解析常见的数据分析模型——行为事件分析-36大数据

一、什么是行为事件分析?

行为事件分析法主要用于研究某行为事件的发生对企业组织价值的影响以及影响程度。企业借此来追踪或记录用户行为及业务过程，如用户注册、浏览产品详情页、成功投资、提现等，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。

在日常工作中，运营、市场、产品、数据分析师根据实际工作情况而关注不同的事件指标。如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?各时段的人均充值金额是分别多少?上周来自北京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?诸如此类的指标查看的过程中，行为事件分析起到重要作用。

二、行为事件分析的特点与价值

行为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。行为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，对于未登陆用户，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。

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。

三、行为事件分析应用场景

互金行业常见的行为事件分析

某互联网金融客户运营人员发现，4 月 10 日号来自新浪渠道的 PV 数异常高，因此需要快速排查原因：是异常流量还是虚假流量?

企业可以先定义事件，通过“筛选条件”限定广告系列来源为“新浪”。再从其它多个维度进行细分下钻，比如“地理位置”、“时间”、“广告系列媒介”、“操作系统”、“浏览器”等。当进行细分筛查时，虚假流量无处遁形。下图为来源为“新浪”的各城市浏览页面的总次数。

图 1 新浪来源的各城市浏览页面的总次数

在剔除虚假流量后，运营人员可进行其他用户行为分析。通过“投资成功”事件，查看各个时段的投资金额。若想知道每个产品类型的投资金额，此时再按照“产品类型”进行分组查看即可。如图 2。

图 2 不同产品投资成功的支付金额的总和

当用户投资到期后，后续行为可能是提现或继续投资，运营人员可以实时关注“提现率”的变化趋势。

图 3 用户投资到期后提现率的变化情况

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 解析常见的数据分析模型——行为事件分析