应用场景

我们面向场景化的分析时，需要综合运用事件分析、留存分析等指标，需要同时查看多个指标，在不同的维度、不同的细分人群等条件下的数据表现，从而更好地洞察业务状态。
比如：需要看看「新、老用户群体」在「不同省份、不同城市」下的「活跃指标、留存指标、转化指标」的表现情况有什么区别，并希望能对某个「城市维度值」做单独下钻，进一步分析某个城市下的个性化数据表现，此时就需要用指标多维表格的分析能力。

注意事项

• 本功能Saas当前灰度中，私有化选择性开放，如有开通意向请与客户经理联系。
• 使用多维表格分析时，关于指标数据的计算逻辑与事件分析工具的计算逻辑有部分差异，以TOPN指标的计算场景为例，逻辑差异请参见下文的三、多维表格分析指标计算逻辑示例章节。

2.1 功能入口

功能入口的路径为：顶导菜单栏单击 分析工具 > 高级分析 > 多维表格分析

2.2 指标区

指标区主要用来呈现指标及指标列的增、删、改、移、存等相关的功能；

2.2.1 添加指标

1. 点击添加指标按钮，可以唤起添加窗口；支持两种指标模式：选择事件快捷添加、选择已保存指标进行添加。
   1. 选择事件后，默认算子为「总次数」，选中完成后，可以切换成「总人数」、「渗透率」等其他算子；
   2. 选择指标后，添加的是之前已经保存的指标；
2. 可以按照事件分类、事件类型来筛选目标指标，提升查找效率；

2.2.2 指标类型

2.2.3 添加指标过滤条件

1. 点击添加过滤按钮，可以针对当前指标做进一步的条件过滤，以改变指标口径，满足不同的分析场景；
2. 过滤条件支持使用“AND”、“OR”组合逻辑，以满足复杂的过滤场景；

2.2.4 保存指标

如果直接选用事件快捷进行的快捷指标分析，并且判断是长期使用指标，那么可以对指标进行保存，方便后续直接使用，提高使用效率。

2.3 维度分组区

维度分组区主要用来呈现维度及维度行的添加、过滤、下钻等功能；

2.3.1 添加维度分组

1. 如果需要对指标进行多维分析，可以通过添加维度分组的方式进行，比如按照省份、城市进行多维查看；
2. 维度分组目前最多支持添加5层；注意，维度值下钻的层数也会计算在总层数中；

2.3.2 维度值下钻

可以只针对某一个维度值进行下钻，来对单个维度值做进一步拆解分析，例如：只针对「陆家嘴」区域的用户分析「新老用户」的占比。

2.3.3 过滤维度值

如果需要聚焦关注部分维度值，可以使用「维度值过滤」的能力以缩小关注范围。

2.4 细分筛选区

1. 如果需要对比不同的细分下指标表现情况，可以使用「细分筛选」功能。支持按照事件属性、用户属性直接过滤，也可以充分使用「文内分群」的人群筛选能力创建人群对比；
2. 创建的细分筛选会展示在指标行的下方，通过分列的方式进行展示，默认以第一个指标的最左侧一列倒序排列，可以按照其他列排序；
3. 配置完成后，可将细分筛选区进行折叠，拓宽表格区域展示空间；

2.5 日期选择

目前仅支持天级、周级两种查询粒度。

2.6 下载

支持Excel格式的数据下载。

2.7 重置

点击「重置」按钮，可以对配置的条件进行清除。

2.8 将结果保存到看板

支持将查询结果保存到看板，进行日常观测，暂不支持接入监控功能。

以下以一个具体的场景，为您示例多维表格分析在计算指标的TopN逻辑上和事件分析工具的差异。示例场景详情如下：

• 适用场景：订单分析

• 分析目标：分析某渠道下**购买金额topN（50以内）**的商品详情，即购买商品支付成功的总金额、支付成功的总次数、支持成功的总人数。

• 指标配置与计算逻辑对比说明：

  细分项	多维表格分析	事件分析
  分析工具配置示例	如上图所示，在多维表格分析中添加了三个指标： 指标1：选择“商品支付成功”事件，并对事件按支付总金额求和（按goods_total_price求和） 指标2：选择“商品支付成功”事件，并求事件求PV 指标3：选择“商品支付成功”事件，并求事件求UV 同时分组条件选择“商品名称”。	如上图所示，在事件分析找那个添加了三个指标： 指标1：选择“商品支付成功”事件，并对事件按支付总金额求和（按goods_total_price求和） 指标2：选择“商品支付成功”事件，并求事件求PV 指标3：选择“商品支付成功”事件，并求事件求UV 同时分组条件选择“商品名称”，并设置分组展示“前50项”
  指标的TopN计算逻辑	在多维表格分析工具中： DataFinder会以选定分组的指标（默认为第一个指标）分组取top N。 上述示例中，即是将指标1按商品名称进行分组后进行降序排序，取其中的Top50展示。 然后基于第一个指标分组的结果，再去查询其他列指标的值。 查询结果示例：	在事件分析工具中： DataFinder会对每个指标分别分组取top N，然后再按第一个指标进行汇总对齐。 基于上述计算逻辑，因此使用事件分析进行查询时，会出现某些维度实际有数据，但是查询结果为空的情况，例如示例中的指标2、指标3。
  差异点分析/适用场景分析	多维表格分析更适合先基于某个指标进行分组排序，然后基于第一个指标再进行分组查询分析的场景。