基于多维事件模型，可以沉淀并提炼出一些常见的数据分析方法。在用户行为领域，进一步对这些数据分析方法的科学应用进行理论推导，便可能够相对完整地揭示用户行为的内在规律。基于此，帮助企业实现多维交叉分析，让企业建立快速反应、适应变化的敏捷商业智能决策。

神策数据总结了企业常用的数据分析模型，包括事件分析、漏斗分析、留存分析等。不同分析模型的适用范围、分析思路、使用方法等各不相同，其中事件分析是分析模型中较为基础但却功能十分强大的一种。

事件分析法是用来研究用户的某个、某些行为事件本身特征的方法，企业借此来追踪、记录用户行为或业务过程。事件分析是所有分析模型中最基础的一种，它是指对具体的行为事件进行指标加工的一种分析方法。常见的指标计算规则为行为事件发生的人数、次数、人均次数，以及针对行为事件的属性特征进行特殊运算，如去重、求和、求均值等。

事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。事件分析法一般包含事件定义与选择、下钻分析、解释与结论等环节。

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：最为高效的行为事件分析要支持任意下钻分析和精细化条件筛选。当行为事件分析合理配置追踪事件和属性，可以激发出事件分析的强大潜能，为企业回答关于变化趋势、维度对比等等各种细分问题。同时，还可以通过添加筛选条件，可以精细化查看符合某些具体条件的事件数据。

神策数据事件分析模型（模拟数据）

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，如判断产品的细节优化是否提升了触发用户数。如果相悖，则应该针对不足的部分进行再分析与实证。

场景一：事件本身特征统计

事件分析通用的分析方法是先定义对应指标的事件，再从其他多个维度进行细分下钻，比如“时间”、“地理位置”、“IP”、“广告系列媒介”、“操作系统”、“浏览器”等，查看指标数据的特征表现。

针对事件本身特征统计，包括次数、人数、人均次数等常见指标。以互联网金融行业为例，常见的基础流量指标如 PV 对应“页面浏览”事件的次数、UV 对应”页面浏览“事件的人数等，都是基于用户事件本身特征进行的统计。指标定义结束以后，我们需要对指标进行时间和维度的拓展。基于一段时间可以观测某个指标，同时也可以参照基期时间的指标，综合对比，评判指标的波动是否异常；基于事件属性的维度可以对指标进行细分，查看不同细分维度下的指标分布，洞察指标的分布是否正常。

场景二：事件属性特征属性

除了基础流量指标，运营人员更关注行业的关键指标，以及关键指标对应的用户行为偏好，这些指标通常是事件属性的特征统计，事件分析同样可以满足分析诉求。譬如通过“投资成功”事件，查看不同产品类型的投资“金额”，分析用户投资的产品偏好属性等。

场景三：自定义指标四则运算

场景一、二的两类指标，都是基于单个事件本身、属性特征进行的统计，实际的分析场景中，我们通常还会需要分析一些复合指标，这种类型的指标通常是基于一个或者多个指标进行自定义四则运算。如，当用户投资到期后，后续的关键行为可能是提现或继续投资，运营人员可以从时间维度上对用户的关键行为指标进行下钻，实时关注“提现率”的变化趋势，从而及时调整业务策略。“提现率”就是一个常见的自定义四则运算指标，其对应的事件含义为“提现申请成功”的人数与”投资成功“的人数比值。

事件分析适用面广、灵活性强，是指标体系实现和日常数据观察中最常见的分析模型。它能用于描述大多数业务或者行为的数据表现及趋势，使用者根据自己的分析需求，合理的进行指标定义及规则配置即可。

神策数据事件分析模型可以基于事件的指标统计、属性分组、条件筛选等功能查询分析。借助于神策分析强大的筛选、分组和聚合能力，事件分析可以帮助回答以下问题：

最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？

各个时段的人均充值金额是分别多少？

上周来自北京的，发生过购买行为的独立用户数，按照年龄段的分布情况？

每天的独立 Session 数是多少？

根据您的产品特性合理配置追踪事件和属性，可以激发出事件分析的强大潜能，回答关于变化趋势、维度对比的各种细分问题。神策事件分析模型还具备以下功能：

• 多维度拆解时，支持按照分组维度的层级进行聚合展示，满足多维分组时大部分场景下的分析习惯；

• 支持对分组维度的快速筛选与排序，同时支持每天（分钟、小时、天、月）的切片数据查看以及多指标对比；

• 支持分层、平铺表格的切换，同时支持平铺模式下按时间日期展开，方便对比整体趋势；

• 支持导出 Excel 格式表格，提供汇总、明细、透视表，提高二次加工数据的效率。

通过事件分析，数据分析模型能够帮助企业从用户行为中挖掘深层次的规律，揭示关键业务驱动因素，并优化决策过程。在数据驱动的时代，事件分析不仅是一种技术手段，更是一种面向未来的思维方式。将其有效融入实践，企业便能更敏锐地把握市场动态，提升运营效率，实现可持续增长。

✎✎✎

【更多内容】

数据分析模型的十问十答

小程序分析这样做！

LTV 分析模型抢先体验