事件分析

1.1 整体概述

事件分析作为数据分析最重要的分析方法之一，能够帮助我们研究某行为事件的发生对企业所产生的价值影响。火山引擎增长分析「事件分析」支持通过构建指标、分组筛选及多种可视化图表对用户行为进行多维分析，同时在数据智能洞察方面提供了异常数据分析的功能，可以帮助我们发现更多数据异常带来的影响。

1.2 名词解释

• 事件（Event）
  事件即用户行为的数据化描述。例如，在某视频APP中，用户观看了内容A后对博主推荐的商品产生了兴趣，随后点击了评论区中商品链接，在电商中完成了购买。观看视频、点击链接、下单购买等一系列用户行为，在通过埋点数据化后即可通过“事件”来描述。
• 属性（Params）
  在火山引擎增长分析平台中，我们通过“事件名称+属性列表”组合的方式来详细准确的描述用户行为：
  • 通过事件名称用以区分不同类型用户行为，如“video_play（播放视频）“、“like（点赞）”。
  • 通过属性对事件进行详细描述，如通过“video_id=12358”、“play_mode=normal”进行进一步描述播放的具体视频及播放方式。
    根据应用范围，属性又分为“事件属性”和“公共属性”两类：
  • 事件属性：与单个或几个事件相关的属性，用以对这些事件进行展开描述，如video_play事件的video_id、video_name、play_mode属性，或video_add_favorite事件的video_id属性。
  • 公共属性：包括用户属性和场景属性，可以为所有事件所共用。用户属性如用户的年龄、性别，场景属性如app版本、ip地址等。
    在增长分析平台中，属性目前支持字符串（string）和数值（int）两种取值类型。
  • string类型属性如video_id、video_name。
  • int类型属性如video_play_time（视频播放的时长）。

1.3 常见使用场景

事件分析是研究用户行为的常用手段，典型的使用场景包括（但不限于）：

• 产品团队：统计用户对产品功能（如搜索、视频播放、加收藏等）的使用情况；
• 用户运营团队：统计不同细分人群的运营转化情况，如不同促销活动参与（如领取过活动优惠券）用户的后续转化（使用优惠券下单购买商品）情况；
• 内容运营团队：统计用户使用和消费内容的情况，如统计视频app中各视频内容的播放人数、播放次数及播放时长等；
• 市场团队：统计不同渠道用户的转化情况，如统计对比不同应用市场带来app新用户的付费人数；
• 分析师团队：可以快速展开多维下钻分析，配置出业务相关的分析指标。

火山引擎增长分析提供的事件分析功能非常灵活，可以很好的满足各类场景下的统计需求。

1.4 事件分析支持分析哪些指标（Metric）

增长分析平台的事件分析，支持以下指标的统计分析：

注：数值型属性目前特指int/float两种类型。

2.1 功能界面组成

事件分析功能界面由以下部分组成：

• 事件选择：可选择要分析的一个或多个目标事件；
• 细分筛选：通过用户群和公共属性过滤分析的用户；
• 属性分组：通过事件属性、公共属性设定分组展示条件；
• 事件分析图表：通过可视化图表展示分析结果；
• 详细数据：分析结果的详细数据表；
• 异常诊断：针对异常数据展开常用维度分析；
• 行列转置：可以将分析图表的数据进行行列的展示调整；
• 下载数据：可以下载详细的数据到本地；
• 保存到看板：将当前分析结果保存到看板。

2.2 选择事件和指标

选择要分析的目标事件和统计指标，操作顺序如下：

1. 选择要分析的事件，支持选择“一般事件”、“虚拟事件”和“圈选事件”；
2. 选择要展示的指标；
3. 指标重命名：可以对添加好过滤条件的指标进行重新命名；
4. 为事件添加过滤条件（可选），支持通过“且”和“或”的模式进行筛选，对于字符串属性，还支持如下特征：
   1. 点击“切换”按钮，将过滤条件的添加方式从选择变为手动录入（支持复制粘贴）；
   2. 通过正则表达式匹配，注意正则表达式仅支持 re2 语法。
5. 可复制配置好的指标，或者点击「+事件指标」重复以上1-3步，配置更多指标（事件指标和自定义指标一共最多支持添加50个）；
6. 可创建自定义指标，实现指标间的计算，并可选是否同时展示原子指标。注意：
   1. 事件指标+自定义指标最多添加50组；
   2. 未添加“自定义指标”时，折线图分别展示各事件的走势变化；
   3. 当已添加了自定义指标时，点击计算，折线图会额外展示所有组合结果的走势情况；
   4. 当选择了具体的按事件属性分组，则折线图在以上事件数据逻辑上，再按具体属性进行分组展示。

对于常用的配置，可以快捷保存为指标，以便下次直接筛选。
注：不支持指标嵌套，即已保存的指标再次出现在另一个保存的指标中。如保存的自定义指标未在下拉的指标列表出现，请在指标管理页面检查是否存在不关联的指标嵌套。

2.3 细分筛选（曾用名：“全局筛选”）

• 细分筛选主要是用来进行用户的过滤筛选，确定需要分析的是符合哪些条件的用户；
• 可通过过滤条件筛选要分析的目标用户范围，如筛选「城市是东营、商丘，用户分群为测试」的用户；
• 可复制或者手动添加新的对照组，相当于把结果分组对照展示来看，最多添加10个；
• 具体可以根据以下条件或多个条件的组合过滤要分析的用户：
  • 属性过滤：事件属性、用户分群、用户属性、用户标签（如开启）等。其中用户分群默认选择最新一日计算结果，可通过点击“最新数据”切换计算逻辑，指定某一日结果。
  • 行为圈选：在指定时间范围内“做过/没做过/依次做过XX行为”的用户。
  • 动态匹配：通过事件与人群在指定时间间隔动态匹配筛选。

匹配逻辑详解请参考[文内分群]介绍：https://www.volcengine.com/docs/6285/108803

• 可以同时选择并设定多个条件，这些条件之间为「并且」的关系，即筛选同时满足这些条件的用户。
• 其他支持操作：
  • “小铅笔”按钮：对筛选出的用户群进行改名，便于记忆；
  • 复制与重置某一组细分筛选；
  • 增加最外层过滤条件过滤条件；注意与二级筛选条件区分；
  • 增加对照组。

2.4 分组展示

• 设定用于分组的事件属性或用户属性，以便对统计结果按照选定的属性维度进行对比；
• 属性分组支持按照事件属性、用户属性、用户标签进行分组，一共最多支持10层分组。

2.5 事件分析图表

查看分析结果的可视化图表，并根据需求进行调整。

默认情况下，系统会自动以折线图的方式展示过去7天的统计结果。
您可以根据需求对分析图表进行以下调整：

• 设定分析的时间粒度：5分钟级、小时级、天级、周级、月级；

• 可通过日历组件进行快捷设定分析时间段和自定义时间段；
  

  • 快捷设定时间说明

    粒度	快捷设定分析时间段	过去N..	最新（今天、本周周、本月等）	次新（昨天、上周、上月等）
    5分钟	今天, 昨天 过去2天	天	今天	昨天
    小时	今天, 昨天, 本周, 上周 过去2天, 过去7天	天	今天	昨天
    天	今天, 昨天, 本周, 上周, 本月, 上月 过去5天, 过去7天, 过去14天, 过去30天, 过去60天, 过去180天	天	今天	昨天
    周	本周, 上周, 本月, 上月 过去2周, 过去4周, 过去8周, 过去16周, 过去50周, 过去100周	天	今天	昨天
    月	本月, 上月 过去2月, 过去3月, 过去6月, 过去12月, 过去24月	天	今天	昨天

  • 自定义设定时间说明：具体时间至昨天、今天、n天前；n天前至昨天、今天、n天前。

• 可进行时间的对比的选择：上一周期、上同周期、去年同期、自定义时间；

  日期	含义
  上一周期	首尾相接的上一段时间
  上周同期	向前平移一周，每周顺序对应。
  上月同期：	向前平移一月，每月顺序对应，考虑到每个月天数不一致，无法直接平移一个月，因此不支持该选项。
  去年同期	向前平移一年，相应月份和日期对应，具体策略为：直接改变年份，然后用对比时间的结束时间减去被对比时间的时间区间，得到对比时间的开始时间即可。

  

• 选择可视化图表类型：折线图、堆叠面积图、柱形图、双轴图；

• 对分析时间段进行缩放，以查看更细或更完整的数据图表；

• 当图表为“天级 折线图”时，点击线图上的点，就会显示显微镜功能（新建日期批注、存为用户分群、导出用户）；

• 当事件分析组自定义指标，且图表为“天级 折线图”时，显微镜功能只支持“新建日期批注”。（更详细的显微镜功能，可参见显微镜功能）

• 当事件分析多指标或多分组值时，支持配置双轴展示；

• 可修改图例“A1 页面访问（总次数）”的名称，且保存图表为看板后，名称可同步到看板。

柱形图-指标说明：

1. 查看pv时，柱形表示时间区间内各分组pv加和；
2. 查看uv时，柱形就表示时间区间内用户去重；
3. 查看pv/uv时，用各分组的上述1、2两个计算结果进行对应的比值计算；
4. 查看按……求sum时，将时间区间内所有的该属性取值进行加和；
5. 查看按……求平均值/人均值时，用上述4的结果与1、2的结果进行比值计算；
6. 查看去重数时，柱形表示整个时间区间的去重数结果；
7. 查看分位数时，柱形表示在整个时间区间内求的分位数结果。

2.6 详细数据

展示统计结果的详细数据表。

详细数据表支持以下操作：

• 支持行列转置；转置后指标名将展示于列；由于表格可展示的分组数有限，如存在多指标与多分组值时，转置后的表格将默认以配置的指标顺序取第一个有数据的指标的分组依次向后对齐。
• 支持对事件、事件属性、用户属性以及统计结果进行排序；
• 可下载为excel文件。

2.7 保存看板

将需要长期监测的指标图表添加到看板中。

点击右上角的「保存到看板」，对要保存的看板进行操作：

1. 图表名称：可以对图表进行重新命名，比如当前的指标为“页面访问DAU”，这样方便后续查看；
2. 保存位置：可以选择个人和公共空间，更多介绍可以查看看板功能说明中对于个人和公共空间的描述；
3. 保存路径：可以选择需要保存的位置；
4. 选择图表类型：可以对当前的指标选择合适的展示方式，比如金额可以选择指标卡，uv的趋势可以选择折线图，如果有2个事件可以选择双轴展示等；
5. 同时展示：如果希望在展示主要的图表类型中同时有合计值、环比等这样的展示，可以进行选择，比如选择了一个指标本双周新增用户数通过指标卡展示后，希望也看到具体环比、同比变化，就可以进行选择了，如下图；
   

3.1 什么是异常诊断？

在进行趋势分析时，数据的异常波动对于我们发现业务上的问题或机会有重要的提示作用。我们常常会基于经验判断波动是否正常，但常常会忽略一些看似正常，但并不符合波动规律的数据。通过异常诊断我们可以快速发现这些异常数据并展开常用的维度，可以很好的帮助业务人员定位数据波动的原因。

• 异常数据是如何发现的？
  借助异常诊断，我们会基于历史数据找到周期性规律，预测出查询时间内符合该规律的数据范围，辅助使用者发现异常数据，避免错失机会和问题。
• 展开常用维度的价值大吗？
  通常情况下，发现到数据异常波动后，往往需要通过不同维度组合、下钻来定位可能引发波动的维度。这个过程往往因为维度过多、分析人员的经验不足而变得非常困难。
  在增长分析产品中通过一次展开常用维度可以快速发现贡献度较高的维度及维度组合，节省了一个个维度下钻的时间，也降低了定位数据波动问题的门槛。

3.2 操作说明

3.2.1 功能激活
当事件分析中事件和对照组的乘积不超过10（如2个事件*对照组5个=10个 可用，事件3个&对照组4个=12个 不可用）并且图表类型是折线图时，会激活“异常诊断”功能。

如下图：

3.2.2 图表区说明
异常诊断功能激活后，系统会取回溯天数内的数据进行计算，预测拟合出当前查询时间范围内的数据并以虚线显示在图中。虚线背后颜色较浅的色带表示符合预期的数据范围，色带的宽度由“置信区间”来决定。置信区间数值越大，表示宽容度越高，则更多的实线上的实际数据就会出现在色带范围中，而那些没有出现在色带范围内的实线上的数据点，则会被标记为“异常”点，以红色高亮显示，可以通过显微镜功能进入异常数据的纬度展开。
如下图：

• 参数设置
  可以在下拉菜单中配置置信区间和回溯天数，如下图：
  

  	含义	取值区间
  置信区间	包含在阈值范围内的数据占全部数据的比例	80%-99% 默认：95。
  回溯天数	早于所选开始日期的天数，选择足够的天数以便计算更贴合实际情况的阈值范围。	至少一个当前所选的日期范围至365天。 默认：5分钟级：1天（范围：1,2）小时级：3天（范围：1 - 7）天级：60天（范围：1 - 90）周级 & 月级：180天（范围：1 - 180）

  说明

  “置信区间”100%时代表所有的真实数据点都不是异常。

• 异常标签
  激活异常诊断后，数据点的提示框中会出现预测值以及预测的区间值。如果悬停的数据点刚好存在异常，提示框中会出现“异常”标签。

• 显微镜功能及开启异常诊断

  目前异常诊断功能为BETA版，仅支持单一指标进行诊断；如果您使用有任何建议和反馈，欢迎给到我们反馈。

  1. 点击有异常的数据点，会出现显微镜功能，通过显微镜功能我们点击进入异常诊断，如下图：
     
  2. 进入异常诊断后，我们会在底部看到详细的数据，如下图：
     

     说明

     * 在没有通过显微镜点击进入异常诊断前，异常诊断中不会显示数据；
       * 在维度明细中会罗列查询指标数据异常中，“参考值”和“实际值”包含的所有属性属性维度，每页默认会展示20个纬度，也可以在右下角位置进行重新设置展示的条数（如下图）。
     

     
  3. 在展开维度上方，有所选中的异常数据的基本信息，包括指标、参考值、实际值、差异，同时可以支持敏捷搜索属性维度，如下图：
     

     说明

     * 搜索：可以搜索指标的属性维度；
       * 指标：事件分析中选择的指标；
       * 参考值：期望值；
       * 实际值：异常点实际数据；
       * 差异：实际值和期望值之间的差异。
     

  4. 在展开的维度中，可以选择将该纬度进行“置顶/取消置顶”“置底/取消”，可以选择在新窗口打开，如下图：
     
  5. 在新窗口打开后，会进入到按选择的属性维度分组查看的事件分析中，可以进行更加详细的分析，如下图：