时间: 2021-07-30 09:11:21 人气: 17 评论: 0
编辑导读：事件分析是指分析埋点事件的用户触发情况以及埋点事件的分析统计情况，是数据分析中一项重要的工作。本文将从五个方面进行分析，希望对你有帮助。
事件分析，本质上是分析埋点事件的用户触发情况以及埋点事件的分析统计情况。
比如APP启动事件的触发次数、触发人数、人均触发次数等。
ps1：说句题外话，既然是分析埋点事件，那么埋点是否准确，就直接关系到事件分析的数据是否准确。可见，重视埋点质量是多么重要的一件事情（可惜可叹，很多公司根本不重视埋点质量，悲哀呀）。
ps2：再啰嗦一下，**上来说，通过埋点事件分析，可以几乎实现任何数据需求，甚至连用户画像、指标体系都可以通过分析埋点事件实现。
元事件：指埋点里面真真实实存在的埋点事件，不经过任何二次处理，比如埋了一个APP启动事件，这个APP启动事件就是元事件。
虚拟事件：基于元事件，进行算法计算得出的事件，比如我们可以创建一个虚拟事件，算法为APP启动事件的次数/APP元素点击的次数，然后分析这个虚拟事件的数据情况。
包括事件层面的指标和事件属性层面的指标：
1）事件层面的指标
2）事件属性层面的指标
对于所有类型的事件属性- 去重数：时间范围内，事件属性的去重个数。事件所有的属性，都可以分析这个指标。
对于数值型的事件属性- 总和：时间范围内，属性的取值求和。
3）从什么维度分析事件指标
事件分析，不仅可以分析事件的指标数据，还要支持按照某些维度，从某个维度分析事件的指标数据。这些维度包括以下两个部分：
4）事件分析结果过滤
过滤条件可以从下面两个方面，对事件分析的结果进行过滤：
5）举例
我们以APP启动事件作为栗子说明，假设该事件有自定义字段：启动时长。
最后，可以对事件分析的结果，进行筛选过滤，比如筛选出性别女的数据。
我们总结一下事件分析：事件分析，其实就是从不同维度分析事件的指标数据。
这里简单画一下事件分析的UI界面原型。
埋点事件，不仅可以用作事件分析，还可以应用到其他方面。比如用户画像、指标体系搭建。
用户画像：
用户画像，本质上来说，就是对用户进行打标签。而用户为什么**打上某个标签呢？最终还是落在用户行为上，而埋点事件就是用户行为的数据。所以对埋点事件进行分组聚合，其实就是打标签的过程。
举个栗子：我们对商品购买事件的金额，做区间维度分析，月购买金额在500元以下的用户打上低消费标签，月购买金额在500~800元之间的用户打上中消费标签，月购买金额在800元以上的用户打上高消费标签。这个打标签的过程，其实就是对事件进行维度聚合的过程。
指标体系：
搭建数据指标体系的搭建工作，具体方法，在这里不细说，后面我们专门进行总结。但是基本思路就是通过原子指标加上修饰词（维度），组合派生出各种派生指标的方法，穷尽所有的业务指标。
这里的原子指标，其实就是前面我们总结的那些事件层面的指标和事件属性层面的指标。而原子指标的修饰词，恰恰是埋点事件的属性和用户属性。
所以，通过穷尽埋点事件，就可以穷尽原子指标，加上事件的属性和用户属性的修饰，也就可以派生组合出任何派生指标。
本文由 @如琴留音 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
