解析常見的數據分析模型——行為事件分析

摘要： 此篇介紹了事件行為分析法，此方法在多個領域都可以有所貢獻，比起其他的計量分析方法，事件行為分析法可以幫助我們專注在某些事件發生時的異常情況， 且方法容易上手，也適合沒有分析基礎的人使用。

一、什麼是行為事件分析?

行為事件分析法主要用於研究某行為事件的發生對企業組織價值的影響以及影響程度。企業藉此來追踪或記錄用戶行為及業務過程，如用戶註冊、瀏覽產品詳情頁、成功投資、提現等，通過研究與事件發生關聯的所有因素來挖掘用戶行為事件背後的原因、交互影響等。

在日常工作中，運營、市場、產品、數據分析師根據實際工作情況而關注不同的事件指標。如最近三個月來自哪個渠道的用戶註冊量最高?變化趨勢如何?各時段的人均充值金額是分別多少?上週來自北京發生過購買行為的獨立用戶數，按照年齡段的分佈情況?每天的獨立Session 數是多少?諸如此類的指標查看的過程中，行為事件分析起到重要作用。

二、行為事件分析的特點與價值

行為事件分析法具有強大的篩選、分組和聚合能力，邏輯清晰且使用簡單，已被廣泛應用。行為事件分析法一般包含事件定義與選擇、下鑽分析、解釋與結論等環節。

事件定義與選擇。事件描述的是，一個用戶在某個時間點、某個地方、以某種方式完成了某個具體的事情。Who、When、Where、What、How 是定義一個事件的關鍵因素。其中：

Who 是參與事件的主體，對於未登陸用戶，可以是Cookie、設備ID 等匿名ID ;對於登錄用戶，可以使用後台配置的實際用戶ID;

When 是事件發生的實際時間，應該記錄精確到毫秒的事件發生時間;

Where 即事件發生的地點，可以通過IP 來解析用戶所在省市;也可以根據GPS 定位方式獲取地理位置信息。

How 即用戶從事這個事件的方式。用戶使用的設備、瀏覽器、 APP 版本、渠道來源等等;

What 描述用戶所做的這個事件的所有具體內容。比如對於“購買”類型的事件，則可能需要記錄的字段有：商品名稱、商品類型、購買數量、購買金額、付款方式等。

多維度下鑽分析。最為高效的行為事件分析要支持任意下鑽分析和精細化條件篩選。當行為事件分析合理配置追踪事件和屬性，可以激發出事件分析的強大潛能，為企業回答關於變化趨勢、維度對比等等各種細分問題。同時，還可以通過添加篩選條件，可以精細化查看符合某些具體條件的事件數據。

解釋與結論。此環節要對分析結果進行合理的理論解釋，判斷數據分析結果是否與預期相符，如判斷產品的細節優化是否提升了觸髮用戶數。如果相悖，則應該針對不足的部分進行再分析與實證。

三、行為事件分析應用場景

互金行業常見的行為事件分析

某互聯網金融客戶運營人員發現，4 月10 日號來自新浪渠道的PV 數異常高，因此需要快速排查原因：是異常流量還是虛假流量?

企業可以先定義事件，通過“篩選條件”限定廣告系列來源為“新浪”。再從其它多個維度進行細分下鑽，比如“地理位置”、“時間”、“廣告系列媒介”、“操作系統”、“瀏覽器”等。當進行細分篩查時，虛假流量無處遁形。下圖為來源為“新浪”的各城市瀏覽頁面的總次數。

圖1 新浪來源的各城市瀏覽頁面的總次數

在剔除虛假流量後，運營人員可進行其他用戶行為分析。通過“投資成功”事件，查看各個時段的投資金額。若想知道每個產品類型的投資金額，此時再按照“產品類型”進行分組查看即可。如圖2。

圖2 不同產品投資成功的支付金額的總和

當用戶投資到期後，後續行為可能是提現或繼續投資，運營人員可以實時關注“提現率”的變化趨勢。

圖3 用戶投資到期後提現率的變化情況

End.

轉貼自： 36大數據