直接關(guān)系到事件分析的數(shù)據(jù)是否準(zhǔn)確。可見，重視埋點(diǎn)質(zhì)量是多么重要的一件事情（可惜可嘆，很多公司根本不重視埋點(diǎn)質(zhì)量，悲哀呀）。

ps2：再啰嗦一下，理論上來說，通過埋點(diǎn)事件分析，可以幾乎實(shí)現(xiàn)任何數(shù)據(jù)需求，甚至連用戶畫像、指標(biāo)體系都可以通過分析埋點(diǎn)事件實(shí)現(xiàn)。

二、事件分析細(xì)述

1. 分析哪些類型的事件

元事件：指埋點(diǎn)里面真真實(shí)實(shí)存在的埋點(diǎn)事件，不經(jīng)過任何二次處理，比如埋了一個(gè)APP啟動(dòng)事件，這個(gè)APP啟動(dòng)事件就是元事件。

虛擬事件：基于元事件，進(jìn)行算法計(jì)算得出的事件，比如我們可以創(chuàng)建一個(gè)虛擬事件，算法為APP啟動(dòng)事件的次數(shù)/APP元素點(diǎn)擊的次數(shù)，然后分析這個(gè)虛擬事件的數(shù)據(jù)情況。

2. 分析事件的哪些指標(biāo)

包括事件層面的指標(biāo)和事件屬性層面的指標(biāo)：

1）事件層面的指標(biāo)

• 總次數(shù)：時(shí)間范圍內(nèi)，觸發(fā)事件的次數(shù)
• 觸發(fā)人數(shù)：時(shí)間范圍內(nèi)，觸發(fā)事件的人數(shù)
• 人均次數(shù)：時(shí)間范圍內(nèi)，總次數(shù)/觸發(fā)人數(shù)

2）事件屬性層面的指標(biāo)

對(duì)于所有類型的事件屬性- 去重?cái)?shù)：時(shí)間范圍內(nèi)，事件屬性的去重個(gè)數(shù)。事件所有的屬性，都可以分析這個(gè)指標(biāo)。

對(duì)于數(shù)值型的事件屬性- 總和：時(shí)間范圍內(nèi)，屬性的取值求和。

• 均值：時(shí)間范圍內(nèi)，屬性取值的術(shù)平均值
• 最大值：時(shí)間范圍內(nèi)，屬性取值的最大值
• 最小值：時(shí)間范圍內(nèi)，屬性取值的最小值

3）從什么維度分析事件指標(biāo)

事件分析，不僅可以分析事件的指標(biāo)數(shù)據(jù)，還要支持按照某些維度，從某個(gè)維度分析事件的指標(biāo)數(shù)據(jù)。這些維度包括以下兩個(gè)部分：

1. 事件屬性維度也即事件的公共字段和自定義字段。如果事件的屬性是數(shù)值類型，則可按照數(shù)值區(qū)間進(jìn)行分析，比如支付事件，有支付金額這個(gè)屬性，那么我們可以按照金額區(qū)間[0,200]，[201,500]這兩個(gè)區(qū)間，進(jìn)行分組聚合分析。
2. 用戶屬性維度也即觸發(fā)事件的用戶屬性，比如按性別進(jìn)行分組聚合分析事件數(shù)據(jù)。

4）事件分析結(jié)果過濾

過濾條件可以從下面兩個(gè)方面，對(duì)事件分析的結(jié)果進(jìn)行過濾：

• 事件屬性：包括事件的通用屬性和事件的自定義屬性
• 用戶屬性：也即觸發(fā)事件的用戶屬性，比如過濾出性別是女的數(shù)據(jù)

5）舉例

我們以APP啟動(dòng)事件作為栗子說明，假設(shè)該事件有自定義字段：?jiǎn)?dòng)時(shí)長(zhǎng)。

• 這個(gè)事件，屬于元事件
• 事件層面的指標(biāo)有：總次數(shù)、觸發(fā)人數(shù)、人均次數(shù)
• 事件的啟動(dòng)時(shí)長(zhǎng)這個(gè)屬性的指標(biāo)有：去重?cái)?shù)、總和、均值、最大值、最小值
• 按照維度，分析事件的指標(biāo)數(shù)據(jù)，我們從下面兩個(gè)方面舉例：

1. 事件屬性維度：比如按照啟動(dòng)時(shí)長(zhǎng)的分布區(qū)間[0,2s]、(2s,4s]，分析兩個(gè)區(qū)間里面APP啟動(dòng)的觸發(fā)次數(shù)
2. 用戶屬性維度：比如從用戶的城市這個(gè)維度出發(fā)，分別統(tǒng)計(jì)深圳和廣州兩個(gè)城市的APP啟動(dòng)次數(shù)

最后，可以對(duì)事件分析的結(jié)果，進(jìn)行篩選過濾，比如篩選出性別女的數(shù)據(jù)。

三、事件分析總結(jié)

我們總結(jié)一下事件分析：事件分析，其實(shí)就是從不同維度分析事件的指標(biāo)數(shù)據(jù)。

• 有哪些事件：元事件和虛擬事件。
• 有哪些指標(biāo)：包括事件層面的指標(biāo)：總次數(shù)、觸發(fā)人數(shù)、人均次數(shù)，和事件屬性層面的指標(biāo)：去重?cái)?shù)、總和、均值、最大值、最小值。
• 有哪些屬性維度：事件屬性維度、用戶屬性維度。
• 可以從事件屬性和用戶屬性兩個(gè)方面對(duì)數(shù)據(jù)進(jìn)行篩選過濾。

四、事件分析UI界面

這里簡(jiǎn)單畫一下事件分析的UI界面原型。

1. 事件設(shè)置部分

2. 結(jié)果展示部分

五、埋點(diǎn)事件其他應(yīng)用

埋點(diǎn)事件，不僅可以用作事件分析，還可以應(yīng)用到其他方面。比如用戶畫像、指標(biāo)體系搭建。

用戶畫像：

用戶畫像，本質(zhì)上來說，就是對(duì)用戶進(jìn)行打標(biāo)簽。而用戶為什么會(huì)打上某個(gè)標(biāo)簽?zāi)兀孔罱K還是落在用戶行為上，而埋點(diǎn)事件就是用戶行為的數(shù)據(jù)。所以對(duì)埋點(diǎn)事件進(jìn)行分組聚合，其實(shí)就是打標(biāo)簽的過程。

舉個(gè)栗子：我們對(duì)商品購(gòu)買事件的金額，做區(qū)間維度分析，月購(gòu)買金額在500元以下的用戶打上低消費(fèi)標(biāo)簽，月購(gòu)買金額在500~800元之間的用戶打上中消費(fèi)標(biāo)簽，月購(gòu)買金額在800元以上的用戶打上高消費(fèi)標(biāo)簽。這個(gè)打標(biāo)簽的過程，其實(shí)就是對(duì)事件進(jìn)行維度聚合的過程。

指標(biāo)體系：

搭建數(shù)據(jù)指標(biāo)體系的搭建工作，具體方法，在這里不細(xì)說，后面我們專門進(jìn)行總結(jié)。但是基本思路就是通過原子指標(biāo)加上修飾詞（維度），組合派生出各種派生指標(biāo)的方法，窮盡所有的業(yè)務(wù)指標(biāo)。

這里的原子指標(biāo)，其實(shí)就是前面我們總結(jié)的那些事件層面的指標(biāo)和事件屬性層面的指標(biāo)。而原子指標(biāo)的修飾詞，恰恰是埋點(diǎn)事件的屬性和用戶屬性。

所以，通過窮盡埋點(diǎn)事件，就可以窮盡原子指標(biāo)，加上事件的屬性和用戶屬性的修飾，也就可以派生組合出任何派生指標(biāo)。

本文由 @如琴留音 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議