推荐流程

1. 准备阶段：

  • 在我们的技术支持下，完成数据分析需求的梳理；

  • 根据需求完成行为事件的初步划分，以及关键用户 Profile 的设计；

  • 完成神策分析的系统安装。

2. 试用阶段：

  • 从已有的数据库或者历史日志中，按照我们指定的数据格式，导出一批历史数据；

  • 使用批量导入工具，将历史数据导入到系统中；

  • 在已导入的这批数据上，使用产品，完成一些数据分析工作；

  • 根据需求和使用情况，修改事件模型或者增加相应的属性；

  • 经过迭代，能够满足需求后，确认最终的事件模型。

线上使用阶段：

  • 清空试用环境数据；

  • 通过 LogAgent 实时传入日志，或者使用我们提供的各种客户端或者后端 SDK 来实时传入数据；

  • 结合具体的业务需求，使用抽象的各个数据分析模型，生成所关心的核心指标，可以保存核心指标为书签，还可以将书签添加到数据概览中展示；

  • 当有业务场景需要进行具体的分析：例如转化率突然下降，希望分析是哪个渠道的问题；或者是想具体分析在转化时流失的用户的具体情况等，则可以相应使用具体的功能。

常用名词

维度

维度描述的是一个事物身上所具备的特征或属性。

比如一个人属于什么性别，生活在哪个城市，喜欢什么颜色，这些都是这个人身上所具备的属性特征。

而在网站分析领域，维度往往用来描述和分析指标，比如单一的访问数指标并不能告诉你太多信息，一旦加上来源这个维度，就马上变得有意义了。

指标

指标，即具体的数值。比如访客、页面浏览量、停留时长都属于常见的指标。

指标一般可分为计数指标和复合指标。计数指标如访客、访问、页面浏览量、停留时长等；复合指标如跳出率、交互深度、转化率等。

指标一般伴随维度来分析才有更大的意义。

展示和点击

展示，指页面上元素的曝光次数。

点击，指页面元素被用户点击的次数。

这两个指标主要适用于线上广告投放，比如评估投放在新浪首页的品牌广告，展示了多少次，点击了多少次。

访客

英文为 Visitor，通俗解释为访问网站或 App 的人。前面加上 Unique 后，即我们平常说的 UV，唯一身份访客。

对于数据统计工具而言，一般用匿名 ID 来标记访问者，网页端产品是 Cookie（网站服务器投放在用户浏览器上的一小段文本），App 端产品是设备 ID。

访问

即 Visit，网页端产品常用概念，指用户一系列连续的页面浏览行为，跟会话 Session 同义。随着移动互联网的崛起，考虑到 App 的使用，Session 慢慢代替 Visit 成为主要用词。

业界对于 Session 内行为间的间隔设定了有效期限，网页端产品为 30 分钟，App 端产品时间较短，一般为 1 分钟。

页面浏览量

PageView，即 PV，指页面被用户浏览的次数，严格定义上指的是用户向网站发出并完成的一个下载页面的请求。

页面浏览的概念主要适用于网页端产品，对于 App 的分析，现主要使用屏幕浏览，即 ScreenView。

停留时长

对应于用户 Session，便有了停留时长指标，主要用来衡量用户与网站、App 交互的深度。

交互越深，相应停留的时长也越长。

一般有页面停留时长，会话时长以及平均停留时长等概念，其计算的核心原理在于记录下用户行为发生时的时间戳，后期再应用相应公式来计算。

跳出率

BounceRate，一个衡量落地页质量好坏的重要指标。跳出的概念是指用户在一次访问中仅做了一次互动便选择了离开，单一页面和全站均有跳出率的概念。

页面跳出率为该页面跳出的访问次数占该页面总访问次数的百分比。全站跳出率则为跳出的访问次数除以总的访问次数。

交互深度

交互深度是指用户在一次浏览网站或 App 过程中，访问了多少页面。

用户在一次浏览中访问的页面越多，交互深度就越深。

交互深度能够侧面反映网站或 App 对于用户的吸引力。

可以通过 Session 来计算用户的平均交互深度。

转化率

任何产品都需要关注的核心指标，主要用来衡量用户从流量到发生实际目标转化的能力。

一般用目标转化的次数或人数除以进入目标转化漏斗的人数或次数，因目标行为的不同，转化率是一个非常灵活的指标，比如你可以自定义注册转化率、登录转化率、购买转化率、搜索成功转化率等。

基本名词

指标

1. 总次数

事件分析功能常用指标，指在选定的时间范围内，某一事件被触发的次数。

比如选择页面浏览事件，按总次数查看时，计算出来的值即为页面浏览量。

2. 触发用户数

事件分析功能常用指标，指在选定的时间范围内，触发某一事件的独立用户数。

比如选择注册成功事件，按独立用户数查看时，计算出来的值即为选择时间范围内的注册成功人数。

3. 人均次数

事件分析功能常用指标，指在选定的时间范围内，独立用户触发某一事件的平均次数。

比如选择页面浏览事件，按人均次数查看时，计算出来的值即为人均页面浏览次数。

属性

为了帮助使用者更方便地使用我们的产品，我们目前分别为事件和用户提供了一些预置属性。

点击查看预置属性的详细介绍。

预置属性

基础指标配置

Web 端日活跃用户数（UV）

定义：1 天（00:00-24:00）之内，访问网站的不重复用户数，一天内同一访客多次访问网站只被计算 1 次。

  1. 选择“事件分析”功能。

  2. 选择事件：Web 浏览页面。

  3. 选择指标：用户数。

same as:

select count(*) from (
    select distinct session_id from data where event = 'web_view' and timestamp between #{startDate} and #{endDate}
);

App 端日活跃用户数（UV）

定义：1 天（00:00-24:00）之内，访问 App 的不重复用户数，一天内同一访客多次访问 App 只被计算 1 次。

  1. 选择“事件分析”功能。

  2. 选择事件：启动 App 。

  3. 选择指标：用户数。

select count(*) from (
    select distinct session_id from data where event = 'app_view' and timestamp between #{startDate} and #{endDate}
);

页面浏览量（PV）

定义：网页浏览是指浏览器加载（或重新加载）网页的实例。

页面浏览量可以定义为网页浏览总次数的指标。

  1. 选择“事件分析”功能。

  2. 选择事件：浏览页面。

  3. 选择指标：总次数。

select count(*) from data where event = 'web_view' and timestamp between #{startDate} and #{endDate};

新增注册用户数

定义：当天注册用户数

  1. 选择“事件分析”功能。

  2. 选择事件：注册。

  3. 选择指标：用户数。

select count(*) from event_user where event = 'register';

这种注册其实更适合通过后端的统计，所以前后端的数据可以导入，甚至关联。

ps: 可以在 event 表之外，单独加一张登录的用户表。记录用户的信息，这个表和注册的用户可以关联。

Web 端新用户数

定义：当日的独立访客中，历史上首日访问网站的访客定义为新用户。

  1. 选择“事件分析”功能。

  2. 选择事件：Web 浏览页面。

  3. 选择指标：用户数。

  4. 添加筛选条件：是否首日访问为真。

ps: 在服务端落库的时候，需要区分是 pc/app？同时增加一个是否首日访问的 flag。

Web 端新用户比例

定义：当日的访客中，新用户在所有访客中占的比例。

  • 首先创建虚拟事件：【Web】新用户访问

ps: 这里涉及到 FILTER

可以设计一套动态的 sql 拼接脚本。

Web 端新用户留存率

定义：在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。这部分用户占当时新增用户的比例即是留存率，会按照每隔1单位时间（例日、周、月）来进行统计。顾名思义，留存指的就是“有多少用户留下来了”。

  1. 选择留存分析功能。

  2. 初始行为：选择 Web 浏览页面。

  3. 添加筛选条件：是否首日访问为真。

  4. 后续行为：选择任意事件。

  5. 选择日留存、周留存、月留存。

什么是筛选条件

筛选条件是为了在我们取到的数据集中，通过设置一个条件进行过滤，获取我们最终想得到的子数据集进行分析。

神策所有的分析功能中都有筛选条件的选项，均可以实现根据事件的属性进行筛选或根据用户的属性进行筛选。

  • 筛选条件可类比于 SQL 中的 where 条件语句。

  • 当使用用户筛选条件时， where 条件作用于 users 表；当使用事件筛选条件时， where 条件作用于 events 表。

在神策所有的分析功能中，我们可以看到「筛选」、「全局筛选」等按钮时，代表此处可以对用户或事件进行筛选，参考上图中的标识，具体配置流程如下：

  • 点击弹出筛选条件输入框，可以同时添加一个或多个筛选条件。

  • 在 B 中选择筛选事件或用户的属性。

  • 在 C 中选择属性的 判断类型 ，不同的属性类型拥有不同的 判断类型，不同 判断类型 的使用方法可参考第 3 部分。

  • 在 D 选项中输入 判断值 后，分析结果即会根据输入条件进行筛选。

筛选条件分类

按目标

筛选用户：筛选条件作用于用户表，只看符合筛选条件的那些用户；一般在用户属性上进行条件设置，或者选择用户分群获取符合分析条件的用户。

筛选事件：筛选条件作用于事件，只看符合筛选条件的事件；一般在事件属性上进行条件设置。

按数据类型

不管是为了筛选出不同用户或筛选不同事件，具体的每一个筛选条件的设置，都可以按其数据类型来了解。

字符串类型

当筛选的属性为字符串类型时，可以看到如上图中标识的判断类型，具体每个判断类型的使用可参考下表：

判断类型 类比 SQL 描述说明  
等于 = 精确判断，只有选择的事件属性等于输入的判断值时，该事件才会进入分析过程；当判断值存在多个时，事件属性值等于任意一个，该事件都会进入分析的数据集
不等于 != 精确判断，只有选择的事件属性不等于输入的判断值时，该事件才会进入分析过程；当判断值存在多个时，事件属性值等于任意一个，该事件就不会进入分析过程
包含 LIKE “%$判断值%” 匹配判断，当属性字段中包含判断值，该事件或用户就会进入分析过程
不包含 NOT LIKE “%$判断值%” 匹配判断，与“包含”相反，当属性字段中包含判断值，该事件不会进入分析过程
不为空 Length($属性)>0 当属性字段中有值(字符串长度大于 0 )时，事件或用户才会进入分析过程
为空 =”” 当属性字段中值为空字符串时，事件或用户才会进入分析过程
没值 IS NULL 只有属性字段中值为 NULL 时，事件或用户才会进入分析过程
有值 IS NOT NULL 只有属性字段中值不为 NULL 时，事件或用户才会进入分析过程
正则匹配 - 匹配判断，符合条件的数据进入分析过程，具体请参考：正则表达式
正则不匹配 - 匹配判断，只有不符合正则条件的数据进入分析过程，具体请参考：正则表达式

数值类型属性筛选

当筛选的属性为数字类型时，可以看到如上图中标识的判断类型，具体每个判断类型的使用可参考下表：

判断类型	类比表达式	描述说明
等于	=	类同于字符串类型
不等于	!=	类同于字符串类型
小于	<	所选属性值小于判断值的事件才会进入分析过程
大于	>	所选属性值大于判断值的事件才会进入分析过程
区间	between . and .	所选属性值处于设置的判断值所形成的闭区间时，事件才会进入分析流程；如判断值设置为 10 和 100 时，所选属性值需要满足 [10,100] 区间
有值	IS NOT NULL	类同于字符串类型
没值	IS NULL	类同于字符串类型

时间类型属性筛选

名词解释

  • 绝对时间：有明确开始和截止时间的一个固定时间范围

  • 时段区间：有明确的开始和截止时段的一个固定的时段区间

  • 相对时间：相对于某个时间点，确定一个开始时间和截止时间的时间范围

  • 相对当前时间点：相对于当前之前的一段时间范围，比如之前 1 小时

  • 相对当前时间区间：相对当前的时间点，确定一个开始时间和截止时间

当筛选的属性为时间类型时，可以看到如上图所示的判断类型，具体每个判断类型使用可参考如下：

  • 绝对时间

如设置绝对时间在 2017-07-04 00:00 至 2017-07-11 00:00，则所选属性时间范围在此区间（包含区间端点）的数据会进入分析过程

  • 时段区间

如设置绝对时间在 00:00 至 10:59，则所选属性时间范围在此区间的数据会进入分析过程

  • 相对当前时间点

如相对当前时间点在 1 天之内，则表示当前时间点减一天为起点，当前时间点为终点的时间区间。即 [当前时间点 - 1 天, 当前时间点]。注：计算时数据精确到天。

例如：3月22日 12:05:22 发起查询，「相对当前时间点 1 天之内」；结果为：时间范围在 [3月22日 00:00:00 , 3月22日 23:59:59] 的数据

如相对当前时间点 1 天之前，则表示当前时间点减一天为终点之前的时间区间。即 ( 无穷小时间, 当前时间点 - 1 天]

例如：3月22日 12:05:22 发起查询，「相对当前时间点 1 天之前」；结果为：时间范围在 [- ∞ , 3月21日 23:59:59] 的数据

  • 相对当前时间区间

如设置相对当前时间的过去 5 天到过去 3 天之内，则表示以当前时间点 - 5 天为起点，以当天时间点 - 3 天为终点的时间区间，即 [当前时间点 - 5 天, 当天时间点 - 3 天]

  • 相对事件发生时间

此处以事件发生的时间锚点去设置时间区间的起点和终点，所以对于每一条需要判断的事件或用户数据，所对应判断的时间区间是不一样的。

比如我们想要看到购买事件发生前 5 分钟进行注册事件的用户数量时，可设置 注册时间 相对事件发生时间 在之前 5 分钟内。基于“用户注册后，立马购买的商品是吸引用户注册的原因”这样一个假设，我们可以查看那类型商品比较容易吸引用户注册来购买。或者替换成优惠券，可查看那类型优惠券更容易吸引用户。

此处的「之前 N 天内」或「之后 N 天内」均包含事件发生当天。

  • 有值 & 没值

请参考字符串类型中，有值 & 没值的描述

布尔类型属性筛选

当筛选的属性为布尔类型时，可以看到如上图所示的判断类型，具体每个判断类型使用如下：

  • 为真

表示当选择属性值为 TURE 时，数据才会进入分析过程。

  • 为假

表示当选择属性值为 FALSE 时，数据才会进入分析过程。

  • 有值&没值

请参考字符串中，有值 & 没值的描述

带字典类型属性的筛选

在神策分析的元数据管理中，可以对属性设置 维度字典，对于已经设置 维度字典 的字段，筛选条件如下图，具体的判断字段使用可参考字符串类型中相应类型。

用户分群的筛选

在进行条件筛选时，如果选择用户分群，则判断条件选择跟布尔类型相同，表示用户是否在该分群之内。

参考资料

https://manual.sensorsdata.cn/sa/latest/%E5%A6%82%E4%BD%95%E6%AD%A3%E7%A1%AE%E5%9C%B0%E6%A0%87%E8%AF%86%E7%94%A8%E6%88%B7-7538292.html

https://manual.sensorsdata.cn/sa/latest/%E5%B1%9E%E6%80%A7%E7%AD%9B%E9%80%89%E6%9D%A1%E4%BB%B6%E8%AF%B4%E6%98%8E-41845413.html